Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1240

 
Maxim Dmitrievsky:

Es geht uns nicht um das Geld, sondern um die Idee.) Geld kann man auch mit viel trivialeren Mitteln verdienen.

Ja, was ist der Sinn dieser Idee. Nun, es gibt das maschinelle Lernen, aber es geschehen keine Wunder, es ist nur ein ausgefeilterer Indikator und nichts weiter.

Ich möchte mit Aktien und Futures handeln, aber dafür brauche ich mehr Geld, das heißt, das ist nichts für mich.

Ich weiß nicht, wie ich diese Indikatoren verwenden kann, da sie möglicherweise für verschiedene Handelsarten gelten.

 
forexman77:

Ja, was ist der Sinn dieser Idee. Nun, es gibt das maschinelle Lernen, aber es gibt keine Wunder, es ist nur ein ausgefeilterer Indikator und nichts weiter.

Na ja, oder Aktien- oder Futures-Handel, aber da brauche ich mehr Geld, also ist das nichts für mich.

Ich habe eine Menge Nerven und Kräfte, während der Output wie das Fleisch einer Mücke ist.

Ich muss mir den Hintern warm halten und dann leiden... oder auf diesem Feld nach einem Taxi suchen

 

Um es noch kürzer zu machen, stellen Sie sich vor, dass Forex ein Berg ist, den Sie erklimmen müssen. Aber es ist praktisch ein glatter Berg, an dem man sich nicht festhalten kann.

Und eine Verbesserung der MO um 1-2 % wird praktisch nichts bewirken, da es dort keine Prädiktoren gibt, nur Rauschen und so weiter, der Rest ist Umschulung und nichts weiter.

 
Maxim Dmitrievsky:

kurz gesagt, in alglib Klassifizierungsfehler und logloss... Der Logloss macht überhaupt keinen Sinn, der Klassifizierungsfehler im Wald sinkt auf Null in der Trainingsstichprobe>0,8 und oob 0,2.

Deshalb habe ich eine kleine Trainingsstichprobe genommen, um eine Art Fehler zu vermeiden, aber sie ist immer noch klein. Ich weiß nicht, wie ich sie mit denen von Python vergleichen soll.

Eher eine Umschulung... Bäume können sich Eingabedaten vollständig merken. R kann reduziert werden, und es scheint nichts anderes zu geben, was man in Algibe ändern könnte. In xgboost können Sie zum Beispiel die Tiefe des Baums begrenzen.
Deshalb habe ich sie anfangs nicht verwendet und bin zu Meshes übergegangen. Aber die Netze haben ihre eigenen Probleme.
 
Eidechse_:

urkomisch... Maximka, deshalb ist er stoned))) Ich habe nichts geschrieben. Kurz gesagt: Logloss ist eine Strafe. Ändern Sie es in Akuarisi, es ist leicht zu interpretieren, deshalb wird es verwendet.

Logloss mona dann biegen Sie ein wenig und ein paar mehr Prozent, wenn Sie Glück haben, um es heraus zu quetschen. Zeigte Fa, dass es eine Bibel in R...

Ich vergesse immer die Hälfte davon, dann wundere ich mich nach einem Jahr über das Gleiche. neu berechnen :) es gibt einigen Unsinn in alglib, nicht wie in seriösen libs, und der Wald ist selbstgemacht.

 
Eidechse_:

urkomisch... Maximka, deshalb ist er stoned))) Ich habe nichts geschrieben. Kurz gesagt: Logloss ist eine Strafe. Sie ist leicht zu interpretieren, deshalb wird sie verwendet.

Logloss mona dann biegen Sie ein wenig und mehr Prozent-Paar, wenn Sie Glück haben, um auf accuarisy Squeeze-out. Ich habe Fa gezeigt, dass es eine Bibel in R gibt... Was in der Algib steht, weiß ich nicht, was in deinen Einstellungen los ist...

drehen Sie die Gier an der Rassel herunter...

Alglib-e hat nur r für die Regularisierung
 

Ich glaube nicht, dass man acuracu überhaupt auf die Märkte anwenden kann, die Klassen dort sind von Anfang an unausgewogen.

Wenn Sie akurasiu 100% alles wird auf die Mehrheit Klasse fliegen ist die schlechteste Metrik. Es ist besser, sich die Konfusionsmatrix anzusehen, denn sie zeigt, wie die Klassen aufgeteilt sind.

 
elibrarius:
Eher ein Übertraining... Treynes hingegen kann sich die Eingabedaten vollständig merken. R kann reduziert werden, und es scheint in Alglib nichts weiter zu geben, was man optimieren könnte. In xgboost können Sie zum Beispiel die Tiefe des Baums begrenzen.
Deshalb habe ich sie anfangs nicht verwendet und bin zu Meshes übergegangen. Aber die Netze haben ihre eigenen Probleme.

es gibt nur die Anzahl der Bäume und r ja, wenn r größer ist als 0,6 gibt es fast immer einen Klassifizierungsfehler auf einem Tablett 0,0 :))) im Test kann es Abweichungen, in der Regel um 0,5 sein

 
forexman77:

Ich glaube nicht, dass man acuracu überhaupt auf die Märkte anwenden kann, die Klassen dort sind von Anfang an unausgewogen.

Wenn Sie akurasiu haben 100% alles wird auf die Mehrheit Klasse fliegen ist die schlechteste Metrik. Ich würde lieber die Verwirrungsmatrix sehen, sie zeigt genau, wie die Klassen aufgeteilt sind.

Ich verstehe Accuracy auch nicht wirklich. Die Fehlermatrix oder der Klassifizierungsfehler ist klarer, und ich zeige sie auf dem Bildschirm an.
 
Vizard_:

Nspesh versuchen verschiedene in Python als gut. Cat Boost, zum Beispiel, ist nicht viel von einem Angebot auch aus der Box + es frisst alles in einer Reihe + es gibt einen Visualizer mit einem Punkt (setzen Sie es auf, wenn Schneiden ist nicht wirklich zu verbessern) und so weiter...

bereits installiert, morgen werde ich es ausprobieren, zusammen mit nur GBM, vielleicht LightGbm... ein xgboost ist etwas mühsam einzurichten, man braucht viel Zeit, um es herauszufinden