Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1811

 
Maxim Dmitrievsky:
Diskretisierung ist Unsinn, man kann Regularisierung verwenden. Das zusätzliche Training des Modells im Laufe des Handels ist ebenfalls Unsinn, es wird nicht funktionieren.

Das ist zu radikal)))

 
Valeriy Yastremskiy:

Radikal wie es nur geht)))

Sie werden auf diese Weise kein Muster finden, es ist einfach zafit. Wie man den Schlitz mit Watte fester stopft
 
Maxim Dmitrievsky:
Man kann auf diese Weise kein Muster finden, es ist einfach zafit. Wie man den Schlitz mit Watte ausstopft

Do-Learning ändert nicht die Art der Suche, sondern fügt neue Daten zum Lernen hinzu. Warum ist das eine schlechte Sache?

Die Trennung ist komplexer, und es gibt keine direkte Logik, wie können Sie sicher sein?

 
Valeriy Yastremskiy:

Do-Learning ändert nicht die Art und Weise, wie Sie suchen, aber es fügt neue Daten zum Lernen hinzu. Warum ist das schlecht?

Die Trennung ist komplizierter und es gibt keine direkte Logik, wie können Sie sicher sein?

Denn es handelt sich um das Lernen in gleitenden Fenstern, was genau dasselbe ist wie das Umlernen. Und es kann nicht auf neue Daten kontrolliert werden
 
Maxim Dmitrievsky:
Weil es sich um ein Sliding-Window-Training handelt, das genauso umtrainiert wird. Und es kann nicht auf neue Daten kontrolliert werden

Die Kontrolle erfolgt nur durch die Auswertung des letzten Fensters und nur dann, wenn die neuen Merkmale der Reihe signifikant geworden sind und eine Verzögerung eingetreten ist. Wenn wir es ernst meinen, müssen wir mit allen Daten trainieren, um die Verzögerung zu minimieren. Dies ist nur eine von vielen Serien.

Es ist sehr wahrscheinlich, dass die neuen Daten ein anderes Werkzeug wiederholen, das nicht an der Ausbildung beteiligt war.

 
Valeriy Yastremskiy:

Die Kontrolle erfolgt erst, wenn das letzte Fenster ausgewertet wurde, und auch nur dann, wenn die neuen Merkmale der Zeile signifikant geworden sind und eine Verzögerung eingetreten ist. Heutzutage gibt es sehr viele Daten, und wenn wir es ernst meinen, sollten wir mit allen Daten trainieren, um die Verzögerung zu minimieren. Dies ist nur eine von vielen Serien.

Es ist durchaus möglich, dass die neuen Daten ein anderes Werkzeug wiederholen, das nicht an der Ausbildung beteiligt war.

Ich sehe keinen Unterschied zwischen dem Training auf allen Daten und dem Training im gleitenden Fenster. Wenn sich die Merkmale von Serien sehr gleichmäßig ändern, ist das sinnvoll. Aber so etwas gibt es auf dem Markt nicht.
 
Maxim Dmitrievsky:
Ich sehe keinen Unterschied zwischen dem Training auf allen Daten und einem gleitenden Fenster. Wenn sich die Merkmale einer Serie sehr gleichmäßig verändern, ist das sinnvoll. Aber so etwas gibt es auf dem Markt nicht.

Es macht nur Sinn, eine Bibel mit erhaltenen Eigenschaften zu haben, mehr nicht. Es kann keine vollständige Lösung sein, aber es funktioniert, um Wiederholungen auf verschiedenen Instrumenten zu verschiedenen Zeiten zu finden. Und nur als Hilfsdaten für das gleitende Fenster.

 
Valeriy Yastremskiy:

der Punkt liegt nur in der Bibliographie der erhaltenen Merkmale, mehr nicht. Es ist zwar keine vollständige Lösung, aber es funktioniert, um Wiederholungen auf verschiedenen Instrumenten zu verschiedenen Zeiten zu finden. Und nur als Hilfsdaten für Schiebefenster.

Welche Merkmale? Es wird eine Reihe von NS-Gewichten geben, die nicht interpretiert werden
 
Maxim Dmitrievsky:
Welche Merkmale? Es wird eine Reihe von NS-Gewichten geben, die nicht interpretiert werden

Ja, es gibt einen Widerspruch zwischen Wünschen und Instrumenten. Eine Reihe von Gewichten mit NS ist in der Tat unzureichend, und es ist kaum möglich, aus ihnen Interpretationen zu gewinnen.)

Das Merkmal einer Reihe ist das einfachste mögliche mathematische Modell, das sie mit einem ausreichend kleinen Fehler beschreibt))))

 

Vladimir Perervenko:

...

Es ist eine große Illusion, dass man ein Modell auf einer riesigen Bandbreite von Daten aus der Vergangenheit trainieren und es dann lange Zeit ohne erneutes Training verwenden kann.

...

Lang ist, wie lange - ich habe ein Modell, das mindestens ein halbes Jahr auf der Plusseite läuft. Ich entdeckte es vor etwa einem Monat, als ich alte Dateiarchive durchging - ich nahm ein Modell und es funktioniert, aber jetzt weiß ich nicht, wie es trainiert wurde - CatBoost-Modell.

Ein weiteres Beispiel - auch auf Blättern aufgebaut, von denen die meisten auf der 2014-2018 Probe gesammelt werden, einschließlich eines Baumes im Februar 2020, die als Filter verwendet wird, und diese Synergie funktioniert gut im Jahr 2020.

Ich habe jedoch nicht riskiert, Geld auf alles zu setzen - und das ist mein Fehler.

Ich werde von dem Gedanken verfolgt, dass ich mich dem Kriterium nähere und alles zusammenbricht.