Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3411

[mytarmailS]

Maxim Dmitrievsky #:
Я придумал как кластеризацию туда запихнуть еще, но надо поэкспериментировать. Хочу выделить сигналы какие-нибудь с 90% выигрышными исходами. Иначе получается много паразитных сделок. Или жесткий Мартин, чтобы иногда сливал, а иногда 1000% :)

ставь трешхолд в уверености модели в классе и oна отфильтрует в чем более уверена

[[Удален]]

mytarmailS #:

ставь трешхолд в уверености модели в классе и oна отфильтрует в чем более уверена

Не всегда так хорошо калибруются., я бы сказал, что никогда )

[mytarmailS]

Maxim Dmitrievsky #:
Не всегда так хорошо калибруются., я бы сказал, что никогда )

хз.. если так фитровать данные то качество распознавания на них растет всегда, много раз делал, ниразу не получал хуже..

проблема только в том что на большом трешхолде данных не остаеться))

[[Удален]]

mytarmailS #:

хз.. если так фитровать данные то качество распознавания на них растет всегда, много раз делал, ниразу не получал хуже..

проблема только в том что на большом трешхолде данных не остаеться))

Ну когда калибровку обсуждали, в зависимости от модели, они неправильно вероятности показывают. Даже если калибруешь их потом, идеально все равно не получается. Хотя калибровать всегда полезно, если пороги используются.

[Rorschach]

Rorschach #:

Вопрос знатокам...

Даже если это из-за волатильности, то эквитиковые графики это не решают.

[[Удален]]

Maxim Dmitrievsky #:
Я придумал как кластеризацию туда запихнуть еще, но надо поэкспериментировать. 

Получилось просто и со вкусом. Все так же обучается 2 модели, без козула. Сначала делается кластеризация по набору признаков небольшой размерности (непример, по волатильности), чтобы определить разные рыночные режимы. Потом обучается мета модель предсказывать кластер (ошибка обучения обычно минимальная получается), а вторая модель обучается торговать только на семплах внутри этого кластера. И так для всех кластеров. Потом можно выбрать.

[mytarmailS]

Maxim Dmitrievsky #:

Получилось просто и со вкусом. Все так же обучается 2 модели, без козула. Сначала делается кластеризация по набору признаков небольшой размерности (непример, по волатильности), чтобы определить разные рыночные режимы. Потом обучается мета модель предсказывать кластер (ошибка обучения обычно минимальная получается), а вторая модель обучается торговать только на семплах внутри этого кластера. И так для всех кластеров. Потом можно выбрать.

Зачем метамодель которая предсказывает кластер если сама кластеризация имеет метод предикт и предсказывает кластер?

И тогда уж лучше кластеризацию заменить на HMM и ее состояния по алгоритму Витерби

[[Удален]]

mytarmailS #:
Зачем метамодель которая предсказывает кластер если сама кластеризация имеет метод предикт и предсказывает кластер?

У меня уже настроенный код для экспорта, так удобнее. Минимальные изменения в коде и получается новый алгоритм. И потом можно сделать козул по ним.

[mytarmailS]

Maxim Dmitrievsky #:

У меня уже настроенный код для экспорта, так удобнее. Минимальные изменения в коде и получается новый алгоритм. И потом можно сделать козул по ним.

Напишы статью, сравни все методы в 1000 разных семплах и выясни какую вероятность получить рабочую ТС на новых данных дает каждый метод

[[Удален]]

mytarmailS #:
Напишы статью, сравни все методы в 1000 разных семплах и выясни какую вероятность получить рабочую ТС на новых данных дает каждый метод

ой, так лень ) 

мне нравится через понимание. То есть когда ты понимаешь какой-то простой закон. Типа на рынке есть кластеризация волатильности. Ага, значит это можно кластеризовать. Тяп-ляп, посомтрел результаты.