Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3097
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
к этому и шло
нету рыбы в МО, 100%ный и очевидный факт, неоднократно доказанный этой веткой
на просторах интернета говорят об этом хором
оглянитесь вокруг
к этому и шло
нету рыбы в МО, 100%ный и очевидный факт, неоднократно доказанный этой веткой
на просторах интернета говорят об этом хором
оглянитесь вокруг
Да будет тебе известно, что МО тс ничем не отличаются от остальных, процент успеха в среднем такой же (околонулевой, но иногда пашет)
согласен с выделенным
не у всех же есть такое:
нет, не нейра (у нее процессор скорее вскипит, чем найдет такое решение), сам сделлл
Благодаря тому, что через кросс-валидацию убираем смещение в обучающей выборке (это главное) и дисперсию, модель начинает +- адекватно вести себя на новых данных. Потом можно до ума доводить.
кстати, вы пробовали график не с равномерным шагом между сделками делать, а по времени?
А то может получится как у меня на 5 годах всего 2 участка роста по полгода, остальное время почти без сделок. И 2 года в просадке, по той же причине. Такое на реал не поставишь...
Если сделать не по времени а по шагам, то будет тоже красиво, как у вас
кстати, вы пробовали график не с равномерным шагом между сделками делать, а по времени?
А то может получится как у меня на 5 годах всего 2 участка роста по полгода, остальное время почти без сделок. И 2 года в просадке, по той же причине. Такое на реал не поставишь...
Если сделать не по времени а по шагам, то будет тоже красиво, как у вас
У вас там фичи за диапазон выходят наверное. Снизу график евродолл, более-менее равномерно торгует. Но на ООС всегда поменьше сделок, при равной длине обучения и оос. Ну потому что метрики похуже. Идеально пока не получилось сделать.
Вы попробуйте график по времени. Не исключено, что будет так же...
в Козуле используется какой-нибудь внешний параметр для оценки его влияния на результаты модели. Это может быть предиктор или бинарная переменная, все что угодно. Может быть даже разница предикторов.
Затем, используя разные техники, делается вывод относительно влияния этого параметра на предсказания. После этого можно uplift'нуть модель с учетом этого влияния, получить новые значения, например, меток. И новые коэффициенты модели, как это делается в double machine learning. Там есть 2 модели: одна делает debias, другая denoise. Поскольку в процессе оценки используется кросс-валидация, то новые параметры оказываются более устойчивыми, в т.ч. на новых данных. Потом обучается финальная модель.
Это сложно объяснить на пальцах, лучше читать спец. литературу. Я сделал несколько вариантов, они рабочие. Тема достаточно большая, со своими нюансами. Есть любимые вами "пакеты".
Есть как чисто эмпирические подходы, так и строго доказанные, как у Черножукова. Это вообще красивая техника.
Благодаря тому, что через кросс-валидацию убираем смещение в обучающей выборке (это главное) и дисперсию, модель начинает +- адекватно вести себя на новых данных. Потом можно до ума доводить.
Методов там разных полно. Мало пруфов, что они работают. Поэтому такой вопрос, сейчас Вы пытаетесь найди участки предикторов, на которых в совокупности увеличивается дисперсия и построить модель для их исключения, а потом на остатках после классификаци обучаетесь для применения модели уже в торговле?
Вы попробуйте график по времени. Не исключено, что будет так же...
Нет таких окон больших, в среднем равномерно, проверял. Было такое на других ТС, когда признаки выходили за рэндж.