Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2763
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
После oversampling будет ли иметь ценность новая предсказательная способность предикторов? Кто об этом задумывался?
Не меняется. Проверял.
Ниже на вход (OUT тут - тоже вход), подаются машки с периодами 512-256-128-64-32-16-8-4-2-1, и их значимость.
Просто любопытный факт: нейросеть определила важность машек с мЕньшим периодом, чем с бОльшим)) Вроде как расхождение,.....
По моим наблюдениям, если добавлять в нейросеть что-то "топорное", "тяжёлое", но связанное с инструментом, то с одной стороны это искривляет линию баланса на бэктесте после обучения. НО! Также и выравнивает форвард, он престаёт каждый раз идти на дно, и выходит во флет. То есть, грубо говоря - денег не заработаем, но и не сольём весь депо, а это первое правило трейдинга. Получается, жонглировать нужно примерно в этом направлении, ведь следующая задача - повернуть линию баланса вверх.
не понял о чем речь
я не использую время, оно заложено в приращенияхПрошлый раз время торговли было определенным, не помню по дням недели. но точно по времени дня, с 17 до 18 типа. Т.е. разбивка по времени вручную или как то по другому, но окончательное обучение на конкретном временном промежутке.
В общем конструкция Если приращения такие то в такой то промежуток времени используется без разбивки на временные участки или сперва находятся временные отрезки, на которых что то есть, и потом на них обучение?
Признаков, основанных на времени, не использую. У них низкая предсказательная способность и очень велики колебания этой предсказательной способности. Хотя они лучше, чем варианты машек.
Спасибо.
Прошлый раз время торговли было определенным, не помню по дням недели. но точно по времени дня, с 17 до 18 типа. Т.е. разбивка по времени вручную или как то по другому, но окончательное обучение на конкретном временном промежутке.
В общем конструкция Если приращения такие то в такой то промежуток времени используется без разбивки на временные участки или сперва находятся временные отрезки, на которых что то есть, и потом на них обучение?
можно ссыль? а то не выкупаю о чем речь
После oversampling будет ли иметь ценность новая предсказательная способность предикторов? Кто об этом задумывался?
Не меняется. Проверял.
если человек не различает ковариацию и корреляцию, то я даже не спрашиваю у такого человека, что он подразумевает под медианой
, а вот "предсказательная способность", понимаемая как разница между медианами между двумя векторами, полученными делением предиктора классами, являются абсолютно точным.
по описанию это та "линия" , которая в ML является просто threshold в любом алгоритме классификации...
если бы он сделал стандартный межгрупповой анализ дисперсий, то и стат. значимость смог бы оценить, а так, конечно, для него oversampling ничего не меняет (ведь считает просто %% верных отгадываний принадлежности к классу)...
после его отсылки на картинку ковариаций, я чётко могу констатировать, что он сравнивает мух с котлетами... что доказывает и этот его вопрос (уж больно скользко он забывает и вспоминает корреляции)
1. Вам известны корреляции между действительными и номинальными переменными?
мне известны OLS и ANOVA и интерпретация значимости их оценок, а то, что вам ресемплинг ничего не изменяет для вашей "способности" -- может лишь свидетельствовать о том, что вам и функции "if-then" хватило бы, чтобы не городить модель (да ещё и пытаться запустить в игнор стат. основы моделирования) и не быть в состоянии оценить коэф. значимости результатов своей classDist, а лишь даваемый ею процент достоверных ответов...
== та же проблема неразличаемых мух и котлет в базовых понятиях с криками об "инструментах", которые бьют то в-попад, то не-в-попад... ну да, с вероятностью 30% (какой-то conditioning всё-таки чуть различают) - может condition "ничего не делать" различают на 70% угадывания ?
Просто не может он из своего алгоритма получить изменение коэфициентов_значимости при ресемплинге… по определению
можно ссыль? а то не выкупаю о чем речь
переписку здесь не нашел, файл тока у себя, июль 2020 года