Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2564
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
Там весь парадокс в том, что задача не до конца формализована математически. Ответ получается разный, в зависимости от того каким именно способом проводится полная формализация.
В смысле пользы - разве что как поучительный пример того, что для одного реального явления могут быть разные мат-е модели дающие разный ответ.
Как это?
вот статья с кодом
так же еще милион реализаций
все формализировано матиматически, или я не понял?
Как это?
вот статья с кодом
так же еще милион реализаций
все формализировано матиматически, или я не понял?
Это как задача про 2 колбы, даны не полные условия, как оставшие условия дофантазируешь, такой ответ и будет
Как это?
вот статья с кодом
так же еще милион реализаций
все формализировано матиматически, или я не понял?
Посмотрите в вики, там проговаривается некорректность начальной постановки и не совсем чётко проговаривается, что корректной её можно сделать по разному. Суть парадокса именно в том, что у разных людей интуиция по разному заполняет изначальную недоговорённость. Чисто психологический эффект.
Это как задача про 2 колбы, даны не полные условия, как оставшие условия дофантазируешь, такой ответ и будет
ниче не понял, но спишем это на мою безграмотность..
Так а в чем смысл этого херста в двух словах?
прочитал твой пост построил этого херста и что с ним делать?
Выше писал, что исключаю предикторы, имеющие схожий сигнал на выборке, т.е. корреляция между квантовыми предикторами снижается, хотя я использую свой метод группировки и выбор лучшего результата из группы похожих.
Что касается комбинаторной проблемы - в каком именно месте Вы её видите? В выборке для обучения? Если так, то теоретически такое может быть, и возможно есть смысл тут применять РСА, но не раньше, чем будет готова окончательная выборка. Реально пока не столкнулся с такой проблемой, напротив, предикторов оказывается меньше, чем в изначальной выборке.
Ну если делим каждый предиктор всего на две части и смотрим всевозможные правила куда входит одна половина каждого предиктора, то разных таких кусков будет 2^N, где N - число предикторов. Теперь каждый такой кусок может быть либо взят, либо отброшен - получается уже 2^(2^N) вариантов. Это огромное число даже при небольшом N.
Ну если делим каждый предиктор всего на две части и смотрим всевозможные правила куда входит одна половина каждого предиктора, то разных таких кусков будет 2^N, где N - число предикторов. Теперь каждый такой кусок может быть либо взят, либо отброшен - получается уже 2^(2^N) вариантов. Это огромное число даже при небольшом N.
В начале отбрасываем, а потом комбинируем.
Приколюха. Ковыряю тики на херста и получаю в масштабах спреда значиния сильно отличные от 0.5 и чем больше временной масштаб, тем ближе херст к 0.5. Сделал примитивную систему на машке и стал подставлять периоды 10, 100, 1000, 10000. У всех матожидание примерно одинаковое. Вот он какой эффективный рынок.
почти уверен, что можно применить МО, если почитать про то, что означает этот коэффициент
обучить систему закономерности, в зависимости от величины коэффициента было бы не плохо
почти уверен, что можно применить МО, если почитать про то, что означает этот коэффициент
обучить систему закономерности, в зависимости от величины коэффициента было бы не плохо
В начале отбрасываем, а потом комбинируем.
Получается, для каждого предиктора берётся правило типа 0.5<X<7.3, потом строим число всевозможных комбинаций, куда каждое такое правило либо входит либо нет. Получается 2^N возможных вариантов, где N - число предикторов. Если же в качестве исходных правил берутся листья всех деревьев полученных бустингом, то N - число этих листьев. В любом случае, даже при небольшом числе предикторов получается большое число вариантов, с чем связаны две проблемы:
1) получается очень долгий перебор при поиске
2) метод получается слишком гибким и наш компромисс между смещением и дисперсией сильно сдвигается в сторону роста дисперсии.
В общем, при небольшом N (зависит от размера выборки) сработать может, а при большом - будет переобучение.
Приходи когда будешь уверен полностью
я не ищу разрешения, Вы не верно поняли смысл поста