Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3091
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
ну прибылей и убытков верно?
кароч берем ретурны от тех состояний когда позиция открыта
да
вместо разных настроек ТС я возьму просто торговлю на раных участках , дума это можно приравнять
не уверен.
А вообще. читайте статью, чтобы понимать что делаете, там есть ограничения. Например надо давать заведомо успешные настройки, а не -1000000 до +1000000. Если все подряд подать, то средний ООС будет на дне и сравнивать с ним нет смысла. С д.р. стороны очень узкий диапазон 0,95...,0,98 тоже плохо - результаты будут очень близки.
да
не уверен.
А вообще. читайте статью, чтобы понимать что делаете, там есть ограничения. Например надо давать заведомо успешные настройки, а не -1000000 до +1000000. Если все подряд подать то средний ООС будет на дне и сравнивать с ним нет смысла. С д.р. стороны очень узкий диапазон 0,95...,0,98 тоже плохо - результаты будут очень близки.
То что прибыльную ТС надо подавать а не что попало я понял..
Я уже в принцепе алгоритм по тестированию этой штуки себе обрисовал есть только один нюанс с метриками
мне оптимизаровать все 4 + 1 метрики
Или только
То что прибыльную ТС надо подавать а не что попало я понял..
Я уже в принцепе алгоритм по тестированию этой штуки себе обрисовал есть только один нюанс с метриками
мне оптимизаровать все 4 + 1 метрики
Или только
Но вообще я не понял как они делают кросс-валидацию без обучения. А просто подают готовый набор ретурнов,и потом миксуют его на 12000 вариантов. Должно же обучаться на каждом из 12000 IS и прогнозироваться на каждом соответствующем OOS.
Так оно и обучает..
Может пора пакет смотреть?
Так оно и обучает..
Думаю он просто оценивает стабильность предсказаний внешней модели.
Где гиперпараметры леса/НС? Нет - значит не обучает. Предикторы тоже не подаются.
Думаю он просто оценивает стабильность предсказаний внешней модели.
оценивает стабильность через линейную регресию как я понял
В статье есть что то про леса/НС?Немного не понятен холивар по конкурсу. Профсреда, не проф, есть задача, и обсуждение корректности задачи более актуально, и если корректна то почему нет?
Я уважаю мнения всех участников холивара, но у меня другое)))
Без внешних или других параметров все очень сложно, вернее близко к вечному двигателю))) Но со сторонними параметрами такая же большая проблема)
Возврат к среднему самый простой в понимании и вечный видимо и понятно что на мелких тф ошибок меньше, но тики Сабера тоже дают черных лебедей)))
оценивает стабильность через линейную регресию как я понял
В статье есть что то про леса/НС?А может все по-простому? Как в Rattle?
Берем два файла, первый большой, второй можно поменьше, но с последними датами по отношению к первому.
Первый файл делим случайной выборкой sample на три части: train, test, validation в пропорциях 70/15/15.
На train учим с кросс валидацией, например с 5 фолдами. Если один фолд минимально 1500 бар, то train = 7500 бар. По кругу 15000 бар на два исходных файла хватит.
Обученную модель прогоняем на test, validation и на каждом получаем ошибку классификации.
Затем прогоняем окно 1500 бар на втором файле. Собираем ошибку классификации.
Если ВСЕ полученные ошибки классификации укладываются к канал 5%, то все замечательно: и можно верить полученной ошибке классификации и нет переобучения.
А может все по-простому?
пожывем, увидим
Сначало надо попробовать запустить алгоритм и проверить его , если не работает то выкинуть и забыть.. 99%
если работает то тогда можно вникать в статью , вникать в метод , пробовать улучшыть / изменить / заменить 1%