Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3274
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
начинай писать мемуары как ты отымел этот Форекс и продавай их, не трать себя
зачем?
это хобби, чисто для себя
к тому же цель - 1000кратное увеличение депозита еще не достигнута
зачем?
это хобби, чисто для себя
к тому же цель - 1000кратное увеличение депозита еще не достигнута
почему-то тебе кажется, что твое увлечение самое увлекательное
почему-то тебе кажется, что твое увлечение самое увлекательное
ты прав
каждому свое
но мне также интересно МО
но зачем я буду наступать на те же грабли?
почувствую положительный результат тутошних изысканий, и с удовольствием присоединюсь к сформировавшимся специалистам этой области
однако, ошибки размышлений видны невооруженном глазом
и очень хочется, чтобы вы шли в верном направлении, чтобы достичь ожидаемого результата в сжатые сроки
про ансабли стратегий
https://buildalpha.wordpress.com/2018/11/20/buildalpha-ensemble-strategies-reduce-overfitting-by-combining-strategies/
----------------------------------------
Кароч все что нужно, это метрика переобучености стратегий, чтобы знать будет работать стратегия на новых данных или нет, все остальное решаемо..
----------------------------------------
Есть идея взять несколько подходов выявлению переобучености , мой на базе auto.arima , Прадо "PBO" , еще что то возможно , закинуть в качестве предикторов и научить АМО прогнозировать вероятность переобучения и сделать это метрикой.
Как вариант..
метрика переобучености стратегий, чтобы знать будет работать стратегия на новых данных или нет
ещё один вариант формулировки слова грааль ? :-) "знать будет ли работать в будущем"
ещё один вариант формулировки слова грааль ? :-) "знать будет ли работать в будущем"
Я не точно выразился, нужна честная вероятность например - будет работать на новых данных с вероятностью 69%
про "п-хакинг" и стратегии
https://mathinvestor.org/2019/04/p-hacking-and-backtest-overfitting/
Если позволите и мне хотелось бы внести свой вклад в столь интересную и важную тему.
Машинное обучение, ML - класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение за счёт применения решений множества сходных задач. Для построения таких методов используются средства математической статистики, численных методов, математического анализа, методов оптимизации, теории вероятностей, теории графов, различные техники работы с данными в цифровой форме.
P.Z.
Если позволите и мне хотелось бы внести свой вклад в столь интересную и важную тему.
Машинное обучение, ML - класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение за счёт применения решений множества сходных задач. Для построения таких методов используются средства математической статистики, численных методов, математического анализа, методов оптимизации, теории вероятностей, теории графов, различные техники работы с данными в цифровой форме.
P.Z.
тут самое главное не писать много слов, уже так устали в поисках, что 1-2 предложения не будут прочитывать
про "п-хакинг" и стратегии
https://mathinvestor.org/2019/04/p-hacking-and-backtest-overfitting/
Поэтому оптимизация стратегии или обучение должно выглядеть примерно так:
где средняя оценка - аналог результата при использовании кросс-валидации