Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3137

 
Maxim Dmitrievsky #:


...

das Auto schützt sich selbst.

Hmm, interessant.

dasZitat ist auch die Arbeit des Computers nach der Formel, die ich oben gab, wenn überhaupt.

....

Frage - ist diese Maschine bereit, das Gewinnen zu lehren?

Wahrscheinlich nicht.

 
Maxim Dmitrievsky #:

))))


Nein, ich denke immer noch, dass eine Mitgliederbewertung cool wäre.

Ein paar Mal würden sie die Dummköpfe auf die Sockelleiste bekommen, und das wäre das Ende der Sache.
 
Forester #:
Was ist dann der Sinn einer Handelskozula? Wir werden nie Gründe für Eingaben haben. Ich fürchte, es wird auch keine Assoziationen geben.
Und die Spaltenverschiebung war in Permutation.
Ich vermute, es soll zeigen, ob es eine kausale Beziehung zwischen Merkmalen und Zielen gibt oder nicht. Ich mag die vorgeschlagenen Ansätze, das Experimentieren. Sie sind anders als das übliche Lernen.
Das Problem könnte die Schwierigkeit sein, den Tritment-Effekt aufgrund des Einflusses von Confoundern in einem großen Merkmalsraum zu isolieren. Aber die Kreuzvalidierung sollte den Tag irgendwie retten.
 
mytarmailS #:

Habe ich einen Gralscode angeboten?

Die Praxis trennt das Plappermaul vom Wissenden.

Sie können sagen, was Sie wollen, es gibt hier viele, die alles einfach haben, aber stellen Sie eine richtige Frage und alles schmeckt gut.

Ist es klar, wovon wir reden?


wobei A,B,C Instrumente sind.

Das ist fast das Gleiche:


Schalten Sie zuerst Ihr Gehirn ein!

Sie haben sich immer wieder einen Hinweis geben lassen, den angeblich sowieso niemand versteht

Sie machen sich über das menschliche Gehirn lustig.

Das tut doch nicht weh, oder?

Mal sehen, wer diese Scharade lösen kann.

Dann werden wir unsere Schlüsse ziehen.

Antwort:


 
mytarmailS #:

))))

Nein, ich denke, eine Rangliste der Teilnehmer wäre cool.

Aus irgendeinem Grund kommt mir ein alter Witz in den Sinn:
"Stirlitz hat sich gewehrt, das war Müllers Lieblingsfolter" :)
 
mytarmailS #:

Es handelt sich wahrscheinlich um eine Art Oszillator.

Was Sie tatsächlich getan haben, entscheiden Sie selbst, warum))))

Momentum-Oszillator

oh cool! danke! jetzt verstehe ich) nur muss er jedes Mal neu trainiert werden? sonst kann man die Komponenten für neue Daten nicht erkennen?

 
Evgeni Gavrilovi #:

oh cool! danke! jetzt verstehe ich) nur muss es jedes Mal neu trainiert werden? sonst kann es keine Komponenten für neue Daten erkennen?

Verwenden Sie umap, nicht t-sne.

umap hat einen Prädiktor.


Aber wenn die neuen Daten über den Bereich der alten Daten hinausgehen, wird der Algorithmus nicht richtig funktionieren, in diesem Fall ist es besser, die normale PCA zu verwenden.

Dies alles gilt für Daten ohne Normalisierung.

 
Renat Akhtyamov #:

damit wir wissen, wovon wir reden?

wobei A,B,C Instrumente sind

Hören Sie auf, hier Ketzerei zu schreiben, und auch off-topic Ketzerei.

Sogar rivalisierende Mitglieder des Threads sind bereits mit einer Stimme zu hören.

 
Maxim Dmitrievsky #:
Ich vermute, es soll zeigen, ob es eine kausale Beziehung zwischen Merkmalen und Zielen gibt oder nicht. Ich mag die vorgeschlagenen Ansätze, das Experimentieren. Anders als das übliche Lernen.
Das Problem könnte die Schwierigkeit sein, den Tritment-Effekt aufgrund des Einflusses von Confoundern in einem großen Merkmalsraum zu isolieren. Aber die Kreuzvalidierung sollte den Tag irgendwie retten.
Forester#:
Und was ist dann der Sinn von kozula für den Handel? Wir werden nie Gründe für den Einstieg haben. Ich fürchte, wir werden auch nie Assoziationen haben.
Und das Spaltenmischen war auch in Permutation.

Was hat das mit Ihrem cajuel zu tun?

Ohne Ihr Cahuel zu kennen, berechne ich seit 10 Jahren die Kausalität, schätze sie quantitativ und filtere die Prädiktoren nach der Varianz der Schwankung dieser Beziehung, wenn sich das Fenster bewegt. Und ich habe hunderte von Beiträgen in diesem Thread darüber geschrieben.

 
СанСаныч Фоменко #:

Was haben Ihre Schmeicheleien damit zu tun?

Ohne Ihr Schmeicheln zu kennen, berechne ich seit 10 Jahren den kausalen Zusammenhang und bewerte ihn quantitativ, indem ich die Prädiktoren nach der Varianz der Schwankung dieses Zusammenhangs filtere, wenn sich das Fenster bewegt. Und ich habe hundert Beiträge darüber in diesem Thread geschrieben.

Wie lange haben Sie noch Zeit? )

Können Sie beliebige Attribute in ausreichender Menge, die sich auf Zeitreihen beziehen, und beliebige Etiketten, die Gewinne im Tester anzeigen, nehmen und daraus ein robustes Modell erstellen?

Immerhin sind alle BP-Derivate für ihn relevant :)


Schwierig ist die Aufgabe in anderen Bereichen, in denen überhaupt nicht klar ist, woher die Funktion kommt und warum sie gebraucht wird. Es gibt tonnenweise solchen Müll in den großen Daten, der sehr schwer zu filtern ist. Und tonnenweise falsche Korrelationen sind die Folge.

Unsere Aufgabe sieht im Vergleich dazu sogar primitiv aus, wenn wir BP und seine Derivate nehmen. Denn alle Zeichen sind mit ihm verbunden.

Aber wir müssen immer noch mit dem Algorithmus und der Logik herumspielen, um die Zeichen mit den Merkmalen abzugleichen. Es kann viele Logiken geben. Also machen Sie Ihre, und wir machen unsere.

Ich habe bereits geschrieben, warum ich Kozul mag, weil ich selbst durch Nachdenken darauf gekommen bin. Und er passte organisch in meine Idee.