Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3286
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
По таким же соображениям использую Валкинг-форвард.
И да - сильная зависимость от размера train участка. Например на 20000 строк что-то на форварде находится, а на 5000 или на 100000 - рандом.
Если "что-то" находится, то какой у этого срок жизни за пределами обучения обычно?
😀
Даже не знаю, что значат квадратики. Наверное, что яблочник пишет :)
Если "что-то" находится, то какой у этого срок жизни за пределами обучения обычно?
Для меня раз в неделю приемлемо по скорости - 5 лет за 260 переобучений примерно проходит.
Предварительно можно сделать вывод, что действительно, успешность обучения зависит от объёма выборки. Однако, отмечу что результаты выборки "-1p1-2" сопоставимы, и даже лучше по некоторым критериям, с выборкой "-1p2-3", в то время как для выборки "0p1-2" результаты в два раза хуже по числу моделей, отвечающих заданному критерию.
Сейчас запустил выборку с перевернутой хронологией, в ней выборка train состоит из начальной выборки exam+test+train_p3, а выборка test - это train_p2, ну а exam уже train_p1. Цель - посмотреть - можно ли на более свежих данных построить успешную модель, которая бы работала 10 лет назад.
Как думаете, какой будет результат?
Долго ждать не пришлось - результат в последнем столбце таблицы
Попробую не ангажировано прокомментировать. С одной стороны можно сказать, что изменение хронологии выборки существенно ухудшило результаты по основному критерию - числу пригодных моделей, но с другой стороны, сам факт, что нашлись такие модели говорит, что в данных есть крупицы устойчивых закономерностей. Или это рандом? Да, конечно, нужно взять другие выборки и провести похожие исследования, и только тогда делать выводы с большей уверенностью. Пока это только информация для размышления.
Объективно, данных очень много - обычно я использую для обучения кратно меньше выборки, хотя и сопоставимые с хронологическим течением. Тем печальней выглядит показатель Recall во всех экспериментах. Даже удивлён, что никто не обратил на это своё внимание. В целом повторно можно говорить о том, что стандартные метрики слабо дают представление о финансовом результате, если не используются фиксированные тейки и стопы.
Если есть идеи/пожелания, что ещё тут скомбинировать (участки выборок) с чем либо - говорите - попробую проверить, что получится.
Просто раз в неделю переобучаю модель. Может и дольше живет, не исследовал... но может и меньше и надо как СанСаныч на каждом баре переобучать (если Н1, то в принципе можно).
Для меня раз в неделю приемлемо по скорости - 5 лет за 260 переобучений примерно проходит.
Каков результат таких переобучений в совокупности?
Каков результат таких переобучений в совокупности?
Макс, вот никак не пойму, зачем потешаться?
если нет предположений - промолчи, если есть - выскажи, типа "результат будет херовый".
Если смешно, то можно смеяться, а если грустно , тот рыдать.
То, что тут обсуждает Aleksey Vyazmikin, не может вызвать предложений и нельзя оценить "хреновый - не хреновый".
Пример, подходит человек и говорит:
- давай отправим утюг на Луну.
Смотрим с удивлением.
А чел говорит:
- а мы будем менять температуру утюга и доливать разное количество воды.
Вы будете реагировать " если нет предположений - промолчи, если есть - выскажи, типа "результат будет херовый"?
То что делает leksey Vyazmikin не имеет никакого отношения к проблемам МО. Из одной оперы дернул, а ответ пытается получить из другой оперы - все пустая болтовня человека с кашей в голове.
Все графики, которые последний год показывал - получены таким способом. Только ООС по Валкинг-форварду.
Судя по картинкам тут так же низкий Recall получается, т.е. мало в чём модель уверена и очень осторожничает в прогнозах.
Просто раз в неделю переобучаю модель. Может и дольше живет, не исследовал... но может и меньше и надо как СанСаныч на каждом баре переобучать (если Н1, то в принципе можно).
Для меня раз в неделю приемлемо по скорости - 5 лет за 260 переобучений примерно проходит.
Тут выяснил одну фундаментальную проблему: заглядывание вперед. Проявляется следующим образом: берем куски одного большого файла, учим, потом тестируем, проверяем - все нормально, ошибка примерно одинакова. Но как только прогоняем вне этих трех файлов, которые куски одного большого файла, то результат принципиально отличается, обычно катастрофический.
Если переобучать на каждом шаге, то исключается проблема "заглядывания вперед", так как предсказывание ведется на тех же значениях предикторов, что и обучение.
А если учить не на каждом шаге, то на одних значениях учили, а потом ПЕРЕСЧИТАЛИ все предикторы, включая участок обучения, и на них предсказали. И тут вопрос: новые значения предикторов будут совпадать со значениями предикторов на участке обучения или нет?
Тут выяснил одну фундаментальную проблему: заглядывание вперед. Проявляется следующим образом: берем куски одного большого файла, учим, потом тестируем, проверяем - все нормально, ошибка примерно одинакова. Но как только прогоняем вне этих трех файлов, которые куски одного большого файла, то результат принципиально отличается, обычно катастрофический.
Если переобучать на каждом шаге, то исключается проблема "заглядывания вперед", так как предсказывание ведется на тех же значениях предикторов, что и обучение.
А если учить не на каждом шаге, то на одних значениях учили, а потом ПЕРЕСЧИТАЛИ все предикторы, включая участок обучения, и на них предсказали. И тут вопрос: новые значения предикторов будут совпадать со значениями предикторов на участке обучения или нет?
Где это у Вас заглядывание?
Прочёл пару раз и не увидел логики за словами.
Придумывают проблемы - потом героически решают - один заглядывает в будущее, другой ищет идеальную разметку...