Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3214
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
А разве есть другой способ систематически зарабатывать не експлуатируя закономерности?
Мартин.
Закономерность — это регулярные устойчивые взаимосвязи в количествах, свойствах и явлениях объектов. В математической законом..... бла бла бла
Торгую закономерность. Не сдыхает давно, но расслабляться не дает. Например, если бы сейчас вернуть рынок, что был пару лет назад, то выхлоп был бы гораздо лучше. Но тогда не было инструментария, что сейчас имеется. Это своего рода борьба "наступательного" и "оборонительного" вооружений.
Знаю мультимиллионеров на крипте: шальной трейдинговый миллион было некуда пристроить - вложили в крипту, когда за битки пиццу покупали. Таких историй ни одна.
Если трейдер может торговать закономерности которые умирают, но он может систематически находить новые , то можно сказать что трейдер торует закономерности, ведь он научился систематически действовать с пользой для себя, те торгует закономерности.
Это философия.
Нет. Странный вопрос
Вы случайную выборку не делайте, а просто возьмите в качестве train левую часть, а test - правую. Сразу заглядывание улетучится.
Мартин.
А если начнеться сильный безоткатный тренд будет ли мартин работать? и почему не будет?
Это философия.
1)если алгоритм долго зарабатывает на рынке то это закономерность да?
2)а если поверх оного алгоритма наложыть другой алгоритм который будет наблюдать за первым алгоримом и собирать по нему статистику и давать торговые сигналы и зарабатывать.
То тогда это уже по вашым словам философия , а не закономерность..
Именно это я и описал на примере трейдера..
То тогда это уже по вашым словам философия , а не закономерность..
Взаимную потерю времени вижу я. Уверен, общаясь лично напротив друг друга, вероятность взаимопонимания была бы близка к единице.
Накладывание чего-то на результаты ТС - нормальная практика. Самая распространенная - фильтры. Реже - ММ (например, МАшка на кривую баланса: сильнее отклонился - сильнее изменили ММ). Еще реже - поиск закономерностей в результатах торговли.
Взаимную потерю времени вижу я. Уверен, общаясь лично напротив друг друга, вероятность взаимопонимания была бы близка к единице.
Предложение о конференции в ОАЭ еще в силе )
Взаимную потерю времени вижу я. Уверен, общаясь лично напротив друг друга, вероятность взаимопонимания была бы близка к единице.
согласен
он неправильно пишет. ООС - тест, валидационная - вторая подвыборка (наряду с трейном) для оценки (валидации) модели.
валидационная может быть как равна тестовой, так и отдельной.
Такое разделение получилось потому, что МО часто используют вторую подвыборку для раннего останова обучения. Можно это назвать подгонкой под нее, в каком-то смысле.
Поэтому используют 3 подвыборки, одна из которых вообще никак не участвует в обучении.Валидация - подтверждение достоверности. Да/нет. Оценка как то коряво для годна нет модель.))) оценки на годность тогда уж)
Разговор о терминах и их значениях вроде.)
Валидация - подтверждение достоверности. Да/нет. Оценка как то коряво для годна нет модель.))) оценки на годность тогда уж)
Разговор о терминах и их значениях вроде.)
Валидации предшествует оценка, или она включает оценку, как вам угодно. Это не то, до чего следовало докопаться.
а докопаться следовало до того, что МОшники путают подвыборки :) Зато плодят множественные утопические теории рынка в промышленных масштабах.
Поскольку наша цель - найти сеть с наилучшей производительностью на новых данных, то наиболее простой подход к сравнению различных сетей заключается в оценке функции ошибки на данных, не зависящих от тех, которые использовались для обучения. Различные сети обучаются путем минимизации соответствующей функции ошибки, определенной относительно обучающего набора данных. Затем производительность сетей сравнивается путем оценки функции ошибки на независимом проверочном множестве, и выбирается сеть, имеющая наименьшую ошибку по отношению к проверочному множеству. Такой подход называется методом удержания. Поскольку данная процедура сама по себе может привести к некоторой перегрузке валидационного набора, эффективность выбранной сети должна быть подтверждена путем измерения ее работы на третьем независимом наборе данных, называемом тестовым набором.
Применением этого процесса является ранняя остановка, когда модели-кандидаты являются последовательными итерациями одной и той же сети, и обучение останавливается при росте ошибки на валидационном множестве, выбирается предыдущая модель (та, которая имеет минимальную ошибку).
https://en.wikipedia.org/wiki/Training,_validation,_and_test_data_setsНа данных с закономерностями - это будет работать.
Если их почти нет, то будет подгонка под участок, по которому делали ранний останов + хороший трейн. Можно было просто увеличить трейн на доп. участок и получить примерно такую же модель.
На данных с закономерностями - это будет работать.
Если их почти нет, то будет подгонка под участок, по которому делали ранний останов + хороший трейн. Можно было просто увеличить трейн на доп. участок и получить примерно такую же модель.