交易中的机器学习：理论、模型、实践和算法交易 - 页 3344

新评论
 
Forester #:

可能是经典过滤，如果（点差 > 10 点）{不交易或加价}。或者不以点数为单位，平均点差 * 2 或 *3....*10.

特殊之处在于，即使不知道真实点差，在测试器中人为增加点差时，也会有一部分交易失败。也就是说，你可以立即看到不应该进行交易的薄弱点。这就是为什么我有条件地将其称为模型错误。
 
Aleksey Nikolayev #:

我们需要一种很好的序列概率预测方法，但不能像现在的方法（例如量化回归）那样俗气。我在文章本身中没有看到这一点，不过文献列表中似乎包含了这一点。

Yandex

Uncertainty in Gradient Boosting via Ensembles
Uncertainty in Gradient Boosting via Ensembles
  • research.yandex.com
For many practical, high-risk applications, it is essential to quantify uncertainty in a model's predictions to avoid costly mistakes. While predictive uncertainty is widely studied for neural networks, the topic seems to be under-explored for models based on gradient boosting. However, gradient boosting often achieves state-of-the-art results on tabular data. This work examines a probabilistic ensemble-based framework for deriving uncertainty estimates in the predictions of gradient boosting classification and regression models. We conducted experiments on a range of synthetic and real datasets and investigated the applicability of ensemble approaches to gradient boosting models that are themselves ensembles of decision trees. Our analysis shows that ensembles of gradient boosting models successfully detect anomalous inputs while having limited ability to improve the predicted total uncertainty. Importantly, we also propose a concept of a virtual ensemble to get the benefits of...
 

如何轻松排出 TS 上的小时与传播

 
Maxim Dmitrievsky #:

如何轻松排出 TS 上的小时与传播

例如，点差为 7 点时，50/50。

ECN 账户上欧元兑美元的点差通常为 0-5（平均为 3）+ ~4 点佣金。
而掉期现在是 -7.7 点，有些交易的 +3.1 点会在每次展期时增加。
点差 + 掉期应该考虑在加价中。也许模型会更好，因为它不会认为某些交易在训练期间是成功的。

 
Forester #:

例如，点差=7 点时，50/50。

ECN 账户上欧元兑美元的点差通常为 0-5（平均为 3）+ ~4 点佣金。
而掉期现在是 -7.7 点，有些交易的 +3.1 点会在每次展期时增加。
点差 + 掉期应该考虑在加价中。也许模型会更好，因为它不会认为某些交易在训练期间是成功的。

如果以后每次交易都要扣除点差，无论您如何标记，点差又如何计入加价呢？

 
Maxim Dmitrievsky #:

如果以后每次交易都要扣除差价，无论如何标价，如何将差价计入标价。

因此，标记应基于财务结果。开仓-平仓交易，将结果转入加价。

或减去最差的变体，ECN 上的欧元兑美元可能是 7-10 点，其他的可能更多，尤其是交叉盘。+ 每天的掉期。
STD 账户的情况更糟。

 
Forester #:

因此，加价应以财务结果为基础。开仓-平仓交易并将结果转入加价。

或减去最差的变量，ECN 上的欧元兑美元可能是 7-10 点，其他的可能更多，尤其是交叉盘。+ 每天的掉期。
STD 账户的情况更糟。

我将其转移到标记上，经过培训后，仍然感觉差价很糟糕。

此外，我还收集了一些失败的交易，并教导大家 "不要交易"。通过 bestinterval 类型。实际上，第二个元模型也是这样做的，就像文章中说的那样。这也不是很酷。
 
Maxim Dmitrievsky #: 实际上，第二个元模型就是这样做的，就像文章里说的那样。这也不是很酷。

你想要什么？我们几乎是在与随机性打交道。这不像研究冰淇淋的需求取决于温度，就像半年前扔在这里的第一本关于科祖尔的书)))))。

 
Forester #:

你们想要什么？我们的工作几乎是随机的。这不像研究冰淇淋的需求取决于温度，就像在 Kozul）））。

我要 zeekr 001。

 
Maxim Dmitrievsky #:

来自 Yandex

谢谢，这篇文章质量高、内容有趣，并提供了大量文献资料。

他们似乎没有考虑有趣的不确定性--输出对属性的概率依赖。他们研究了另外两种不确定性--与属性和参数的不准确性有关的不确定性。我们应类比将我们的变体称为目标不确定性）。

我认为，在我们的案例中，属性的 "测量误差 "原则上是不存在的，而模型参数的不确定性与我们的 "目标不确定性 "很难分开。

1...333733383339334033413342334333443345334633473348334933503351...3399
新评论