Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 351
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
Вообще-то, это не есть правильно, имхо.
По мере усложнения системы должны одновременно увеличиваться и прибыльность и стабильность. Т.е. с усложнением системы должны расти ее потребительские свойства.
Совершенно НЕ верно.
Информационные критерии, разные там акайки, направлены на минимизацию сложности модели. Огрубление модели - очень эффективный инструмент по борьбе с главным злом трейдинга - переобучением (сверх подгонки).
Maxim Dmitrievsky:
Да и шут с ним.
Тупо берем самое простое - случайный лес. Обычно в результате обучения получаем классы. В реальности же алгоритм дает вероятность класса, из которой получаем класс. Обычно делят вероятность пополам при двух классах.
А если делить на классы так: 0 - 0.1 это один класс и 0.9 - 1.0 другой класс? А промежуток между 0.1 - 0.9 - это вне рынка?
Вот что я увидел в статье.
Совершенно НЕ верно.
Информационные критерии, разные там акайки, направлены на минимизацию сложности модели. Огрубление модели - очень эффективный инструмент по борьбе с главным злом трейдинга - переобучением (сверх подгонки).
Уж не знаю, почему не верно.) Из второго предложения следует, что мы говорим об одном и том же.
В моем посте есть текст, который не верен. Далее вы раскрываете это положение.
Общее правило такое: получаем прекрасную систему по прибыльности, а потом делаем ее хуже по прибыльности, в надежде получить гораздо более важное: устойчивость в будущем.
В моем посте есть текст, который не верен. Далее вы раскрываете это положение.
Общее правило такое: получаем прекрасную систему по прибыльности, а потом делаем ее хуже по прибыльности, в надежде получить гораздо более важное: устойчивость в будущем.
Дык, с ростом устойчивости растет и прибыльность, хотя бы за счет сокращения кол-ва убыточных сделок. Прибыльные при этом затрагиваются в меньшей степени.
Если это не так, то что-то не так с информативностью предикторов. В любом случае, при усложнении соотношение прибыль/убыток должно только расти.
Дык, с ростом устойчивости растет и прибыльность, хотя бы за счет сокращения кол-ва убыточных сделок. Прибыльные при этом затрагиваются в меньшей степени.
Если это не так, то что-то не так с информативностью предикторов. В любом случае, при усложнении соотношение прибыль/убыток должно только расти.
Вам виднее, хотя весь мир придерживается прямо противоположного мнения.
Дык, с ростом устойчивости растет и прибыльность, хотя бы за счет сокращения кол-ва убыточных сделок. Прибыльные при этом затрагиваются в меньшей степени.
Если это не так, то что-то не так с информативностью предикторов. В любом случае, при усложнении соотношение прибыль/убыток должно только расти.
Фаа пишет верную мысль, но излагает её неправильно.
У тебя есть ряд и набор предикторов. Делишь ряд на три части - обучающая выборка и форвард (самый простой случай).
Строишь, например, 20 моделей.
Суть - отбор модели из списка идет не по критерию лучшей на обучающей выборке и не по критерию лучшей на форварде. А отбирается модель, которая дает примерно одинаковые оценки качества как на обучающей, так и на форварде
Вам виднее, хотя весь мир придерживается прямо противоположного мнения.
Суть - отбор модели из списка идет не по критерию лучшей на обучающей выборке и не по критерию лучшей на форварде. А отбирается модель, которая дает примерно одинаковые оценки качества как на обучающей, так и на форварде
Это не подлежит сомнению. Имелось в виду только реальное функционирование или тестирование системы.
Вообще-то, это не есть правильно, имхо.
По мере усложнения системы должны одновременно увеличиваться и прибыльность и стабильность. Т.е. с усложнением системы должны расти ее потребительские свойства.
На примере разработки руками:
1. Берем голую торговую идею и делаем простейшую ТС оптимизируя прибыль (на убытки можем вообще не обращать внимания).
2.вводим ограничения минимизирующие кол-во убыточных сделок. Разумеется, уйдет часть случайно прибыльных и в части прибыльных прибыль уменьшится, но уменьшатся и просадки и, в итоге, сумма прибыль-убыток увеличится.
Дальнейшее усложнение ведет только к увеличению прибыли, хотя бы за счет уменьшения кол-ва убыточных сделок.
Если в итоге усложнения сумма прибыль-убыток не растет, то что-то мы делаем не так. Например, вводим неэффективные условия.
Ну как неправильно, вы создаете классификационную модель. Чем больше выборка тем сильнее обобщение, модель становится более устойчивой в целом и менее точной в частностях, соответственно меньше профит
Если вы обучаете ее на небольшой выборке то она может быть очень точной на коротком, но неустойчивой на большом промежутке