Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3127
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
Речь о дрейфе целевой была по сути - изменения её статистических свойств на временном интервале...
что зависит от дрейфа признаков
если кривую зависимости построить от гиптоетичеко-теоретического дрейфа признаков (CATE среди домохозяек), то получите эластичность изменения свойств целевойчто зависит от дрейфа признаков
если кривую зависимости построить от гиптоетичеко-теоретического дрейфа признаков (CATE среди домохозяек), то получите эластичность изменения свойств целевойК сожалению, не понял Ваш ответ. Что конкретно надо сделать? И что это значит " гиптоетичеко-теоретического дрейфа признаков" - это от всех или от каждого по отдельности? Вы это пробовали делать в питоне? Для A/B тестирования мы знаем точку перехода, а тут такой точки нет - постепенное изменение.
Дрейф предикторов может проявляться изменением дисперсии и изменением распределения вероятности.
Соответственно, в первом случае логика осталась в прошлой выборке, но метод жадности её просто не сможет вытащить.
Во втором случае, изменилась логика последствий событий, описываемых предикторами.
Отдельно тут можно отметить дрейф вызванный отсутствием нормализации данных. В нашем случае актуально, когда цена уходит сильно из диапазонов, а предикторы это не учитывают. К примеру измерение чего либо только в пунктах.
Значит колода плохо перетасована
bias - variance tradeoff
Значит колода плохо перетасована
bias - variance tradeoff
Максим, учитывая твои такие высказывания и познания в рынках, позволю себе объяснить тебе, что значит выражение " Хвост виляет собакой".
Знаю, что у тебя это вызовет гнев и недовольство. Меня это не пугает.
Поясняю.
Хвост собаки это график который ты видишь слева за нулевым баром, а вот эта самая да СОБАКА будет справа.
Собаку надо понимать и уважать как и остальных форумян. Тогда у тебя появится шанс к успеху. Почитай книжки по психологии.)))
Значит колода плохо перетасована
bias - variance tradeoff
В том то и дело, что колоду нельзя тасовать, если есть дрейф данных. Нужно его прогнозировать, и возможно генерировать признаки с учетом его, ну если он имеет какой то выраженный вектор, а не просто колебание в диапазоне.
Тут открыл для себя интересный алгоритм "Isolation Forest", который теоретически может зафиксировать аномалии/выбросы в выборке для обучения и на новых данных.
В теории его можно использовать для фильтрации исходной выборки и игнорирования сигналов при поступлении новых данных, если они будут сильно отличаться от тех, на которых было обучение.
Есть желание совместно разобраться в этом?
Подробней можно почитать, к примеру, тут.
В том то и дело, что колоду нельзя тасовать, если есть дрейф данных. Нужно его прогнозировать, и возможно генерировать признаки с учетом его, ну если он имеет какой то выраженный вектор, а не просто колебание в диапазоне.
Тут открыл для себя интересный алгоритм "Isolation Forest", который теоретически может зафиксировать аномалии/выбросы в выборке для обучения и на новых данных.
В теории его можно использовать для фильтрации исходной выборки и игнорирования сигналов при поступлении новых данных, если они будут сильно отличаться от тех, на которых было обучение.
Есть желание совместно разобраться в этом?
Подробней можно почитать, к примеру, тут.
Забаньте уже этих пациентов, наконец )
Если я в двух постах превратил в помойку то Ты создал масштабный мусорник в котором руководишь.
Тогда давай по теме.
В каком временном диапазоне МО по твоему мнению способно качественно прогнозировать?
На этапе определения биаса с учетом его изменчивости, надо тасовать. Для этого делается кросс-фитинг (аналог стабильности по Санычу). Изменчивость этого биаса может быть вообще нелинейной, поэтому через простые умозаключения эта проблема не решается. Я научился частично решать, но всегда хочется лучше.
Без детектирования причины не продуктивно использовать разные популярные методы. Поэтому хочется мерить изменчивость данных не моделями, а всё же отдельно взятыми предикторами с пониманием причины проявления изменения.
Рот закрой
Я понимаю, что с прогнозируемой возможностью у тебя проблемы, но чему тогда ты учишь людей по МО?
Допустим в автомобилестроении есть дороги на которые могут опираться МО и аппаратные средства, а на рынках за 0 баром чистая дорога на все стороны горизонта.
Если ТЫ думаешь сузить или расширить участок собачьего хвоста, то это даст тебе преимущество. Отнюдь.
Без детектирования причины не продуктивно использовать разные популярные методы. Поэтому хочется мерить изменчивость данных не моделями, а всё же отдельно взятыми предикторами с пониманием причины проявления изменения.