Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2128
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
Это интересно - можно попробовать на том, что я ссылку выкладывал. Там правда есть ошибка в ряде предикторов (при сохранении писались как int, а не double - убрал свое квантование и забыл), но для относительного сравнения значения не имеет.
Кстати, если нужно посчитать что относительно тяжелое - могу посчитать - сейчас есть возможность.
да пока не надо считать.. я все искал очень лаконичное развитие своего подхода и наткнулся на что-то интересное.. Вернее, не то чтобы раньше не знал, просто не подумал использовать.. а тут как-то паззлы сложились
это не панацея, но интересный результат дает. Позже будет видно
да пока не надо считать.. я все искал очень лаконичное развитие своего подхода и наткнулся на что-то интересное.. Вернее, не то чтобы раньше не знал, просто не подумал использовать.. а тут как-то паззлы сложились
это не панацея, но интересный результат дает. Позже будет видно
Жду с интересом!
Спред не удаётся побороть после простой декорреляции, но модель более устойчивая на новых данных без спреда. Любая модель, заоверфиченная на серийность, льёт без спреда на н.д, но на трейне гораздо лучше первой (пашет и со спредом). Это явно показывает переобучение именно на серийность и ни на что другое. Я понимаю, что это сложно понять, но это так 🤣 Если посмотришь на картинки ещё раз, то увидишь более высокие пики распределений и, может быть, хвосты, на первой. Это серийность, волатильность, как угодно. Она почти сразу же меняется на новых данных, отсюда оверфит. На второй нижней картинке этого нет, там все, что осталось, и в этом мусоре приходится искать Альфу, которая побьет спред. Просто посмотрите на свои данные и удалите хотя бы серийность, или как-то трансформируйте ее, чтобы убрать хвосты. А потом посмотрите на распределения классов того, что осталось, есть ли там нормальные группы кластеров или полный рэндом как у меня. Так можно визуально даже понять рабочий датасет или мусор. И потом можно мешать валидацию с трейном, это ни на что не повлияет. А ты говоришь «просто картинка»
надо Федя, надо!
День и ночь работаете без сна и отдыха ))))
Вы роботы?
День и ночь работаете без сна и отдыха ))))
надо Федя, надо!
:))))
Вы роботы?
День и ночь работаете без сна и отдыха ))))
Часовые пояса ... но все равно впечатляет))))
знаков 7 хватит
Вот гистограмма по балансу - синим новые модели, красным старые.
Все настройки одинаковы.
Значимость предикторов
Модели используют время по максимуму. Хорошо это или плохо - сложно сказать, но вроде как плохо, когда какой либо предиктор получает преимущество за счет похожести на аналоги.
Recall
Precision
В итоге - разница есть, конечно не большая, но всё же.
Балансик неплохой.
Вот гистограмма по балансу - синим новые модели, красным старые.
Все настройки одинаковы.
Значимость предикторов
Модели используют время по максимуму. Хорошо это или плохо - сложно сказать, но вроде как плохо, когда какой либо предиктор получает преимущество за счет похожести на аналоги.
Recall
Precision
В итоге - разница есть, конечно не большая, но всё же.
Балансик неплохой.
В старой версии минуты подаете? Если нет, то подайте, для правильного сравнения. В версии синус + косинус они учтены. Либо из син+кос уберите минуты, если так быстрее.
Ну так синус + косинус времени лучше, чем просто номерами?
В старой версии минуты подаете? Если нет, то подайте, для правильного сравнения. В версии синус + косинус они учтены. Либо из син+кос уберите минуты, если так быстрее.
Метрику я предоставил - выглядит хуже. Причина - большая вероятность попадания в случайный набор предикторов для построения сплита дерева предиктора связанного со временем.
Да, я не использовал у себя минуты в старой версии.