Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2581
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
Mit Python ist jetzt bequem. Ich habe mein Testprogramm geschrieben, aber es ist möglich, Modelle zu portieren oder über die API zu handeln. Wenn ONNX hinzugefügt wird, wird es eine echte Kanone sein.
Es gibt ein Backtest-Paket für Python, warum benutzen Sie es nicht?
Nun, ich verstehe, dass es jetzt in Mode ist, Algorithmen generativ zu beruhigen, aber was ist der eigentliche Vorteil von zwei bedingt einfachen Algorithmen, die sich gegenseitig beruhigen und verbessern, gegenüber einem komplexen Algorithmus, der das in sich selbst tut, nur grob gesagt, er baut komplexere Entscheidungsregeln in sich selbst auf als deine beiden...
Schauen Sie, lernen Sie Optimierungsalgorithmen und Fitnessfunktionen kennen und hören Sie auf, das Fahrrad auf eckigen Rädern neu zu erfinden
Das ist anders. Durch die Optimierung wird es eine Anpassung geben. Durch Analyse und Korrektur von Modellfehlern ist es auch eine Anpassung, aber man findet stabile Muster, indem man Unnötiges verwirft. Zumindest findet man ein Plateau, auf dem Stabilität herrscht. Durch einfache genetische Aufzählung ist es schwieriger, eher ein Handjob.
Ein elementares Beispiel.
Sie müssen AMO ausbilden, um maximalen Gewinn zu erzielen, was werden Sie tun?
1) Sie machen ein Ziel
2) Sie vergleichen die Modellemit Standardmetriken wie RMSE (dies ist völlig irrelevant)
3) Erstellen einer Gruppe der besten Modelle
4) Wählen Sie das beste Modell aus der Gruppe mit dem höchsten Gewinn
Nun eine Frage: Warum glauben Sie, dass Ihre Gruppe die absolute Spitze der besten Modelle im globalen Sinne ist? Sie haben die Modelle durch zwei subjektive Filter laufen lassen
(1) Ihr Ziel und (2) das Fehlermaß RMSE.
Ist es nicht besser, die Gewichte zu ändern (wenn es sich um ein Neuron handelt) und Regeln zu erstellen (wenn es sich um einen Baum handelt), um einen maximalen Gewinn zu erzielen, ist die Frage rhetorisch ... natürlich ist es besser und schneller
Der Punkt ist, dass du andere Gruppen von Models übersiehst, die Millionen verdienen, und diese Gruppen verdienen Millionen
Ein einfaches Beispiel.
Sie müssen AMO schulen, um Ihre Gewinne zu maximieren, was werden Sie tun?
1) Sie machen ein Ziel
2) Sie passen die Modellemit Standardmetriken wie dem RMSE an(dies ist völlig irrelevant)
3) Erstellen einer Gruppe der besten Modelle
4) Wählen Sie das beste Modell aus der Gruppe mit dem höchsten Gewinn
Nun eine Frage: Warum glauben Sie, dass Ihre Gruppe die absolute Spitze der besten Modelle im globalen Sinne ist? Sie haben die Modelle durch zwei subjektive Filter laufen lassen
(1) Ihr Ziel und (2) das Fehlermaß RMSE.
Ist es nicht besser, die Gewichte zu ändern (wenn es sich um ein Neuron handelt) und Regeln zu erstellen (wenn es sich um einen Baum handelt), um einen maximalen Gewinn zu erzielen, ist die Frage rhetorisch ... natürlich ist es besser und schneller
Der Punkt ist, dass Sie andere Gruppen von Modellen verpassen, die Geld verdienen, und diese Gruppen haben Millionen
Ich wähle R2 nach dem Gleichgewicht, plus die minimale Anzahl von Verlustgeschäften, aber mit der niedrigsten Entropie (logloss) und maximale Genauigkeit. Aus diesem Grund sind Modelle standardmäßig am profitabelsten.
Sie können aus vorgefertigten Modellen auswählen oder ein Modell erstellen. Das ist der Unterschied
Sie können aus vorgefertigten Modellen auswählen oder ein Modell erstellen. Das ist der Unterschied.