Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1183

 
Igor Makanu:

Ich schon, denn ich beschäftige mich schon seit langem mit dem Thema ;)

Ich brauche keinen Gral, aber ein praktikables ATS wäre nützlich.

das wäre bei der MO sehr stabil - man muss eine statistische Analyse durchführen und selbst nach Mustern suchen, sie dann anpassen, und wenn man Glück hat, funktioniert das relativ lange.

Was den Rest betrifft (meine eigene Praxis, ich weiß nicht, wie es bei anderen ist), geht es um ständige Weiterbildung mit den neuesten Daten und darum, einige gute Geschäfte zu machen, alles mit Gewinn, wobei alles täglich kontrolliert wird. Wenn man vom Prinzip ausgeht, dass die künstliche Intelligenz alles selbst suchen soll, weil die ständige statistische Analyse auch eine mühsame Aufgabe ist. Es ist besser, den Optimierer ein paar Dutzend Mal laufen zu lassen, dann wird er von selbst gefunden.

Letzten Endes kommt es darauf an, die Qualität des Modells auf dem Testmuster zu kontrollieren, das ist alles. Die Ausbildungsprobe ist ohnehin fast immer gut. Dazu müssen Sie sich nicht einmal etwas vorstellen. Kontrolle und Unterstichproben sind eine Kunst
 
Yuriy Asaulenko:

Comodo Internet Security und seit Jahren ist nichts mehr schief gegangen.

Danke, aber es ist nicht in einem Browser, sondern in Windows, Firewall blockiert alles, jeder Browser funktioniert für etwa 10 Minuten, dann zzdyn! und öffnet nichts anderes, ... Ich kann in 15 Minuten mit einem Acronix-Backup nach Hause kommen und von einem Flash-Laufwerk wiederherstellen. Ich sichere immer alle neuen Installationen.
Maxim Dmitrievsky:

Das Wichtigste ist, eine statistische Analyse vorzunehmen und nach Mustern zu suchen, sich dann daran zu orientieren, und wenn man viel Glück hat, funktioniert das für eine relativ lange Zeit.

Was den Rest betrifft (meine eigene Praxis, ich weiß nicht, wie es bei anderen ist), geht es um ständige Weiterbildung mit den neuesten Daten und darum, einige gute Geschäfte zu machen, alles mit Gewinn, wobei alles täglich kontrolliert wird. Wenn man vom Prinzip ausgeht, dass die künstliche Intelligenz alles selbst suchen soll, weil die ständige statistische Analyse auch eine mühsame Aufgabe ist. Es ist besser, den Optimierer ein paar Dutzend Mal laufen zu lassen, dann wird er von selbst gefunden.

Ich weiß, ich mache es selbst, wenn ich Zeit habe, aber es ist nicht interessant (((, wie in coolen Filmen....) Presse.... die Buchstaben liefen über den Laptop.... und dann Arsch bestätigt!!! .... Hauptsache der ALARM-ALARM ging dann nicht los )))
 
Igor Makanu:
danke, aber es ist nicht der Browser, es ist Windows, Firewall blockiert alles, jeder Browser funktioniert für etwa 10 Minuten, dann zap! und öffnet nichts anderes ... Windows ist abgestürzt, wenn ich in 15 Minuten nach Hause komme, stelle ich es von einem Flash-Laufwerk über Acronix-Backups wieder her, Gott sei Dank sichere ich immer alle neuen Installationen
Ich weiß, ich mache es selbst, wenn ich Zeit habe, aber es ist nicht interessant (((, wie in coolen Filmen....) Presse.... die Buchstaben liefen über den Laptop.... und dann Arsch bestätigt!!! .... Hauptsache, der ALARM-ALARM ging dann nicht los )))

Murphys Gesetz: Wenn etwas passieren kann, wird es passieren

 
Igor Makanu:
Ich mache es selbst, wenn ich Zeit habe, aber es ist nicht interessant (((, ich möchte, dass es wie in coolen Filmen ist.... die Taste gedrückt.... die Buchstaben liefen über den Laptop.... und dann Arsch bestätigt!!! .... Hauptsache der ALARM-ALARM ging dann nicht los )))

Das glaube ich nicht.

Ich habe die Aufgabe für die NS noch weiter vereinfacht. Es wird eine vorläufige Strategie entwickelt, die Intervalle möglicher Eingaben definiert, das NS wird auf diese Intervalle trainiert und findet die optimalen Einstiegspunkte. Gibt es für das Intervall keinen Eintrag, wird es nicht gefunden.

Außerhalb der Intervalle analysiert der NS nichts.

 
Yuriy Asaulenko:

Das glaube ich nicht.

Ich habe die Aufgabe für die NS noch weiter vereinfacht. Es wird eine vorläufige Strategie entwickelt, die Intervalle möglicher Eingaben definiert, das NS wird auf diese Intervalle trainiert und findet die optimalen Einstiegspunkte. Gibt es für das Intervall keinen Eintrag, wird es nicht gefunden.

Außerhalb der Intervalle analysiert der NS nichts.

Die NS finden nicht die besten Einstiegspunkte, sie müssen mit Gewalt eindringen.

 
Maxim Dmitrievsky:

Der NS wird keine optimalen Einstiegspunkte finden, sie müssen mit Gewalt erzwungen werden.

Maxim, dies wurde bereits vor einem Jahr getan. Und schrieb wie, in diesem Thread.

Aber ich kann mir nichts Neues vorstellen. Ich bin immer noch dabei, mich mit Python zu beschäftigen, vielleicht kommen mir ja noch ein paar Ideen.

 
Maxim Dmitrievsky:

Der NS wird keine optimalen Einstiegspunkte finden, sie müssen mit Gewalt erzwungen werden.

Nun, es ist nicht die Schuld von NS, was MO optimal findet, ist nicht die Tatsache, dass wir es in den Eingabedaten suchen, deshalb will ich Software mit Visualisierung, aber ich will wahrscheinlich nicht NeroSolutions, ich suche nach freiem Zeug online, ich werde über NS auf Matlab lesen, es gibt eine Menge fertiger
 
Iwan Negreshniy:

Versuchen Sie auch, die aufdringliche Erstellung eigener temporärer Verzeichnisse durch CatBoost bei jedem Start zu deaktivieren, da dies in einer geschützten Umgebung zum Absturz führt.

Im Allgemeinen sind diese Pannen sieht es irgendwie nicht sehr professionell, so dass, wenn Sie nicht schlagen können sie, dann persönlich meiner Meinung nach billiger als frei - von diesem Produkt auf einmal aufgeben:)

Werden bei der Verwendung von Python Verzeichnisse erstellt? In der Konsole ist es logisch, dass Verzeichnisse erstellt werden, wie in ihnen auf einmal Modell und Markup, und auch andere statistische Daten, wo sonst, sie zu setzen, wenn nicht in einem Verzeichnis? Im Gegenteil, ich halte Verzeichnisse für eine sehr gute Lösung, denn ich kann viele Einstellungen durchlaufen und die Ergebnisse jeder Einstellung in mein Verzeichnis aufnehmen.

Bisher habe ich noch keine Pannen gesehen, die zu Fehlfunktionen geführt hätten.

 
Maxim Dmitrievsky:

Übrigens, ich weiß nicht, an wen ich mich wenden soll, können Sie mir sagen

bei Verwendung von PCA gibt alglib Eigenvektoren zurück

wie man mit ihnen weiterarbeiten kann, d. h. wie man sie auf die ursprünglichen Merkmale anwenden kann

http://alglib.sources.ru/dataanalysis/principalcomponentsanalysis.php
Ich glaube nicht, dass ich mehr sagen kann als die Wikihttps://ru.wikipedia.org/wiki/Метод_главных_компонент#Сингулярное_разложение_тензоров_и_тензорный_метод_главных_компонент

Grenzen der Anwendbarkeit und Wirksamkeit der Methode


Soweit ich diese Methode verstehe, erhalten wir eine Karte mit nützlichen Signalmerkmalen, indem wir die Hauptkomponenten herausfiltern, und Sie können dann nach einer ähnlichen Karte (Matrix) suchen, um in verrauschten Daten nach einem nützlichen Signal zu suchen

 
Maxim Dmitrievsky:

Letzten Endes kommt es auf die Qualitätskontrolle des Modells auf dem Testmuster an, das ist alles. Bei der Ausbildungsprobe ist es fast immer gut, wie es ist. Dazu müssen Sie sich nicht einmal etwas vorstellen. Kontrolle und Unterstichproben sind eine Kunst

Hier ist nur denken, dass die Kontrolle Probe kann sehr verschieden von dem, auf dem Sie trainiert, zum Beispiel haben einen Baum, der 10 ausgebildete Blätter, 9 von denen geben 1, und eine gibt Null, die gut funktionieren auf eine bestimmte Probe, aber dann den Test (Test in meinem Fall) nicht funktionieren - was ist passiert? Oder es könnte sein, dass die Bedingungen nur für 3 von 9 Blättern galten und der Rest zu Null verschmolzen ist. Dies wäre kein Zeichen von Übertraining (was redundante Verbindungen impliziert, die keine Regelmäßigkeiten sind), sondern einfach entweder eine völlig andere Stichprobe oder eine Stichprobe, bei der es wirklich viele Ereignisse für 3 Blätter und kritisch wenige für die restlichen 6 Blätter gibt, alternativ haben wir auf Trends trainiert und auf einer Fläche getestet. Ich frage mich, ob wir die Stichprobe mischen und künstliche Bedingungen schaffen sollten, bei denen sowohl im Training als auch in den Tests verhältnismäßig ähnliche Teile des Marktes vorkommen, und ob wir diese Teile irgendwie identifizieren und markieren müssen, damit wir sehen können, welche Antworten im Training auf diese Teile und welche Antworten auf die Teststichprobe fallen. Oder wir müssen nach solchen Regelmäßigkeiten suchen, die für alle Märkte typisch sind, und sie auf universelle Weise beschreiben, um die Zahl der verschiedenen Situationen in der Trainingsstichprobe zu erhöhen.