Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1377
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Genau richtig, je mehr, desto besser (weniger als 100.000 ist Lärm), aber man muss bedenken, dass sich die Markteigenschaften ändern, und wie man das in der Ausbildung berücksichtigt, ist ein großes Geheimnis.
Ich habe versucht, das Gewicht der Zeilen gleichmäßig zu verringern, aber ich konnte keine Verbesserung feststellen. Welche anderen Möglichkeiten gibt es?
Hier habe ich versucht, das Gewicht der Linien gleichmäßig zu reduzieren, aber ich habe keine Verbesserung festgestellt. Welche anderen Möglichkeiten haben Sie?
Sie müssen etwas falsch gemacht haben, es sollte besser sein, obwohl Sie den Klassifikator neu konfigurieren müssen, das Optimum ohne zeitliche Gewichtung ist anders.
Wir könnten auch versuchen, den Text in z.B. 10 Fragmente aufzuteilen und sie bei einem mehr oder weniger optimalen Durchschnitt für alle durch einen 10%-Test zu unterrichten (nahe dem Ende (Gegenwart)) und dann die modulierte Qualität der Klassifizierung (1-.1) als Gewichte für die Fragmente zu verwenden. Es ist möglich, dies mit einem gleitenden Fenster zu tun, natürlich mit einem bestimmten Schritt, um gleichmäßigere Gewichte zu erhalten. Übrigens ist die Dynamik dieser Gewichte selbst ein sehr wichtiges Merkmal, das mit der Veränderung der Marktbedingungen zu tun hat.
Irgendetwas muss falsch sein, es sollte besser sein, obwohl der Klassifikator neu konfiguriert werden muss, das Optimum ohne Zeitgewichtung ist anders.
Man kann auch versuchen, den Text in z.B. 10 Fragmente aufzuteilen und sie auf einen mehr oder weniger optimalen Durchschnitt für alle bei 10% Test (nahe dem Ende (Gegenwart)) zu unterrichten und dann modulierte Klassifizierungsqualität (1-.1) als Gewichte für Fragmente zu verwenden. Es ist möglich, dies mit einem gleitenden Fenster zu tun, natürlich mit einem bestimmten Schritt, um gleichmäßigere Gewichte zu erhalten. Übrigens ist die Dynamik dieser Gewichte selbst ein sehr wichtiges Merkmal, das mit den Änderungen des Marktmodus zu tun hat.
Ich verstehe die Idee nicht ganz, ist es so, wie Wladimir geraten hat? D.h. nach dem Training auf einem Teil der Daten, um den Testteil zu gewichten?
Das ist ungefähr richtig, wenn ich es richtig verstanden habe. Trainieren Sie auf der ersten Scheibe, erhalten akurasi und verwenden Sie als Gewicht, moduliert -1, 1 auf akurasi alle Scheiben und so für alle Scheiben, können Sie überlappende Scheiben mit einem Schiebefenster zu tun, wird mehr Berechnungen, aber IMHO 10-20 Scheiben genug für eine Probe von 500 Saiten
PS: Das Gewicht wird nicht für das Teststück am Ende angegeben, das dem echten Stück näher kommt, sondern für das kleinere Stück auf dem Bild links.
Das ist ungefähr richtig, wenn ich es richtig verstanden habe. Trainieren Sie auf der ersten Scheibe, erhalten akurasi und verwenden Sie als Gewicht, moduliert -1, 1 auf akurasi alle Scheiben und so für alle Scheiben, können Sie überlappende Scheiben mit einem Schiebefenster zu tun, wird mehr Berechnungen, aber IMHO 10-20 Scheiben genug für eine Probe von 500 Saiten
PS: Das Gewicht liegt nicht auf dem Teststück am Ende, das dem echten Stück näher kommt, sondern auf dem Lerno-Scheibchen, im Bild links.
Ah - das ist das Gegenteil von Vladimir. Er gewichtete die Zeilen in diesen Testabschnitten und gab der gesamten Stichprobe durch ständiges Verschieben ein Gewicht. Hier erhalten Sie für jede Zeile ein anderes Gewicht.
Und Sie haben - Training auf einem kleinen Teil des Lernens (20-50k Zeilen), Überprüfung mit dem Test und wenn der Test besser/schlechter als der Durchschnitt für alle Teile ist, ändern Sie die Gewichtung für alle Zeilen in diesem Teil des Lernens. Hier ist das Gewicht aller Zeilen in einem Slice gleich.
Verstehe ich Ihre Idee jetzt richtig?
Into the piggy bank, wahrscheinlich interessant... habe es noch nicht gesehen. mochte den Inhalt des Vortrags.
https://www.lektorium.tv/lecture/14232
Into the piggy bank, wahrscheinlich interessant... habe es noch nicht gesehen. mochte den Inhalt des Vortrags.
https://www.lektorium.tv/lecture/14232
Der Dozent hat mir gefallen, die Vorlesung nicht. Aber er liest gut. Ich habe es 25 Minuten lang ausgehalten). Es war für ein anderes Publikum gedacht. Sicherlich wird als nächstes etwas Interessantes gesagt werden, aber 2 Stunden lang zusehen...
Ich mochte den Dozenten, aber nicht die Vorlesung. Aber er liest gut. (Ich konnte es 25 Minuten lang aushalten). Für ein anderes Publikum konzipiert. Ich bin sicher, dass er als Nächstes etwas Interessantes sagen wird, aber 2 Stunden lang zusehen...
Ich habe es auch noch nicht herausgefunden.
Er bietet eine Reihe von Vorlesungen an, von denen die erste eine gründliche Analyse der Marktstruktur und -modelle enthält.
im Allgemeinen interessant. Quantum von JP Morgan oder wer weiß.
Ah - nun, es ist das Gegenteil von Vladimir. Er gewichtete die Linien in diesen Teststücken, und indem er sie ständig verschob, gewichtete er die gesamte Probe. Hier erhalten Sie für jede Zeile ein anderes Gewicht.
Sie trainieren einen kleinen Teil von Lerna (20-50k Strings), vergleichen mit dem Test, und wenn der Test besser/schlechter als der Durchschnitt für alle Chunks ist, ändern Sie die Gewichtung für alle Strings in diesem Teil von Lerna. Hier ist das Gewicht aller Zeilen in einem Slice gleich.
Verstehe ich Ihre Idee jetzt richtig?
Ja, in einem Slice ist die Gewichtung gleich, zuerst wird jedes Slice trainiert und am Ende in einem Test getestet, und das Ergebnis wird für das Trainings-Slice aufgezeichnet, dann wird der Durchschnitt für alle Slice genommen und durch die Spanne geteilt, das ergibt die Gewichte.
Into the piggy bank, wahrscheinlich interessant... habe es noch nicht gesehen. mochte den Inhalt des Vortrags.
https://www.lektorium.tv/lecture/14232
Die Finanzmathematik, die ohne die stochastische Kalkulation von Ito präsentiert wird, sieht ziemlich kryptisch und obskur aus.