Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
E como você determina a "melhor" combinação?
O problema básico é o da lista de preditores. Tendo justificado a lista de preditores, podemos passar para o resto.
Obrigado. Estou inclinado a acrescentar mais preditores também.
Você acha que o número de preditores que você usa é insuficiente?
Não sei ao certo.
Não sei ao certo.
Eu já escrevi, vou dizer novamente.
Realizei o trabalho de seleção de preditores várias vezes, inclusive sob demanda. Os resultados são apresentados abaixo
Portanto.
Vamos pegar alguns palpitadores, não menos de 50, e melhor que uma centena.
Todos os conjuntos de preditores que lidei (isto é, não pretendo generalizar) podem ser divididos em duas partes:
Escrevo "relação" com muito cuidado e de forma bastante deliberada não utilizo nenhum termo.
Exemplo de preditores:
Favor observar que estou especificando a variável alvo. Para a outra variável-alvo, pode ser o contrário
O problema de ter esses dois grupos de preditores no conjunto original de preditores é que as ferramentas padrão para determinar a IMPORTÂNCIA não funcionam. Portanto, algumas ferramentas são necessárias, e eu as desenvolvi e utilizo, o que permite a peneirada grosseira dos preditores de ruído. Deve-se notar que não há aqui nenhuma ambiguidade. O algoritmo quantifica separadamente para preditores válidos e nominais. Menos de 2 (algum valor relativo) é ruído, com certeza. Entre 2 e 3: pode ser usado, mas é melhor não....
O problema com o ruído é que os preditores relevantes para os preditores de ruído não são relevantes para eles. Por exemplo, a floresta aleatória, ada, algoritmos svm, por alguma razão, constroem o modelo mais sobre estes preditores de ruído.
Depois de ter selecionado os preditores ruidosos, e em meus conjuntos havia cerca de 80%(!), pegamos o resto da lista de preditores e a ela começamos a aplicar as ferramentas de R para determinar a importância das variáveis. O número real de preditores usados para treinar o modelo é cerca da metade dos preditores de ruído NOT, ou seja, cerca de 10% do conjunto original.
Eu determino a importância dos preditores na janela. À medida que a janela se move, a lista de preditores a partir dos 20% básicos muda o tempo todo. Isto é, 12-15 preditores são usados para construir o modelo, mas eles são diferentes conforme a janela se move seguindo a citação.
Qual é a razão?
Bem, a questão é que a limpeza do conjunto de preditores de ruído leva à criação de modelos que NÃO são retrabalhados.
Em números.
Em um conjunto completo de preditores é possível construir modelos com erro de previsão de 3%-5%! E quaisquer algoritmos que dividem a amostra em partes, os chamados "out-of-sample" - OOV, confirmam este resultado. Isto é muito bem visto no raatle, que sempre divide a amostra original em partes e está muito satisfeito com os resultados.
Mas.
Se a amostra inicial contém preditores de ruído, então se pegarmos um "fora da amostra" real, isto é, por exemplo, a amostra para treinamento de 01.06.2015 a 01.01.2016, e depois calcularmos na amostra após 1 de janeiro, podemos facilmente obter um erro de 50% e 70% ao invés de 3%-5%! Além disso, quanto mais longe de 1 de janeiro, pior será o resultado.
MODELO É REQUALIFICADO
Se eu limpar o conjunto original de preditores de ruído, os resultados são os seguintes e os mesmos para floresta aleatória, ada SVM assim como vários outros modelos - ou seja, o modelo não resolveu nada em meus casos, os resultados são: o erro de predição é de cerca de 30% em qualquer conjunto. Aplicando as ferramentas de previsão da importância do R, podemos reduzir ainda mais o erro para cerca de 25%. Não foi possível melhorar este resultado para a variável-alvo ZZ.
Eu já escrevi, vou dizer novamente.
Fiz o trabalho de selecionar os preditores várias vezes, inclusive em comissão. Os resultados são apresentados abaixo
Portanto.
Vamos pegar alguns palpitadores, não menos de 50, e de preferência mais de uma centena.
Todos os conjuntos de preditores que lidei (isto é, não pretendo generalizar) podem ser divididos em duas partes:
Escrevo "relação" com muito cuidado e de forma bastante deliberada não utilizo nenhum termo.
Exemplo de preditores:
Favor observar que estou especificando a variável alvo. Para a outra variável-alvo, pode ser o contrário
O problema de ter esses dois grupos de preditores no conjunto original de preditores é que as ferramentas padrão para determinar a IMPORTÂNCIA não funcionam. Portanto, algumas ferramentas são necessárias, e eu as desenvolvi e utilizo, o que permite a peneirada grosseira dos preditores de ruído. Deve-se notar que não há aqui nenhuma ambiguidade. O algoritmo quantifica separadamente para preditores válidos e nominais. Menos de 2 (algum valor relativo) é ruído, com certeza. Entre 2 e 3: pode ser usado, mas é melhor não....
O problema com o ruído é que os preditores relevantes para os preditores de ruído não são relevantes para eles. Por exemplo, os algoritmos de floresta aleatória, ada e svm, por alguma razão, constroem o modelo mais sobre estes preditores de ruído.
Depois de ter selecionado os preditores ruidosos, e em meus conjuntos havia cerca de 80%(!), pegamos o resto da lista de preditores e a ela começamos a aplicar as ferramentas de R para determinar a importância das variáveis. O número real de preditores usados para treinar o modelo é cerca da metade dos preditores de ruído NOT, ou seja, cerca de 10% do conjunto original.
Eu determino a importância dos preditores na janela. À medida que a janela se move, a lista de preditores a partir dos 20% básicos muda o tempo todo. Isto é, 12-15 preditores são usados para construir o modelo, mas eles são diferentes conforme a janela se move seguindo a citação.
Qual é a razão?
Bem, a questão é que a limpeza do conjunto de preditores de ruído leva à criação de modelos que NÃO são retrabalhados.
Em números.
Em um conjunto completo de preditores é possível construir modelos com erro de previsão de 3%-5%! E quaisquer algoritmos que dividem a amostra em partes, os chamados "out-of-sample" - OOV, confirmam este resultado. Isto é muito bem visto no raatle, que sempre divide a amostra original em partes e está muito satisfeito com os resultados.
Mas.
Se a amostra inicial contém preditores de ruído, então se pegarmos um "fora da amostra" real, ou seja, por exemplo, a amostra para treinamento de 01.06.2015 a 01.01.2016, e depois calcularmos sobre a amostra após 1º de janeiro, podemos facilmente obter um erro de 50% e 70% ao invés de 3%-5%! Além disso, quanto mais longe de 1 de janeiro, pior será o resultado.
MODELO É REQUALIFICADO
Se eu limpar o conjunto original de preditores de ruído, os resultados são os seguintes e os mesmos para a floresta aleatória, ada SVM assim como vários outros modelos - ou seja, o modelo não resolveu nada em meus casos, os resultados são os seguintes: o erro de predição é de cerca de 30% em qualquer conjunto. Aplicando as ferramentas de previsão da importância do R, podemos reduzir ainda mais o erro para cerca de 25%. Não foi possível melhorar este resultado para a variável-alvo ZZ.
Obrigado.
Estou vendo o que você está pensando. De tudo isso, vi uma possibilidade de calcular a importância dos preditores em várias partes da amostra de treinamento, depois comparar as listas e selecionar duplicatas.
Não posso dizer nada sobre a seleção manual, prefiro usar a máquina imediatamente.
SZZ: Vou tentar aplicar meu método homebrew, baseado na função de informação mútua, além da importância das variáveis da floresta de decisão. Mostrarei os resultados mais tarde.
O problema com o ruído é que os preditores relativos ao ruído obstruem os preditores não relacionados a ele. Por exemplo, os algoritmos de floresta aleatória, ada e svm, por alguma razão, constroem o modelo mais sobre estes preditores de ruído.