Имхо, стоило бы это противопоставление переформулировать в терминах МО. Имеются две модели, отстоящие далеко друг от друга на кривой компромисса смещение-дисперсия. ТС из-за малого фиксированного числа параметров имеет сдвиг в сторону увеличения смещения (обычный для МО пример - линейная регрессия), а сложная модель, наоборот, в сторону увеличения дисперсии.
Очевидно, если более простая модель ухватывает реальную закономерность, то она лучше. Если ни одна модель не ухватывает, то опять простая лучше - в сложной тяжелее увидеть её ошибочность из-за более лучшей приспосабливаемости к шуму) Неудивительно, что смысл усложнения есть только если оно приносит пользу. Это очевидный теоретический ответ.
Если чуть более практически, то по сути второй пункт означает стекинг моделей (минимум двух) - одна модель разбивает на отрезки (ищет разладки), а другая принимает торговые решения. Может быть и третья модель, которая включает/выключает торгующую и тд. Стекинг, как известно, имеет в МО репутацию "чёрной магии") Как правило, им пользуются победители всяческих соревнований, но при этом по сути для него нет теории или рецептов. Если повезёт найти рабочий стекинг, то хорошо). Имхо, в целом стекинг более простых моделей выглядит более логично, чем попытка запихать всё в одну более сложную.
Да, задачу разладки нужно решать, поскольку ряды у нас нестационарные. Но особо не выделял бы её, поскольку она в любом случае будет решаться - либо явно, либо неявно)
Значит пока будем называть это все ещё магией, раз не находится более осмысленное определение :)
Стакинг - хорошая аналогия, хоть и выглядит несколько иначе.
Maxim Dmitrievsky #: Значит пока будем называть это все ещё магией, раз не находится более осмысленное определение :)
Стакинг - хорошая аналогия, хоть и выглядит несколько иначе.
Сталкивался с тем, что стакингом называли довольно хитрые конструкции из нескольких моделей, совсем не похожие на то что обычно называют стакингом. Не знаю правда насколько это общепринято.
Мне почему-то "стекинг" удобнее, наверно из-за того что "стек". Но пусть будет "стакинг" для однообразия
Сталкивался с тем, что стакингом называли довольно хитрые конструкции из нескольких моделей, совсем не похожие на то что обычно называют стакингом. Не знаю правда насколько это общепринято.
Мне почему-то "стекинг" удобнее, наверно из-за того что "стек". Но пусть будет "стакинг" для однообразия
Там дифтонг ae, можно и так и так. Можно стаекинг :) Да, тоже заметил, что этим словом много что называют.
Maxim Dmitrievsky #: Продолжайте, пока не уловил мысль.
Ну, стандартное отклонение в скользящем окне фиксированной величины будет иметь ненормированный диапазон изменений в зависимости от волатильности. Насколько я знаю, обычно для этого используют z-score, т.к. это нормированная величина. На этом мысль закончена )
Ну, стандартное отклонение в скользящем окне фиксированной величины будет иметь ненормированный диапазон изменений в зависимости от волатильности. Насколько я знаю, обычно для этого используют z-score, т.к. это нормированная величина. На этом мысль закончена )
Понял, я беру min/max по всей доступной истории и устанавливаю в качестве границ, потом разбиваю на случайные диапазоны на каждой итерации оптимизатора. Можно и зскор. Я думал для оптимизатора может быть лучше такое нормирование (избавление от маленьких значений с большим кол-вом нулей после запятой), но вроде не должно.
Для авторизации и пользования сайтом MQL5.com необходимо разрешить использование файлов Сookie.
Пожалуйста, включите в вашем браузере данную настройку, иначе вы не сможете авторизоваться.
Вы вошли в аккаунт. Двухфакторная аутентификация отключена. Настройте её заново и отсканируйте новый QR-код или продолжите с отключённой двухфакторной аутентификацией.
Имхо, стоило бы это противопоставление переформулировать в терминах МО. Имеются две модели, отстоящие далеко друг от друга на кривой компромисса смещение-дисперсия. ТС из-за малого фиксированного числа параметров имеет сдвиг в сторону увеличения смещения (обычный для МО пример - линейная регрессия), а сложная модель, наоборот, в сторону увеличения дисперсии.
Очевидно, если более простая модель ухватывает реальную закономерность, то она лучше. Если ни одна модель не ухватывает, то опять простая лучше - в сложной тяжелее увидеть её ошибочность из-за более лучшей приспосабливаемости к шуму) Неудивительно, что смысл усложнения есть только если оно приносит пользу. Это очевидный теоретический ответ.
Если чуть более практически, то по сути второй пункт означает стекинг моделей (минимум двух) - одна модель разбивает на отрезки (ищет разладки), а другая принимает торговые решения. Может быть и третья модель, которая включает/выключает торгующую и тд. Стекинг, как известно, имеет в МО репутацию "чёрной магии") Как правило, им пользуются победители всяческих соревнований, но при этом по сути для него нет теории или рецептов. Если повезёт найти рабочий стекинг, то хорошо). Имхо, в целом стекинг более простых моделей выглядит более логично, чем попытка запихать всё в одну более сложную.
Да, задачу разладки нужно решать, поскольку ряды у нас нестационарные. Но особо не выделял бы её, поскольку она в любом случае будет решаться - либо явно, либо неявно)
Значит пока будем называть это все ещё магией, раз не находится более осмысленное определение :)
Сталкивался с тем, что стакингом называли довольно хитрые конструкции из нескольких моделей, совсем не похожие на то что обычно называют стакингом. Не знаю правда насколько это общепринято.
Мне почему-то "стекинг" удобнее, наверно из-за того что "стек". Но пусть будет "стакинг" для однообразия
Сталкивался с тем, что стакингом называли довольно хитрые конструкции из нескольких моделей, совсем не похожие на то что обычно называют стакингом. Не знаю правда насколько это общепринято.
Мне почему-то "стекинг" удобнее, наверно из-за того что "стек". Но пусть будет "стакинг" для однообразия
Std в скользящем окне с разными периодами, по умолчанию период 20. С телефона, могу что-то не видеть, извиняюсь.
не корректнее ли будет считать z-score?
не корректнее ли будет считать z-score?
Не знаю, чем лучше?
Не знаю, чем лучше?
это нормированная величина
это нормированная величина
Продолжайте, пока не уловил мысль.
Ну, стандартное отклонение в скользящем окне фиксированной величины будет иметь ненормированный диапазон изменений в зависимости от волатильности. Насколько я знаю, обычно для этого используют z-score, т.к. это нормированная величина. На этом мысль закончена )
Ну, стандартное отклонение в скользящем окне фиксированной величины будет иметь ненормированный диапазон изменений в зависимости от волатильности. Насколько я знаю, обычно для этого используют z-score, т.к. это нормированная величина. На этом мысль закончена )
Понял, я беру min/max по всей доступной истории и устанавливаю в качестве границ, потом разбиваю на случайные диапазоны на каждой итерации оптимизатора. Можно и зскор. Я думал для оптимизатора может быть лучше такое нормирование (избавление от маленьких значений с большим кол-вом нулей после запятой), но вроде не должно.