Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3375

Новый комментарий
 
fxsaber #:

Теоретический вопрос.

Есть ТС, которая великолепно подгоняется. При этом точно известно, что определенный набор входных параметров прибыльно эксплуатирует реальную закономерность. Т.е. этот набор не является подгонкой.

Возможно ли найти этот набор?

Нет, так как в НЕ стационарных данных нет закономерностей

 
fxsaber #:

Теоретический вопрос.

Есть ТС, которая великолепно подгоняется. При этом точно известно, что определенный набор входных параметров прибыльно эксплуатирует реальную закономерность. Т.е. этот набор не является подгонкой.

Возможно ли найти этот набор?

Ну вы же нашли
 
mytarmailS #:
Ну вы же нашли

У Вас речь про входные параметры ТС, а я про НЕ стационарность входных данных. Если поработать с НЕ стационарностью, то возможно создать ТС на основе гарч-моделей или же в рамках МО, которые продолжают бороться с НЕ стационарностью. Входные параметры играют второстепенную роль. 

[Удален]  
Сложно найти, легко потерять и невозможно забыть :)
 
fxsaber #:

Теоретический вопрос.

Есть ТС, которая великолепно подгоняется. При этом точно известно, что определенный набор входных параметров прибыльно эксплуатирует реальную закономерность. Т.е. этот набор не является подгонкой.

Возможно ли найти этот набор?


если есть набор (существует), то его можно найти.
нельзя найти только то, чего не существует.
[Удален]  
fxsaber #:

Теоретический вопрос.

Есть ТС, которая великолепно подгоняется. При этом точно известно, что определенный набор входных параметров прибыльно эксплуатирует реальную закономерность. Т.е. этот набор не является подгонкой.

Возможно ли найти этот набор?

Не является подгонкой к чему и на какое время? Стесняюсь спросить :) здесь наверное важнее доказать, что это не подгонка ни подо что. 

В другой теме уже показывал таблицу, что уровень уверенности после переоптимизации - самый низкий из всех возможных доказательных инструментов.
 
Maxim Dmitrievsky #:
Не является подгонкой к чему и на какое время? Стесняюсь спросить :) здесь наверное важнее доказать, что это не подгонка ни подо что. 

В другой теме уже показывал таблицу, что уровень уверенности после переоптимизации - самый низкий из всех возможных доказательных инструментов.

Характер кривой прибыли не меняется на OOS: Size(OOS_Left) = Size(OOS_Right) = Size(Sample). В общем, результат, мимо которого не пройти.

 
fxsaber #:

Теоретический вопрос.

Есть ТС, которая великолепно подгоняется. При этом точно известно, что определенный набор входных параметров прибыльно эксплуатирует реальную закономерность. Т.е. этот набор не является подгонкой.

Возможно ли найти этот набор?

если убрать пункт "ТС, которая великолепно подгоняется", то можно существенно сузить область. И про искомую закономерность тоже должно быть много чего известно сразу.

Нельзя взять произвольную кучку индикаторов, убрать очевидно зависимые, оттуда получить "подгоняемую ТС" и в этом всём выделить эксплуатацию реальной закономерности

Хороший вопрос это половина ответа - В реальном мире, где применяются алг.оптимизации и МL, обычно известно что конкретно ищется (тьма характеристик) и надо выделять признаки, очерчивать пределы. А тут никто не знает что хочет найти, но умеет запускать оптимизатор :-) 

[Удален]  
fxsaber #:

Характер кривой прибыли не меняется на OOS: Size(OOS_Left) = Size(OOS_Right) = Size(Sample). В общем, результат, мимо которого не пройти.

Ну через переоптимизацию с проверкой на OOS  можно найти :) что является самым простым случаем волк форварда Или кросс-валидации с одним фолдом.
 
Maxim Dmitrievsky #:
Ну через переоптимизацию с проверкой на OOS  можно найти :)

Просьба раскрыть в несколько предложений.

1...336833693370337133723373337433753376337733783379338033813382...3745
Новый комментарий