By Dr. Thomas Wiecki, Lead Data Scientist at Quantopian Earlier this year, we used DataRobot to test a large number of preprocessing, imputation and classifier combinations to predict out-of-sample performance. In this blog post, I’ll take some time to first explain the results from a unique data set assembled from strategies run on Quantopian...
市场的走势与它自己的统计数字相反，这是我用实践证实的理论，这是我知道的唯一的理论，它回答了所有的问题，从为什么模型在新的数据上不起作用到为什么每个人首先在市场上输钱...。
为什么这对你来说如此难以接受？
旧的知识和习惯是否对新的信息有如此大的影响？
当模型之间的性能差异在0.5%和5%之间时，为什么要如此专注于模型？
没有任何模型可以提供帮助，因为这关系到数据本身。
你可以理解一种思想，这种信息必须用普通的术语和概念来装扮。
但你的反复呼吁显示了你的沉闷无知，对统计学中最简单的东西一无所知。
市场的走势与统计数据相悖，但统计数据是不同的。当使用 "统计 "这个词时，其概念是基本的。如果你不明白这一点，你所展示的图表并不能说明什么。
在你的理解中，你所写的对统计学的反驳都是对统计学中适用于静止随机过程的部分的反驳。 在金融市场中，没有静止过程--只有非静止过程，这些过程与静止过程不同，因为从历史数据得出的特征不适用于新数据。对不起，但这是最基本的。你不能将稳态统计的工具应用于非稳态的金融时间序列。
在这里，我们正忙于在历史上的非平稳数据上训练模型，以便在未来有大致相同的特征。这就是我们要解决的问题。而我认为，只要认真遵守一些技巧，这个问题是可以解决的。
我很抱歉，我受够了你的无知。
市场的走势与它自己的统计数字相反，这是我用实践证实的理论，这是我知道的唯一的理论，它回答了所有的问题，从为什么模型在新的数据上不起作用到为什么每个人首先在市场上输钱...。
为什么这对你来说如此难以接受？
这是正确的，几乎是这样。它不违背它，它只是碰巧从一个噪声到另一个噪声，根据模型中建立的对噪声的拟合。那是如果你是这样做建模的。只有你要对此负责。
再做一个模型，市场会在发现的统计数据上行走。
这里需要接受的是什么？事实上，我们制作的模型，他们是过度训练的？或者相信 "市场与自己的统计数字背道而驰"。我们不是一个宗教组织，在这里相信圣洁的虚构。
但如果你写一份研究报告，在所有的外汇数据上尝试100种方法，并得出结论，所有的方法都是过度训练，不能带来利润，那么我们会很高兴地阅读它。但是，基于未知原则的一项微观研究，并不是指标。
我正在分享一篇有趣的文章。这对我来说是有意义的，这似乎是一个很好的尝试。有成千上万的模型在训练和测试中显示出一些不错的交易结果。有样本外的数据。它开始检查 模型选择程序。文章中的图表与我的相同。测试和验证之间的关联性较弱。所以通过最好的测试结果来选择模型并不能带来任何样本外的优越性。
然后自己看看他们在那里做什么。
https://blog.quantopian.com/using-machine-learning-to-predict-out-of-sample-performance-of-trading-algorithms/
市场走势与自己的统计数字相反，这是我用实践证实的一个理论。
如果市场由趋势或横盘主导，模型基本因素试图从通道边界预测趋势的延续或逆转，那么，如果反趋势（从横盘中学到的）模型在趋势占上风的区域被逆转，它将获得利润，这并不奇怪。
但问题是，你的 "理论 "并不总是在实践中得到证实，只有当趋势性转变为反趋势性，反之亦然。
如果有相当一部分预测因素是不显著的--垃圾--而有一个是最显著的，比如说势头，这种情况最常发生。在这种情况下，最重要的预测器在 "学习 "过程中会得到一个肥厚的权重系数，而其他的预测器只会以较小的权重出现轻微的噪音。
如果市场由趋势或横盘主导，而主要的模型因素试图从通道边界预测趋势的延续或逆转，那么，如果反趋势（从横盘中学到的）模型在趋势占优势的区域 "逆转"，也就不奇怪了，它将获得利润。
但问题是，你的 "理论 "并不总是在实践中得到证实，只有当趋势性转变为反趋势性，反之亦然。
如果有相当一部分预测因素是不显著的--垃圾--而其中一个是最显著的，比如说势头，那么这种情况就会更经常发生。在这种情况下，最重要的预测器在 "训练 "过程中会得到一个大的权重系数，而其他的预测器则只在小的权重下有一点噪音。
这种理论总是在实践中得到证实。
因为市场唯一稳定的统计特征是非平稳性--趋势或平缓阶段越长，越容易从统计学上识别，越容易改变趋势。
它是一个价格系列的唯一稳定的统计特征。
这一理论始终在实践中得到证实。
因为市场唯一稳定的统计特征是非平稳性--趋势或平缓阶段越长，越容易从统计学上识别，趋势越容易改变。
这是价格系列的唯一稳定的统计特征。
1）这是用训练本身的数据做的图，还是只是在新数据上的测试？
2）如果这么简单，就足以训练任何模型，只需反转其预测结果。不幸的是，它并没有发挥作用。
3）问题不在于模型给出了相反的结果，而是在某些条上，结果是正确的，在另一些条上则是错误的，而所有这些都是随机的，没有办法只过滤出正确的结果。
4）而你为什么要从预测B中拿走预测S？也许你应该做相反的事，S-B？那么突然之间，相关关系也将是正确的。
1）在新数据上进行测试，由于某些原因，我甚至没有看训练数据
2) 是的!它不起作用，因为获得的蓝色图表没有预测能力，它与普通价格图表同时逆转，甚至在一个蜡烛之后，但很少，不可能从中获利，但它让你了解到我想告诉你的过程
3）嗯，你看，图表上没有任何随机性，图表与价格完全成反比
4) 如果我们用数量表示买入和卖出信号，例如，买入=10点，卖出有5点
买入-卖出=5（更多的舱位都是如此）。
而如果
买入--买入等于--5（这是荒谬的）。
1）对，差不多。它不会违背它，它只是根据模型对噪声的内置拟合，随机地从一种噪声转移到另一种。那是如果你是这样做建模的。只有你要对此负责。
2）做另一个模型，市场会在发现的统计数据上行走。
3）这里需要接受什么？事实上，我们制作的模型，他们是过度训练的？或者相信 "市场与自己的统计数字背道而驰"。我们不是一个宗教组织，在这里相信神圣的虚构。
1）你看到蓝色图表中与价格有关的任何随机性吗？
2）它不像看起来那么容易
3）试着反驳它；）你说的是一个骗局--这也是一个骗局，但这只是你的......你同意吗？
但问题是，你的 "理论 "并不总是在实践中得到证实，只有当你从趋势性变为反趋势性，反之亦然。
如果你看200个蜡烛图，会与价格相反，如果你看20000个蜡烛图，情况会是一样的。
我很抱歉，我受够了你的无知。