Обсуждение статьи "Метамодели в машинном обучении и трейдинге: Оригинальный тайминг торговых приказов"
Код не смотрел, чисто по описанию: похоже, что уже на 2-й итерации метамодель будет обучена на будущих данных. Думаю надо обучаться только на прошлых данных.
метамодель обучается на тех же данных что базовая + кусок истории назад в прошлое. Можно поменять на будущее. Нет разницы, для нее нужен просто кусок данных, которые не видела базовая.
Я про фразу
Сначала необходимо обнулить книгу плохих сделок, если в ней что-то осталось после предыдущего обучения. Затем в цикле задается необходимое количество итераций.
В этой книге будет накапливаться информация о будущем. Она же не обнуляется перед каждым обучением.
Я про фразу
В этой книге будет накапливаться информация о будущем. Она же не обнуляется перед каждым обучением.
о каком будущем? там примеры для метамодели
чем больше итераций неправильно предсказывает базовая модель, тем больше примеры крепчают и попадают в "не торговать".
эти примеры суть ошибки базовой модели, там где она чаще всего ошибается. Их нужно ампутировать, чтобы не тянули на себя градиент.
по аналогии с 3-м классом "не торговать", только вообще выбрасываются из классификатора, повышая его точность
Машине можно доверять, что она точно выполнит заложенный в нее алгоритм. Человеку, заложившему в нее этот алгоритм, доверять нельзя.
Человеку свойственно ошибаться, добросовестно заблуждаться, или намеренно вводить в заблуждение других. Все работы по машинному обучению при отсутствии нормальной теории рынка похожи на поиск часов под фонарем (из анекдота). Алгоритмы и основания надо искать в квантовой механике. Если есть желание, могу объяснить.
Со времен Пифагора различают обыденное и тайное знание. Тема очень большая, затрагивает философию, политику, экономику. Конкретизируя это утверждение применительно к бирже, обращаем внимание на Джеймса Саймонса. Человек ежемесячно удваивал свой капитал, используя свои знания математики многомерных пространств. Значит, существует реальна возможность просчитать поведение этого самого многомерного пространства, то есть биржевого поля. Ряд авторов, например, Н.Рудык, "Поведенческие финансы", Ларс Твид, "Психология финансов", Дж.Сорос "Алхимия финансов", обращают внимание на то, что рынок - это прежде всего психология. Психология масс не описывается распределением Гаусса, это распределение Ципфа-Парето. К психологии неприменима теория вероятностей из-за ошибки в фундаментальных основаниях этой теории. Вопрос: а что же применимо к психологии масс? И.Данилевский написал хорошую книгу: "Структуры коллективного бессознательного. Квантовоподобная социальная реальность". Смысл ее: коллективное бессознательное представляет собой квантовое поле, которое можно и нужно изучать математическим аппаратом квантовой механики.
Тайное знание на то и тайное, что оно не находится в широком доступе. Но тем не менее, если есть желание, можно выйти за пределы наезженной колеи и поискать свою дорогу.
Тайное знание на то и тайное, что оно не находится в широком доступе. Но тем не менее, если есть желание, можно выйти за пределы наезженной колеи и поискать свою дорогу.
Объяснение должно заключаться в проверяемых фактах, а не апелляцией к тайным знаниям и модным словам
Теоретический аппарат квантовой механики был разработан в начале ХХ века, практическое использование началось лет через 50 - мазеры, лазеры и т.д. Если Вы не любите читать умные книги, это не значит, что нет этих книг, и людей, их написавших. Для Вас, похоже, "горшок пустой гораздо больше ценится". Продолжайте переливать из пустого в порожнее.
Теоретический аппарат квантовой механики был разработан в начале ХХ века, практическое использование началось лет через 50 - мазеры, лазеры и т.д. Если Вы не любите читать умные книги, это не значит, что нет этих книг, и людей, их написавших. Для Вас, похоже, "горшок пустой гораздо больше ценится". Продолжайте переливать из пустого в порожнее.
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Опубликована статья Метамодели в машинном обучении и трейдинге: Оригинальный тайминг торговых приказов:
Метамодели в машинном обучении: Автоматическое создание торговых систем практически без участия человека — Модель сама принимает решение как торговать и когда торговать
В начале данного раздела хотелось бы сделать небольшую ремарку. Поскольку в процессе разработки торговых систем (в том числе с применением машинного обучения) исследователь имеет дело с неопределенностью, то невозможно строго формализовать то, что ищется в конечном итоге. Это какие-то более-менее устойчивые зависимости в многомерном пространстве, тяжело поддающиеся интерпретации на человеческом и даже математическом языках. Сложно провести детальный разбор того, что мы получаем на выходе высоко параметризованных самообучающихся систем. Такие алгоритмы требуют к себе некоторую степень доверия от человека, основанного на результатах бэктестов, но не проясняют саму суть и даже характер найденной закономерности.
Мы хотим написать алгоритм, который будет иметь возможность анализировать и корректировать собственные ошибки, итеративно улучшая свои результаты. Для этого предлагается взять связку из двух классификаторов и обучать их последовательно, как предложено ниже на схеме. Далее будет подробное описание идеи и объяснение схемы.
Каждый из классификаторов обучается на своем собственном датасете, которые имеют разные размеры. Синяя горизонтальная линия представляет условную глубину истории для метамодели, а оранжевые для базовой модели. Другими словами, глубина истории для метамодели всегда больше, чем для базовой и равняется оценочному (тестовому) временному интервалу, на котором будет тестироваться связка этих моделей.
Автор: Maxim Dmitrievsky