Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3176
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
Никогда ранее не пользовался этим функционалом.
Речь об этой функции?
Да
Да
Т.е. мне надо нагенерировать целевую бинарную для выборки, допустим и посмотреть, как часто будут находится квантовые отрезки по моей методики для разных предикторов, и так раз 10?
Если число квантовых отрезков будет найдено примерно столько же в среднем, как и сейчас на всех предикторах, то метод нерабочий, правильно понимаю ход мысли?
Хвостатость и др. параметры ряда останутся те же. Мне кажется это - плюс.
Имеется риск опять погрязнуть в бессмысленных перепалках. Чем отличается случайно найденный сет, работающий на оос, от выдуманного путем тяжелейших ментальных страданий, но тоже без фундаментального обоснования? Когда метод валидации один и тот же. Вопрос риторический.
чем отличается случайный перебор от перебора с элементом случайности выбора? ))Цель в детекции разрушения правил, а что бы это делать, нужно знать, как они выглядят в правильном виде. Иными словами, какие статистические описательные признаки могут свидетельствовать о том, что это действительно закономерность. Если их знать, то отклонение от этих правил будет сигналом для остановки модели.
И, сбор модели из таких правил, все же представляется более устойчивым решением, чем сбор чистого рандома.
В рандом может попасть пару правил, дающих основной профит, но потом рынок на них может на время забыть. При рандоме это скорей паника и выключение модели при начале слива, а при подходе, предлагаемым мной - ожидание изменения очередности поступления правил, т.е. просадка может быть признана нормальным явлением.
И описанный выше эффект хорошо виден на гифках, что я делал, где в одном случае выборка test в плюсе, а в ином exam - хотя правила все они взяли с выборки train, но их (правил) появление не равномерно по времени.
Бонусом подхода, в идеале, является отказ от выборки exam в полной мере.
Альтернативой может быть - глубокая оценка моделей - есть наработка и в этом направлении.
В итоге пользуясь только рандомной моделью:
1. Мы не знаем, почему она работает.
2. Не знаем, почему она перестала работать.
3. Не знаем, как её "починить".
4. Не знаем, пора ли останавливать торговлю.
5. Время жизни случайной модели будет меньше, так как она содержит ошибочные правила.
При рандоме по факту получаю лично я примерно следующие - из 100 моделей отбирается 30 из 30 в течении полугода в прибыльной зоне примерно 10. Я хочу расклад хотя бы 50% на 50%, тогда можно делать партфели.
А не достаточно ли было бы просто перемешать столбец с целевой?
Хвостатость и др. параметры ряда останутся те же. Мне кажется это - плюс.
Можно подробней - я не понял.
Вопрос был риторический
У Вас нет потребности понять, что я объясняю, а у меня по этой причине нет желания тратит силы на повторное разъяснение. Оставайтесь со своим мнением об идентичности результата при разных подходах.
У Вас нет потребности понять, что я объясняю, а у меня по этой причине нет желания тратит силы на повторное разъяснение. Оставайтесь со своим мнением об идентичности результата при разных подходах.
Т.е. мне надо нагенерировать целевую бинарную для выборки, допустим и посмотреть, как часто будут находится квантовые отрезки по моей методики для разных предикторов, и так раз 10?
Если число квантовых отрезков будет найдено примерно столько же в среднем, как и сейчас на всех предикторах, то метод нерабочий, правильно понимаю ход мысли?
Ну да, смысл в многократном повторении вашей процедуры на большом числе заведомо бессмысленных задач. Потом посмотреть как относительно них выглядит применение на конкретных реальных данных - если сильно не выделяется, то значит метод так себе. Обычно формализуют через подсчёт какого-то числа на каждом применении метода и набирают выборку, а потом смотрят попадает ли далеко в её хвост число посчитанное на реальных данных - если да то ок.
Узрите, ибо если не дан вам паттерн в исконном ряду, то тропа Гильбертова не приведет вас к цели заветной. В бесовщину превратится ваш потуг, и заклание бесславное обрящете, вместо кущ райских.
Проблема сектантов в страхе перед проверкой своих религиозных догматов.
Паттернов всегда много - вопрос в правильном выборе.