Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2606
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Вы уверены что нужно 2 модели, и что они улучшат результат на ООС?
Можно просто у первой модели брать границу не через 0,5, а через 0,3 и 0,7 или даже 0,1 и 0,9 - так сделки с низкой вероятностью отсеятся и их станет меньше и модель будет всего 1.
с 2-мя больше гибкости, эти вероятности это такое... просто кол-во сделок уменьшается, стабильность - нет
с 2-мя больше гибкости, эти вероятности это такое... просто кол-во сделок уменьшается, стабильность - нет
Поймите меня правильно. Я лишь подметил неточность вашего логического построения: "на рынке не существуют долгоиграющих алгоритмов, иначе рано или поздно на рынке остались бы только они". Показал в какой нише они точно существуют. Почему они там существуют обособленно, а не захватывают весь рынок. И привел верифицируемый пример.
Верификация фактического наличия данного утверждения не означает верификацию его содержания.
Даже если предположить доказанным (хотя и с этим могут быть и часто бывают проблемы), что некто из года в год стабильно зарабатывает, то совершенно непонятно как вообще может выглядеть доказательство того, что это сделано одним и тем же алгоритмом. Хотелось бы увидеть более содержательные варианты нежели "верить на слово" и "это же я вам говорю".
с 2-мя больше гибкости, эти вероятности это такое... просто кол-во сделок уменьшается, стабильность - нет
лучше на троих
;)
У вас же с 2-мя тоже нет стабильности...
много вариантов, сложно сравнивать
много вариантов, сложно сравнивать
Даже если предположить доказанным (хотя и с этим могут быть и часто бывают проблемы), что некто из года в год стабильно зарабатывает, то совершенно непонятно как вообще может выглядеть доказательство того, что это сделано одним и тем же алгоритмом. Хотелось бы увидеть более содержательные варианты нежели "верить на слово" и "это же я вам говорю".
У рынка есть некоторые стабильные характеристики. Из них может следовать стабильное поведение торговцев. Из него могут следовать стабильные алгоритмы, эксплуатирующие это поведение.
Выделенное жёлтым - практически идеальное описание результатов торговли по выявленным на истории закономерностям) Вовсе не обязательно, что всё сразу же поломается, но почти всегда "сейчас уже не так")
Есть такая постановка вопроса:
Используются 2 модели. Одна прогнозирует купить или продать, другая торговать или нет.
Сначала обучается первая, затем смотрим где она плохо предсказывает, размечаем эти примеры как "не торговать", остальные хорошие как "торговать", обучаем этому вторую модель.
Первая модель проверяется не только на обучающем участке, но и дополнительном, а вторая обучается на обоих участках.
Повторяем это несколько раз, переобучая обе модели на том же датасете. Результаты постепенно улучшаются на выборках. Но на контрольной выборке не всегда.
Параллельно этому ведется журнал плохих сделок кумулятивный по всем проходам, все "плохие" сделки для "не торговать" собираются в нем для обучения второй модели и фильтруются по некоторому принципу, типа чем больше копий плохих сделок за все проходы, тем больше шанс разметить их как "не торговать"
Например, по каждой дате за все итерации обучений накоплено некоторое количество плохих сделок, где это количество превышает порог (mean, среднее), те сделки размечтаются как "не торговать". Остальные пропускаются, иначе так можно было бы исключить все сделки, если итераций обучения много.
коэффициент позволяет отрегулировать количество сделок на выходе, чем он ниже тем больше сделок фильтруется
... к этому моменту я уже устал писать ...
Как можно улучшить такую комбинацию моделей, чтобы она улучшала результаты свои на новом независимом участке?
Есть ли какая-то философия почему это может работать? Кроме той, что модели естественным образом улучшают друг друга (падают ошибки) на каждом круге переобучения, но как избавиться от подгонки?
Иллюстрация. График разбит на 3 части. На последнем обучается первая модель, на предпоследней и последней вторая, первая треть это экзаменационная выборка. Естественным образом последний участок будет самым лучшим, а первая треть самой плохой.
Здесь было 15 итераций переобучения обеих моделей, с использованием журнала плохих сделок.
Честно говоря, схема в целом выглядит весьма изощрённой и вряд ли человек со стороны сможет сказать что-либо осмысленное.
1) Возникает некая ассоциация с бустингом, когда каждая следующая модель пытается улучшить ошибку предыдущих.
2) Мне ближе подход, когда не пытаемся получить одну сложную модель на все случаи жизни, а делаем несколько простых, которые работают по принципу торгуем/не торгуем. Можно сделать две: "покупка" и "продажа". Можно сделать четыре: "покупка после движения вверх", "покупка после движения вниз", "продажа после движения вниз", "продажа после движения вверх". Можно, наверное, придумать и больше вариантов) Потом их можно как-то объединить - здесь тоже возможны варианты для всяческого творчества)
Выделенное жёлтым - практически идеальное описание результатов торговли по выявленным на истории закономерностям) Вовсе не обязательно, что всё сразу же поломается, но почти всегда "сейчас уже не так")