Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3039
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
Per Definition können keine Probleme durch FF gelöst werden. Entweder gibt es SEHR viel, was man um einen einzigen Prozentpunkt verbessern kann, oder nicht. Man kann keinen Müll verbessern, egal wie sehr man im Müll wühlt, der Müll bleibt Müll.
Daher sind erste Überlegungen zur Beziehung zwischen Ziel und Prädiktoren von großer Bedeutung. Darüber hinaus ist eine quantitative Bewertung dieser Beziehung erforderlich, und zwar nicht nur eine Bewertung der Beziehung, sondern eine quantitative Bewertung der Fähigkeit der Prädiktoren, künftige Werte der Zielvariablen (des Lehrers) vorherzusagen. In dieser Argumentationskette ist kein Platz für FF, so dass man einfach einen MO-Algorithmus - von denen es Hunderte gibt - nehmen und als Black Box verwenden kann, ohne zu versuchen, irgendetwas an bestimmten Algorithmen zu "verbessern".
Außerdem sind FF-Klassen eine heikle Angelegenheit - der Geruch einer zu starken Anpassung an die Geschichte ist zu stark.
Ich wusste, dass Sie nicht an meinem Beitrag vorbeigehen würden. Außerdem wusste ich, dass Sie reden würden. Leider erkennen Sie nicht, dass das, was fett rot hervorgehoben ist, FF.... ist. Ich verstehe nicht, warum Sie so allergisch gegen FF sind.
Übrigens kann man aus Müll eine Menge nützlicher Dinge machen - Recycling heißt Wiederverwertung. Ich werde mehr sagen - das Vorhandensein von "Müll" erlaubt es einfach, auf den Märkten immer noch einen stabilen Gewinn zu machen, es gibt sogar Beispiele in diesem Forum.
Sehr richtige und kompetente Argumentation, natürlich widersprüchlich - "... nicht beim Bau nachhaltiger TZ", sondern nur bei der Technologie des Baus/Auswahl/Evolution nachhaltig rentabler TZ und anstreben.
Es ist, als würde man in ein Geschäft gehen, um Kleidung zu kaufen, aber man hat keine feste Vorstellung davon, was man möchte, in welchem Stil, für welche Jahreszeit, und im Ergebnis wird das Ding nicht getragen und das Geld ist verschwendet.
Sie haben eine Spalte mit der Bezeichnung "Klassifizierungsfehler", und die Klassifizierung ist jetzt irrelevant.
Wenn Sie den Klassifizierungsfehler nicht auf dem Bildschirm ausdrucken, woher wissen Sie dann, dass er irrelevant ist? Drucken Sie alles aus, was interessant ist.
Drucken Sie aus und zeigen Sie, dass sogar 9 % zufällig sein können und 10 % bereits verschmelzen. Das ist interessant. Hier ist eine für Sie mit 20%.
Ihr Diagramm, so wie ich es verstehe, werden wir nicht sehen.
Ich wusste, dass Sie meine Nachricht nicht übergehen würden. Ich wusste sogar, dass Sie reden würden. Leider ist Ihnen nicht klar, dass das, was fett und rot hervorgehoben ist, FF..... ist. Ich verstehe nicht, warum Sie so allergisch gegen FF sind.
Übrigens kann man aus Müll eine Menge nützlicher Dinge machen - Recycling heißt Wiederverwertung. Ich werde noch mehr sagen - das Vorhandensein von "Müll" erlaubt es einfach, auf den Märkten noch einen stabilen Gewinn zu erzielen, es gibt sogar Beispiele in diesem Forum.
In einem früheren Beitrag schrieben Sie
"Das Problem ist, dass es bisher niemandem gelungen ist, solche Regeln für FF zu finden (zumindest habe ich das nicht gesehen)."
Die Aufgabe ist wirklich schwierig und bei MO-Modellen von der Stange unmöglich: das MO-Modell als Blackbox zu haben, um dort etwas in der Vorhersagekraft der Prädiktoren zu suchen, mit dem Ziel der Ausgewogenheit.
Eine wahnsinnig schwierige Aufgabe.
Und unnötig.
Wir lösen sie Schritt für Schritt, und das ist es, was ich praktisch tue: Ich löse das Problem der Schätzung der Vorhersagekraft der Prädiktoren, dann passe ich das Modell als Blackbox an, dann arbeite ich mit den Ergebnissen der Anpassung. Heute, bereits auf der Ebene der EA-Tests, stellt sich heraus, dass mein Lehrer irgendwie seltsam ist. Ich muss an der Lehrkraft arbeiten (Zielvariable).
Aber das Wichtigste in meinem Schema ist, dass ein bereits sehr komplexes Problem, das durch den Versuch, eine FF zu konstruieren, noch komplizierter wird, in unabhängige Stufen zerlegt wird und das Problem beobachtbar wird.
Wenn Sie den Klassifizierungsfehler nicht auf dem Bildschirm ausdrucken, woher wissen Sie dann, dass er keine Rolle spielt? Drucken Sie alles aus, was interessant ist.
Ich habe es ausgedruckt und gezeigt, dass sogar 9 % zufällig sein können und 10 % bereits ein Abfluss sind. Das ist interessant. Hier ist zum Beispiel eine mit 20%.
Dein Diagramm, so wie ich es verstehe, werden wir nicht sehen.
Alles, was Sie geschrieben haben, ergibt für mich keinen Sinn.
Ein Klassifikationsfehler (wie wurde er berechnet?) von 10% ist ein klares Zeichen für Übertraining. Um Übertraining zu widerlegen, brauchen Sie einen Klassifikationsfehler im Trainingsset und "out-of-sample" - sie sollten ungefähr gleich sein.
Ich habe einen gut funktionierenden Expert Advisor mit einem Klassifikationsfehler von knapp unter 20%. Gleichzeitig liegt der Prozentsatz der Verlustgeschäfte im Tester bei knapp über 20 %.
Ich würde gerne konsistente Zahlen zur Klassifizierung sehen, die beweisen würden, dass kein Übertraining vorliegt, und ich würde gerne verstehen, wie das Gleichgewicht aus der Klassifizierung gewonnen wird.
Vorhin schrieben Sie
"Das Problem ist, dass es bisher niemandem gelungen ist, solche Regeln für FF zu finden (ich habe zumindest keine gesehen)."
Die Aufgabe ist wirklich schwierig und bei Standard-IO-Modellen nicht durchführbar: das IO-Modell als Blackbox zu betrachten und in der Vorhersagekraft der Prädiktoren nach etwas zu suchen, wobei das Ziel die Ausgewogenheit ist.
Eine wahnsinnig schwierige Aufgabe.
Und unnötig.
Wir lösen sie Schritt für Schritt, und das ist es, was ich praktisch tue: Ich löse das Problem der Schätzung der Vorhersagefähigkeit von Prädiktoren, dann passe ich das Modell als Blackbox an und arbeite dann mit den Ergebnissen der Anpassung. Heute, bereits auf der Ebene der EA-Tests, stellt sich heraus, dass mein Lehrer irgendwie seltsam ist. Ich muss an der Lehrkraft arbeiten (Zielvariable).
Aber das Wichtigste an diesem Schema ist, dass ein bereits sehr komplexes Problem, das durch den Versuch, eine FF zu konstruieren, noch komplizierter wird, in unabhängige Stufen zerlegt wird und das Problem beobachtbar wird.
Der fettgedruckte Teil besagt, dass man IMMER einige Fitnessfunktionen verwendet. Bewertung der Vorhersagefähigkeit - Kriterien der Güte (Stabilität), Anpassung - Kriterium der Identität, Arbeit mit Ergebnissen - Bewertung durch einige Metriken und Auswahl. d.h. in jeder Phase, wo immer wir etwas tun, gibt es eine FF als bewertende Beschreibung dessen, was wir als Ergebnis erhalten wollen. Sie haben die allgemeine integrale Bewertung in kleine differenzielle Bewertungen zerlegt, aber das Wesentliche hat sich nicht geändert, Sie verwenden immer noch FFs in Ihrer Arbeit.
Wer ist schuld, wenn Sie eine miserable Jacke gekauft haben? - Der Hersteller? - der Verkäufer? - Die Schafe? - Sie können bis zu den Atomen gehen, aus denen die Jacke besteht, aber es wird nicht besser werden und Sie werden nicht verstehen, warum die Jacke schlecht ist. Ihre Kriterien für die Bewertung einer Jacke beim Kauf - FF - sind schuld.
Wenn keine Jacke zum FF passt, dann gibt es entweder eine solche Jacke nicht und Sie brauchen nichts zu kaufen, oder Sie müssen den FF ändern)))
Wer ist schuld, wenn Sie eine miserable Jacke gekauft haben? - Der Hersteller? - der Verkäufer? - Die Schafe? - Sie können bis zu den Atomen gehen, aus denen die Jacke besteht, aber es wird nicht besser und Sie werden nicht verstehen, warum die Jacke scheiße ist. Ihre Kriterien für die Bewertung einer Jacke beim Kauf sind schuld - FF.
Wenn keine Jacke zum FF passt, dann gibt es entweder eine solche Jacke nicht und Sie brauchen nichts zu kaufen, oder Sie müssen den FF ändern)))
Und man kann eine Jacke machen: die Ärmel an die unterschiedlichen Armlängen anpassen, den Buckel genau einpassen und vorne schön einen Nervenbündel spielen. Und schon hat man eine Jacke. Das ist der Unterschied in unseren Ansätzen. Es lebe die Schneiderei!
Oder Sie machen eine Jacke: Passen Sie die Ärmel an die unterschiedlichen Längen der Arme an, passen Sie den Buckel genau an und spielen Sie den Nervenbündel vorne schön aus. Und schon haben Sie eine Jacke. Das ist der Unterschied in unseren Ansätzen. Es lebe die Schneiderei!
Klassifizierungsfehler (wie wurde er berechnet?)
Gibt es irgendwelche Optionen? ))))