Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 854
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
Для меня? Я задачу уже решил. Сейчас думаю чем бы ещё заняться. То- ли Питоном, то-ли R. Че-то новых идей пока нет.
Ну и каким способом происходит оценка модели? Или при неоднократном построении одного и тогоже набора у тебя всегда одна и таже модель получается. Так чтоли?
Всё верно, ты правильно мыслишь, Так вот задача как раз таки ИИ в нестационарном ряде у которого закономерность плавающая. Задача ИИ поддерживать работоспособность при убегании этой зависимости, хотябы незначительное время, но достаточное для заработка. Ведь закономерность не меняется скачкообразно. На место главного, первого входа встаёт другой, НО главный то всё равно остаётся в наборе и тут как раз таки ИИ и берёт на себя нагрузку держать строй, как говорится. Именно поэтому в первый месяц фьючерсного контракта тренировать приходится очень часто, особенно когда сам рынок не знает куда идти. Глядя на Втрит, я прям вижу как пляшет эта закономерность. Но в середине и в конце фьючерса, как правило рынок становится более упорядочет и ВТрите видно как главенствует один вход на протяжении долгого времени.
Блин, все работают с момента или за пару дней до закрытия предыдущего фьюча. Какой, к черту, первый месяц?
закономерность меняется хаотически и отклонения в закономерностях нарастают экспоненциально со временем
любой аппроксиматор (кроме, частично, RNN или LSTM) не способен решать такие задачи
все статьи по статистике, с попытками применить их к рынку в текущем виде - можно выкинуть и не обращать на них никакого внимания
основные усилия должны быть сфокусированы на методах работы в нестационарной среде, один из которых предложен Александром (при условии, что у тебя нет признаков, которые стационарно влияют на котир, извлечь которые из самого котира, a-priori, невозможно)Ну и каким способом происходит оценка модели? Или при неоднократном построении одного и тогоже набора у тебя всегда одна и таже модель получается. Так чтоли?
Наверное разные, кто-ж его знает. Обучается на случайной последовательности.
Наверное разные, кто-ж его знает. Обучается на случайной последовательности.
Ну хорошо и как ты выбираешь нужную??? Или в результате они все выдают одинаковый результат на ООС???
Вот у меня на ООС все модели отработают по разному....
Ну хорошо и как ты выбираешь нужную??? Или в результате они все выдают одинаковый результат на ООС???
Вот у меня на ООС все модели отработают по разному....
У меня всего одна модель - НС -60 нейронов. Выбирать ниче не надо. Обучаем - работаем.
Да, ООС - че это?
У меня всего одна модель - НС -60 нейронов. Выбирать ниче не надо. Обучаем - работаем.
Да, ООС - че это?
Мдя... ну дела...... НС у тебя одна, НО когда ты будешь её обучать ты всегда будешь получать разные весовые коэфиценты нейронов. ВСЕГДА РАЗНЫЕ. Работать она будует одинаково. на участке обучения. Но при каждом обучении получается всегда разная НС и разница эта в коэфицентах неронов. Так вот можно статичстически определить что вот эта НС именно с этим набором кэфов будет работаь лучеше в будущем, чем вот эта... Разве нет??? Или я чего то не понимаю. Просто в Р там всё зашито внутри...... я так понимаю...
Мдя... ну дела...... НС у тебя одна, НО когда ты будешь её обучать ты всегда будешь получать разные весовые коэфиценты нейронов. ВСЕГДА РАЗНЫЕ. Работать она будует одинаково. на участке обучения. Но при каждом обучении получается всегда разная НС и разница эта в коэфицентах неронов. Так вот можно статичстически определить что вот эта НС именно с этим набором кэфов будет работаь лучеше в будущем, чем вот эта... Разве нет??? Или я чего то не понимаю. Просто в Р там всё зашито внутри...... я так понимаю...
Я не в R работаю.
Да, при каждом обучении всегда разная НС. Я ее, единственную, проверяю на независимом ВР, и вперёд, на реал. Кстати, на фьючи.
Я не в R работаю.
Да, при каждом обучении всегда разная НС. Я ее, единственную, проверяю на независимом ВР, и вперёд, на реал. Кстати, на фьючи.
Я тоже проверял её на не зависимом ВР. У меня базовая стратегия позволяет создавать такой ВР без потери времени. НО как оказалось, лучше применять методику посчитанную в моём примере. Так, статистически надёжней понять насколько Твоя модель несёт в себе информацию о выходе....