Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3680

Новый комментарий
 
Maxim Dmitrievsky #:
в процессе медитации, бывает что даже коньячной

Какой предпочитаешь? 

[Удален]  
Aleksey Nikolayev #:

Ну, вообще говоря, ансамблирование в МО имеет смысл если есть слабые алгоритмы, которые хоть немного, но всё же работают.

Соответственно, ансамблируемые ТС должны давать хотя бы небольшую прибыль. Общепринято собирать такие модели в портфели - по сути бэггинг.

Вопрос (теоретический) был по сути о том, что можно ли вместо портфелирования этих слабых ТС придумать какую-то более сложную процедуру вроде бустинга.

Если учитывать то, что бэгинг снижает смещение, а бустинг смещение и дисперсию, то бустинг конечно лучше. В плане кривой, но не обобщения. Тогда предыдущие ТС нужно выстраивать лесенкой в качестве параметров для следующих ТС. Но нужно как-то избавиться от промежуточных параметров, потому что тогда сложность модели будет расти. 
Мне в принципе не нравится ни один из этих подходов, поэтому не рассматриваю. 
Там есть цикл статей по подобном подходам, но вроде все печально на новых данных. 
 
Maxim Dmitrievsky #:
Может быть да. Я строю ТС на базе подхода к торговле, но не платформы. Потом делаю обвязку в виде коннектора или переноса в существующую платформу. В общем-то это самая малая часть работы. Сложнее всего придумать сам подход, к сожалению :) новый подход придумывается только в процессе медитации, бывает что даже коньячной

Да, занюхивание качественного конъяка из снифтера согреваемого ладонью...)

Просто иногда раздражает отсутствие штатной возможности для портфельного OnTick() или необходимость шаманства для синхронизации новостей с ценами при тестировании.

 
Forester #:

Бывает, что и 1 дерево разделенное на 2-3 сплита показывает результаты лучше, чем более глубокие деревья/леса.
Но это уже слишком примитивно. Хочется чего-то более точного. И при такой грубой модели будет много неудачных сделок, что опускает профит фактор почти к 1 и ниже. 

видимо потому 3 сплита и показывают хороший результат. Оставляя модель очень грубой и не заучивая уникальные особенности

Обратите внимание: торговля грубая, но её грубость распространяется на другие пары. Некое возмещение. 

Наблюдаю при простых конструкциях: грубая прибыль на форварде не только на обучяемой, но и на других парах. Хоть в портфель собирай. 

И наоборот: хороший форвард "тяжёлой" модели абсолютно рандомен на всех остальных парах. 
 
Maxim Dmitrievsky #:
Если учитывать то, что бэгинг снижает смещение, а бустинг смещение и дисперсию, то бустинг конечно лучше. В плане кривой, но не обобщения. Тогда предыдущие ТС нужно выстраивать лесенкой в качестве параметров для следующих ТС. Но нужно как-то избавиться от промежуточных параметров, потому что тогда сложность модели будет расти. 
Мне в принципе не нравится ни один из этих подходов, поэтому не рассматриваю. 
Там есть цикл статей по подобном подходам, но вроде все печально на новых данных. 
Возможно так и есть. Довольно много статей, где метод "1/N" (когда делается простой портфель с одинаковыми весами) оказывается не хуже по результатам, чем всякие изощрённые подходы.
[Удален]  
Forester #:
Историю почти идеально запомнить можно и одним деревом. Что-то про успешность на новых данных ни слова.
У меня та же ситуация, как у СанСаныча.
Идеально заучивать и не надо, надо закономерности находить, обобщение. Но как получить обобщение, а не просто недообучение?
В МО нет встроенного способа как получить обобщение для нестационарного процесса :) Теоретически их можно добавить, например как в статьях про обучение с подкреплением, где это вшивается в архитектуру НС. Но на практике это будет означать, что для каждого отдельного процесса нужен будет отдельный алгоритм.  Процесс нужно сначала остационарить. Самыми яркими по накалу страстей (но не самыми эффективными) были попытки Александра Шредингера. Я залепил нечто такое, оно работает, но с просадками во время пересиживания не используемых наблюдений. Есть ещё более интересный способ, но он пока нигде не разглашается. 

Ну то есть это вовсе даже не проблема МО, а просто обычная проблема.
 
Aleksey Nikolayev #:

Ну, вообще говоря, ансамблирование в МО имеет смысл если есть слабые алгоритмы, которые хоть немного, но всё же работают.

Соответственно, ансамблируемые ТС должны давать хотя бы небольшую прибыль. Общепринято собирать такие модели в портфели - по сути бэггинг.

Вопрос (теоретический) был по сути о том, что можно ли вместо портфелирования этих слабых ТС придумать какую-то более сложную процедуру вроде бустинга.

Что значит "работают"?

Критерий "работают", если  результативность на файле обучения-тестирования и при пошаговом прогоне примерно одинакова. 

НЕ интересна результативность только на файле обучения-тестирования.

Если перейти к образам, то пара учитель-предикторы имеет некоторую результативность, как мат.ожидание, теоретически. Теперь задача, получая средние значения, приблизиться к этому теоретическому "мат.ожиданию".

Алгоритм построения модели представляется следующим:

1. Вычисляем результативность на файле обучения-тестирования и пошагово.

2. Если примерно совпали, то конец обучения

3. Если не совпали, то огрубляем модель/модели и сравниваем с пошаговым режимом.

4. Огрубление моделей делаем до тех пор, пока не совпало.


Не зря упомянул про мат.ожидание, которое не всегда существует! Т.е. существует ли для конкретного набора учитель-предикторы некая приемлемая величина результативности? 

[Удален]  
СанСаныч Фоменко #:

Алгоритм построения модели представляется следующим:

1. Вычисляем результативность на файле обучения-тестирования и пошагово.

2. Если примерно совпали, то конец обучения

3. Если не совпали, то огрубляем модель/модели и сравниваем с пошаговым режимом.

4. Огрубление моделей делаем до тех пор, пока не совпало.

Это же самый топорный подход, наряду с обу/переобучением в скользящем окне и переоптимиздацией параметров. То есть он не описывает процесс создания ТС.

МО ложно воспринимается как способ поиска закономерностей. Это же ошибка новичка. 

 
Maxim Dmitrievsky #:

Это же самый топорный подход, наряду с обу/переобучением в скользящем окне и переоптимиздацией параметров. То есть он не описывает процесс создания ТС.

МО ложно воспринимается как способ поиска закономерностей. Это же ошибка новичка. 

Главное быть профессионалом  в рисовании красивых балансом с Р-квадрат = 1. 

А где хотя бы один баланс из тестера?  

[Удален]  
СанСаныч Фоменко #:

Главное быть профессионалом  в рисовании красивых балансом с Р-квадрат = 1. 

А где хотя бы один баланс из тестера?  

В смысле рисование баланса, а потом баланс из тестера? Масло масляное :)
1...367336743675367636773678367936803681368236833684368536863687...3743
Новый комментарий