Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2837
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
Наконец-то получилась своя лосс-функция, дериватив представлен в виде произведения Шарпа, ошибки и весов.
is_max_optimal=False указывает на то, что идет уменьшение значения, но так как я еще умножил на -1, то получается обратное.
Есть способ подать баланс или что то другое через градиент в буст..
Схема такая :
размечаем график идельными сделками (на екстремуме вниз покупаем, на екстремуме вверх продаем) те создаем фейковую идеальную торговлю
назову это идеальный баланс
Дальше считаем баланс торговли от буста
потом в обьективной функции просто считаем ошибку баланса торговли буста с идельным балансом
получаем подгонку под идеальный баланс, те это не поиск абстрактного максимума прибыли, а подгонка под идельную торговлю выраженую в балансе по прибыли
Синий это идеальный баланс, черный это трейн и тест модели
вроде есть))
Есть способ подать баланс или что то другое через градиент в буст..
Схема такая :
размечаем график идельными сделками (на екстремуме вниз покупаем, на екстремуме вверх продаем) те создаем фейковую идеальную торговлю
назову это идеальный баланс
Дальше считаем баланс торговли от буста
потом в обьективной функции просто считаем ошибку баланса торговли буста с идельным балансом
получаем подгонку под идеальный баланс, те это не поиск абстрактного максимума прибыли, а подгонка под идельную торговлю выраженую в балансе по прибыли
Синий это идеальный баланс, черный это трейн и тест модели
ну вот, это уже совсем близко к тому что я говорю.
необходимо максимизировать не баланс, а некий комплексный критерий, в вашем примере разбитие на отдельные сделки. это производная функция от изначального баланса, более гладкая функция. вот и нужно искать глобальный оптимум производной функции. что собственно и пытаюсь донести. и в этом случае важно, насколько качественно будет найден глобальный экстремум производной функции.
способов создания производных функций от изначальной великое множество и ограниченно только фантазией.
вместо того, что бы кидаться на людей, можно попытаться понять. пришло понимание - хорошо. не пришло - прошел мимо.
вместо того, что бы кидаться на людей, можно попытаться понять. пришло понимание - хорошо. не пришло - прошел мимо.
мои нападки были о том что нельзя разные АО сравнивать на равных и решать какой хорошый, а какой плохой..
каждому АО свои поверхности оптимизации.
ВЫБОР АО зависит от оптимизацыононой поверхности, а не от субьективных симпатий
если поверхность гладкая и имеет один минимум человек применяет к нему генетический алгоритм или рой или отжыг или любой другой алгоритм глобальной оптимизации то это глупыш который не понимает что творит, ведь градиентый спуск решыт эту задачу в 100 быстрее
если поверхность сложная, шумная, имеет много минимумов , а человек применяет градиентый спуск то опять же это глупыш , так как алгоритм застрянем в длижайшем минимуме
если человек решыт сравнить например градиентый спуск с генетикой то он глупыш дальше продолжать?
Это же непонимание елементарного..
мои нападки были о том что нельзя разные АО сравнивать на равных и решать какой хорошый, а какой плохой..
каждому АО свои поверхности оптимизации.
ВЫБОР АО зависит от оптимизацыононой поверхности, а не от субьективных симпатий
по какому то одному критерию сравнивать да, неправильно и бессмысленно. я сравниваю алгоритмы тремя совершенно разными тестовыми функциями, поэтому прекрасно видны конкретные преимущества каждого алгоритма в отдельных тестах, отсюда видно в чем они сильны, а значит можно делать выбор лучшего для специфики задач исследователя. никакого субьективизма в тестах нет, наоборот, максимально объективны насколько это вообще возможно.
большинство специальных для сетей алгоритмов имеют в своей логике сглаживание в том или ином виде, или моменты. ориентированы на применение как раз гладких производных от целевой задачи функциях. вот и будет видно, где они сильны и а где не очень.
по какому то одному критерию сравнивать да, неправильно и бессмысленно. я сравниваю алгоритмы тремя совершенно разными тестовыми функциями, поэтому прекрасно видны конкретные преимущества каждого алгоритма в отдельных тестах, отсюда видно в чем они сильны, а значит можно делать выбор лучшего для специфики задач исследователя. никакого субьективизма в тестах нет, наоборот, максимально объективны насколько это вообще возможно.
большинство специальных для сетей алгоритмов имеют в своей логике сглаживание в том или ином виде, или моменты. ориентированы на применение как раз гладких производных от целевой задачи функциях. вот и будет видно, где они сильны и а где не очень.
нельзя сравнивать разные типы АО в одинаковых условиях потому что задачи они разные задачи решают, вот мой посыл
нельзя сравнивать разные типы АО в одинаковых условиях потому что задачи они разные задачи решают, вот мой посыл
похоже, непонятно в прошлый раз сказал... ещё раз, можно сравнивать, для этого и используются РАЗНЫЕ тестовые задачи, что бы сравнивать алгоритмы адекватно под специфику задачи. тесты показывают, под какие именно задачи оптимально использование AO, поэтому возможен выбор среди них.
к примеру: если ADAM покажет превосходство именно на гладких функциях - отлично! - значит именно так и следует его применять, в противном случае целесообразнее выбрать другой алгоритм. Но если ADAM обсерится на всех тестах, ну что ж, значит нужно выбрать что то получше, вот и всё. сейчас просто большинство выбрали что то конкретное по "моде", совершенно не ведая, оптимальный ли выбор сделали.
Идеальные метки классов и так соответствуют идеальному балансу. Масло масляное. Там невозможно улучшить ничего.