Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3517

[[Удален]]

Точно такую же проверку можно сделать при разметке на СБ и на котировках, определить разницу. Величины можно сопоставлять, потому что ряды бинарные в обоих случаях. Длины рядов с метками должны +- совпадать и параметры расчета энтропии.

Тогда это подтвердит или опровергнет мой давний тезис, что проблема не в признаках, а в качестве разметки.

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:
проблема не в признаках, а в качестве разметки.

К сожалению, проблема там и там.

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:
Нужны другие датасеты, можете посчитать на своих.

Permutation Entropy (train): 0.49329517325507943
Permutation Entropy (test): 0.4724266203519978
Permutation Entropy (exam): 0.4889780996100367

[[Удален]]

Aleksey Vyazmikin #:

Надо до обучения замерять на трейне и смотреть как влияет этот показатель на торговлю на ООС. При снижении энтропии ООС должен улучшаться.

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:

Надо до обучения замерять на трейне и смотреть как влияет этот показатель на торговлю на ООС. При снижении энтропии ООС должен улучшаться.

Я взял три выборки и измерил показатель. Или что надо?

[Aleksey Vyazmikin]

Другая выборка и разметка

Permutation Entropy (train): 0.7652171231205366
Permutation Entropy (test): 0.7575991534095268
Permutation Entropy (exam): 0.7589746432648261

На показатель не оказывает ли влияние баланс классов?

[[Удален]]

Aleksey Vyazmikin #:

Я взял три выборки и измерил показатель. Или что надо?

Измерить энтропию меток до обучения. Потом сопоставить с результатами на ООС обученной модели уже по своим оценкам. Снижение энтропии должно улучшать торговлю на ООС.

[Aleksey Vyazmikin]

ChatGPT:
Перестановочная энтропия измеряет сложность или непредсказуемость временного ряда на основе перестановок его значений. Этот показатель основывается на частоте появления различных перестановок в ряду данных.

Зависимость показателя перестановочной энтропии от сбалансированности классов зависит от того, какие именно классы вы рассматриваете в вашем временном ряде и как часто они встречаются. Если классы встречаются в данных примерно одинаково часто, это может привести к более равномерному распределению перестановок и, как следствие, к более низкой перестановочной энтропии.

Однако, если один или несколько классов значительно преобладают над другими, это может привести к более неравномерному распределению перестановок и, следовательно, к более высокой перестановочной энтропии.

Таким образом, можно ожидать, что сбалансированные классы могут привести к более низкой перестановочной энтропии, в то время как несбалансированные классы могут привести к более высокой перестановочной энтропии. Однако это может зависеть от конкретных данных и их распределения.

[[Удален]]

Aleksey Vyazmikin #:

Другая выборка и разметка

На показатель не оказывает ли влияние баланс классов?

Оказывает в какой-то степени.

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:
Измерить энтропию меток до обучения. Потом сопоставить с результатами на ООС обученной модели уже по своим оценкам. Снижение энтропии должно улучшать торговлю на ООС.

Думаю, для этого нужен Recall под единицу, у меня таких и близко нет моделей.