Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3303
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
Опубликована статья Классификационные модели библиотеки Scikit-learn и их экспорт в ONNX
Вот списочек поддерживаемых от самого сайта
https://onnx.ai/sklearn-onnx/supported.html
Спасибо за готовые примеры в статье.
Тогда еще брокеры не собирали тиковые значения. И это сделал сам. Собирал реальные тики и по порциям хранил в файлах около 6 месяцев. Применил их на тестере и получил совсем другую картину.
вам повезло что решились когда-то заниматься толковым делом..это сейчас брокеры уже не собирают тиковые котировки, а берут/предоставляют откуда-то причёсанные; возможно связано с обновлениями серверной части MT.
Подчас невооружённым глазом видно - вот свежие тики, а вот пошло общее гонево. И даже с минутками
на самом деле архивы реальных тиков какими они действительно были, поступали от конкретного DC - очень дорогой товар. (даже через подчёркивание)
Я удивляюсь что вы удивляетесь.
вам повезло что решились когда-то заниматься толковым делом..это сейчас брокеры уже не собирают тиковые котировки, а берут/предоставляют откуда-то причёсанные; возможно связано с обновлениями серверной части MT.
Подчас невооружённым глазом видно - вот свежие тики, а вот пошло общее гонево. И даже с минутками
на самом деле архивы реальных тиков какими они действительно были, поступали от конкретного DC - очень дорогой товар. (даже через подчёркивание)
Вы ошибаетесь. Каждый брокер сам собирает реальные тики и на тестере на следующий день можно получить реальные тики предыдущего дня.
И именно те тики, которые после фильтрации подает брокер на МТ5. Это можно проверить в режиме "Every tick based on real ticks", или скопировать.
Хорошая бумага, как правильно делать репрезентацию ВР для нейросетей. От ФФТ, конечно, можно избавиться. И дальше сравнение разных моделей.
Принципиальное отличие в том, что препроцессинг встроен в архитектуру сети. Но можно сделать и отдельно.
LSTM курит в сторонке, потому что не учитывает интерпериодные вариации.
Бустинг тоже где-то внизу рейтинга, на основании их тестов.Хорошая бумага, как правильно делать репрезентацию ВР для нейросетей. От ФФТ, конечно, можно избавиться. И дальше сравнение разных моделей.
Принципиальное отличие в том, что препроцессинг встроен в архитектуру сети. Но можно сделать и отдельно.
LSTM курит в сторонке, потому что не учитывает интерпериодные вариации.
Бустинг тоже где-то внизу рейтинга, на основании их тестов.Нет я понимаю что чем больше ищешь(итерации) тем больше вероятность найти что то случайное что будет выглядеть как НЕслучайное..
Но если мы придумали какую то идею ,а потом подобрали параметры к ней за 10 итераций , а не за 10000 то можно ли это считать непереобучной моделью?
Ведь сама фраза "мы придумали" подразумевает тоже некий мыслительный перебор (итерации)
Откуда конечной модели знать какие это были итерации, мозговые или копютерные и есть ли разница между тем и другим?
Вопрос возник после почтения статьи Прадо
Не так давно на форуме кто-то давал название эффекта (не нашёл пока), из-за которого ряды близкие к СБ кажутся имеющими период. С этим эффектом связано немало позорных моментов в науке, когда посредством Фурье "находили" периодичность в процессах, да и радиолюбители из-за него на форуме никогда не переведутся)
Как доказывается обратное?
На мой взгляд есть события привязанные ко времени - те же новости. Думаю, если разделить на три подвыборки - ожидаемая, хуже, лучше и учесть контекст, то будет заметно схожее поведение участников рынка.
Другой вариант - сезонность товаров.
Кто-нибудь может мне обяснить проблему множественного тестирования.
Нет я понимаю что чем больше ищешь(итерации) тем больше вероятность найти что то случайное что будет выглядеть как НЕслучайное..
Но если мы придумали какую то идею ,а потом подобрали параметры к ней за 10 итераций , а не за 10000 то можно ли это считать непереобучной моделью?
Ведь сама фраза "мы придумали" подразумевает тоже некий мыслительный перебор (итерации)
Откуда конечной модели знать какие это были итерации, мозговые или копютерные и есть ли разница между тем и другим?
Вопрос возник после почтения статьи Прадо
Переобучение возникает в связи с запоминанием редких явлений. Эти явления выделяются чисто статистически, так как нет модели, описывающей причину и следствие.
При этом убыток - не всегда значит, что модель переобучена.