Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1608

 
durch die Signale im Einkaufswagen wegschlagen? )
 
Maxim Dmitrievsky:
die durch die Signale im Wagen zurückprallen? )

als eine Option ja, durch einige Iterationen

 
Evgeny Dyuka

- Es ist nicht nötig, nach ausgeklügelten Lösungen zu suchen, alles ist einfach, ich habe das erste Ergebnis mit einer Schicht Sequential

- die Vorhersage basiert auf der kombinierten Meinung von 20 Modellen


Ich denke, eines von zwei ist hier überflüssig...

 
...:

- Sie müssen nicht nach komplizierten, ausgeklügelten Lösungen suchen, es ist ganz einfach, ich habe mein erstes Ergebnis mit einer einzigen Schicht Sequential

- die Vorhersage wird auf der Grundlage der kombinierten Meinung von 20 Modellen getroffen.


Ich denke, einer der beiden ist hier überflüssig...

Es gibt keine Redundanz. Ein Modell ist eine solche kleine Datei - das Ergebnis des Netzwerktrainings. Wenn es viele davon gibt, können sie manipuliert werden.
 
Evgeny Dyuka:

1. Warum ein Ensemble von Modellen? Was zeichnet sie aus? Ist es die Länge der Zukunft oder die Merkmale?

oder gibt es ein anderes, hierarchisch übergeordnetes Netz, das auswählt, welches Netz aus dem Ensemble zu hören ist?


2. Wenn alles gut läuft, warum die Öffentlichkeit? Was hindert Sie daran, selbst Geld zu verdienen?


3. vollständig Candlesticks + Indikatoren + etwas schwieriger und was ist schwieriger? )

 
mytarmailS:

1. Warum ein Ensemble von Modellen? Was zeichnet sie aus? Ist es die Länge der Zukunft oder die Merkmale?

oder gibt es ein anderes, hierarchisch übergeordnetes Netz, das auswählt, welches Netz aus dem Ensemble zu hören ist?


2. Wenn alles gut läuft, warum die Öffentlichkeit? Was hindert Sie daran, selbst Geld zu verdienen?


3. vollständig Candlesticks + Indikatoren + etwas schwieriger und was ist schwieriger? )

1. Eingangsdaten (Chips)
2. Sobald man anfängt, in Begriffen wie "verdienen" zu denken, wird alles sofort langweilig und hört auf, das Gehirn schaltet auf Ziele, Stops, Backtests, Auswahl der Parameter um, während wir uns hier für das Thema selbst, den Forschungsteil, interessieren.
3. das ist Know-how
 
mytarmailS:

1. Warum ein Ensemble von Modellen? Was zeichnet sie aus? Ist es die Länge der Zukunft oder die Merkmale?

oder gibt es ein anderes, hierarchisch übergeordnetes Netz, das auswählt, welches Netz aus dem Ensemble zu hören ist?


2. Wenn alles gut läuft, warum die Öffentlichkeit? Was hindert Sie daran, selbst Geld zu verdienen?


3. vollständig Candlesticks + Indikatoren + etwas schwieriger und was ist schwieriger? )

2. Ich würde das Thema Börsenhandel gerne auslagern.
Ich kann Neuro-Signale über Sockets+Json ohne Filter liefern - so wie sie sind, d.h. Vorhersage jede Minute.
 
Ich werde einer der Ersten sein, der sich anmeldet, wenn ich sehe, dass es eine echte Sache ist, undich werde einer der Ersten sein, der das tut:
2. Ich bin gerne bereit, das Thema Handel an der Börse auszulagern.
Ich kann Neuro-Signale über Sockets+Json ohne Filter liefern - so wie sie sind, d.h. Vorhersage jede Minute.

Sie können Trades hier in MQL auf "Signale" übertragen

Und sofort nach Kunden suchen, die sich anmelden... Ich werde einer der Ersten sein, der sich anmeldet, wenn ich sehe, dass es sich nicht um eine beschissene Durchschnittsberechnungsmaschine handelt.

 

Ich habe eine theoretische Frage

Wir haben eine Zielfunktion, der wir das Modell annähern wollen

wir haben Prädiktoren, lass es 1000 Stück sein.


Die Frage ist also, wenn wir viele Prädiktoren haben, können wir sie in gleiche Teile aufteilen, z. B. 100 und 10 Modelle trainieren.

Dann werden die Ergebnisse dieser 10 Modelle als Prädiktoren in das neue Modell eingespeist. Wird es das Äquivalent eines Modells sein, das zunächst für 1000 Prädiktoren auf einmal trainiert wurde?

Irgendetwas sagt mir, dass dies nicht der Fall ist, aber ich würde gerne Meinungen hören.

 
mytarmailS:

Ich habe eine theoretische Frage

Wir haben eine Zielfunktion, der wir das Modell annähern wollen

wir haben Prädiktoren, lass es 1000 Stück sein.


Die Frage ist also, wenn wir viele Prädiktoren haben, können wir sie in gleiche Teile aufteilen, z. B. 100 und 10 Modelle trainieren.

Dann werden die Ergebnisse dieser 10 Modelle als Prädiktoren in das neue Modell eingespeist. Wird es das Äquivalent eines Modells sein, das zunächst für 1000 Prädiktoren auf einmal trainiert wurde?

Irgendetwas sagt mir, dass es nicht so ist, aber ich würde gerne einige Meinungen hören.

nennt man das Stapeln von Modellen. Es wird nicht dasselbe sein, aber nicht unbedingt effizienter. Ich habe es so gemacht und keine Verbesserung festgestellt.

Es gibt noch eine andere Möglichkeit, das so genannte Meta-Training. Sie trainieren das erste Modell, um Klassen vorherzusagen, dann erhalten Sie die Ergebnisse und speisen sie in das zweite Modell ein, das auf denselben oder anderen Prädiktoren basiert und den Handel mit dem ersten Modell zulässt/verweigert. 1 - handeln, 0 - nicht handeln, abhängig von der Qualität der ersten Modellvorhersagen, d.h. eine Art Filter. Es reduziert die Fehler bei Trainingsdaten stark, bei neuen Daten jedoch nicht so sehr (wenn das Modell eine geringe Generalisierbarkeit aufweist). Aber die Meta-Ausbildung an sich ist in Ordnung.

Sie können das erste Modell auf einige Daten und das Metamodell auf andere Daten trainieren, die auf Fehlern des ersten Modells basieren. Es kann verschiedene Varianten geben. Ich habe es auf beide Arten gemacht, im Allgemeinen gibt es eine Verbesserung, aber es ist mehr ein Tweaking, als ein Weg, um ein gutes Modell zu bekommen, das im Feedback funktioniert.

Sie können Marcos Lopez De Prado "meta learning" googeln, gerade über den Handel.