Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 301
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
Всем привет!!!! Наконец то сверщилось чудо и свет увидела моя статья, Приглашаю к обсуждению в ветке посвещённой статье.
https://www.mql5.com/ru/articles/2773
Всем привет!!!! Наконец то сверщилось чудо и свет увидела моя статья, Приглашаю к обсуждению в ветке посвещённой статье.
https://www.mql5.com/ru/articles/2773
Отлично!) Будем читать на досуге .
Всем привет!!!! Наконец то сверщилось чудо и свет увидела моя статья, Приглашаю к обсуждению в ветке посвещённой статье.
https://www.mql5.com/ru/articles/2773
пошел залипать в статью, спасибо )
Вы же знаете, что история не повторяется. Поэтому Вам и предлагают то же самое попробовать и на рандоме - результат не сильно будет отличаться (а может быть даже будет лучше, чем на исторических данных).
Хочу заметить, что Вы с fxsaber находитесь на ветке, на которой высоко профессионально опровергалось Ваше утверждение. Посмотрите материалы Бурнакова на этой ветке и в его блогах
Кроме этого, имеется принципиальный вопрос, который кардинально отличает МО от того шаблона в наших головах, который образовал ТА.
Машинное обучение в обязательном порядке состоит из трех частей, которые представляют собой единое целое. Это:
Самым существенным этапом по своему влиянию на конечный результат является первый этап - подготовка исходных данных.
Если последовательно и с пониманием того, что делаешь, использовать все три этапа, то ошибку предсказания мне лично удалось уменьшить для некоторых целевых переменных ниже 30%. Уменьшить же ошибку предсказания ниже 40% удается практически сразу. Если получаешь рандомные 50%, то значит что-то очень существенное не понимаешь в МО.
Хочу заметить, что Вы с fxsaber находитесь на ветке, на которой высоко профессионально опровергалось Ваше утверждение. Посмотрите материалы Бурнакова на этой ветке и в его блогах
Кроме этого, имеется принципиальный вопрос, который кардинально отличает МО от того шаблона в наших головах, который образовал ТА.
Машинное обучение в обязательном порядке состоит из трех частей, которые представляют собой единое целое. Это:
Самым существенным этапом по своему влиянию на конечный результат является первый этап - подготовка исходных данных.
Если последовательно и с пониманием того, что делаешь, использовать все три этапа, то ошибку предсказания мне лично удалось уменьшить для некоторых целевых переменных ниже 30%. Уменьшить же ошибку предсказания ниже 40% удается практически сразу. Если получаешь рандомные 50%, то значит что-то очень существенное не понимаешь в МО.
пошел залипать в статью, спасибо )
От души Братцы!!! Мне очень Важно Ваше мнение. После этой статьи выйдет трактат о входной и выходной переменной, там будет конечно философия, ну и примочки при трудности выбора....
Если последовательно и с пониманием того, что делаешь, использовать все три этапа, то ошибку предсказания мне лично удалось уменьшить для некоторых целевых переменных ниже 30%. Уменьшить же ошибку предсказания ниже 40% удается практически сразу. Если получаешь рандомные 50%, то значит что-то очень существенное не понимаешь в МО.
Если Вы говорите об ошибке на out-of-sample, с хотя бы 100к сэмплов для теста на правильно подготовленных данных, то результаты очень крутые, “круче только яйца”, даже для ХФТ данных, на минутках и более это вообще фантастика, или банальный оверфит. На низкочастотных данных дай Бог 2-3% получить преимущества, так же как и с numerai.
Круто это когда предсказывается направление изменения цены на секунду вперед, с accuracy 65-70%(для RI) знаю таких парней, но данные у них не детские и стоят они соответственно. У меня 60-65% но для моих данных это тоже очень круто, я сейчас почти ничего отдельно не покупаю, раньше плазу использовал, но сейчас обычный квик и мт для получения данных с форекса.
Интересная ветка. Много флуда, но есть и толковые мысли. Спасибо.
Интересная ветка. Много флуда, но есть и толковые мысли. Спасибо.
))) Главное общение и процесс. Вроде уже некоторые создают нейронные боты. Попробовать бы .
Если Вы говорите об ошибке на out-of-sample, с хотя бы 100к сэмплов для теста на правильно подготовленных данных, то результаты очень крутые, “круче только яйца”, даже для ХФТ данных, на минутках и более это вообще фантастика, или банальный оверфит. На низкочастотных данных дай Бог 2-3% получить преимущества, так же как и с numerai.
Круто это когда предсказывается направление изменения цены на секунду вперед, с accuracy 65-70%(для RI) знаю таких парней, но данные у них не детские и стоят они соответственно. У меня 60-65% но для моих данных это тоже очень круто, я сейчас почти ничего отдельно не покупаю, раньше плазу использовал, но сейчас обычный квик и мт для получения данных с форекса.
Для меня ошибка предсказания не является главной проблемой. Для меня главной проблемой является переобучение модели. Или у меня имеются пусть слабые доказательства, что модель НЕ переобучена, или модель вообще не нужна.
Много раз писал на этой ветке (и на других тоже) про диагностирование переобученности и инструменты борьбы с переобученностью. Если кратко, то это очистка входных предикторов от шума, а сама модель имеет второстепенное значение.
Все остальное меня не интересует, так как любой результат без соображений о переобученности - просто так получилось, сейчас, может быть завтра, а после завтра слив депо.