Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3183

Neuer Kommentar
 

Auf genau dieselbe Weise erhalte ich durch denselben Algorithmus sowohl funktionierende als auch nicht funktionierende OOS-Modelle. Das Symbol ist dasselbe, es wurde keine neue Randomisierung hinzugefügt. Es werden lediglich zufällig entweder langlaufende Muster oder lokale Muster gefunden. Denn das Training auf einer zufälligen Teilstichprobe (40 % innerhalb des ausgewählten Bereichs), und immer noch stehen andere Randomisierer auf der Suche nach Mustern durch Randomisierung, die Randomisierung jagt.


 
fxsaber #:

Erstens.

Ich verstehe diese Aussage nicht. Was ist mit den beiden folgenden Optionen gemeint?

  1. Es braucht viele Iterationen der Zufallsgenerierung, um ein brauchbares Zeichen zu erhalten.
  2. Wenn Sie viele zufällige Zeichen erstellen, steigt die Wahrscheinlichkeit, dass ein brauchbares Zeichen darunter ist.

Der Zufallsalgorithmus sieht folgendermaßen aus:

  1. Es wird ein echter Tickverlauf genommen.
  2. Daraus wird eine Folge von Inkrementen des durchschnittlichen ((Geld+Brief)/2) Preises erstellt.
  3. In dieser Folge wird jeder Term zufällig entweder mit +1 oder -1 multipliziert.
  4. Aus der erhaltenen Folge von Inkrementen wird eine neue Tick-Historie erstellt, bei der Zeit und Spread mit Punkt 1 übereinstimmen.
  5. Die neue Tick-Historie wird in ein benutzerdefiniertes Symbol geschrieben.
D.h. ein reales Symbol wird zufällig ausgewählt. Sie können Punkt 3 beliebig oft anwenden. Wenn nach Punkt 5 alle fünf Punkte wiederholt werden, ist dies dasselbe wie die zweimalige Wiederholung von Punkt 3.

Ja, die hervorgehobenen

Sie müssen viele Male, viele Zeichen ausführen. Ich habe oben ein Beispiel für meinen Übersampler gezeigt. Es ist nur zufällig zieht Proben für die Ausbildung aus der gleichen Zeile und die Ergebnisse sind immer anders auf OOS.

Genau die gleichen scharfen Einbrüche auf OOS.
 
Ich verstehe einfach nicht, was dieses SB-Zeug soll, was beweist es? ) Man kann jede beliebige Kurve auf dem OOS bekommen, wenn man es nur oft genug mischt.
 
mytarmailS #:
Scheiße, ich weiß nicht, wie ich es in einfachen Worten ausdrücken soll.

Sie wählen bessere Varianten "von Hand" auf OOS nach der Optimierung auf dem Test und es ist NICHT eine Anpassung....

Und wenn der Algorithmus nach der Optimierung die besten Optionen auf dem OOS auswählt, ist das eine Anpassung. Warum?

Die Auswahl der besten Varianten/Optionen aus der Gesamtheit der Varianten ist eine Optimierung... Dabei spielt es keine Rolle, ob Sie dies von Hand oder mit einem Algorithmus tun.

Vielleicht haben Sie nur mit dem Tester in MT gearbeitet und denken etwas formelhaft über die Optimierung selbst und die Art und Weise ihrer Anwendung, deshalb haben wir einige Missverständnisse

Ihre Aussage.

Forum zum Thema Handel, automatisierte Handelssysteme und Testen von Handelsstrategien

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

mytarmailS, 2023.08.16 13:23

Stellen Sie sich vor, Sie haben nur 1000 Varianten von TS, im Allgemeinen.


Ihre Schritte 1 und 2

1) Sie beginnen mit der Optimierung/Suche nach einem guten TS, das sind Trainingsdaten (Anpassung/Suche/Optimierung).

Nehmen wir an, Sie haben 300 Varianten gefunden, bei denen der TS Geld einbringt...

2) Nun suchen Sie unter diesen 300 Varianten einen TK, der OOS-Testdaten bestehen wird. Sie haben sagen wir 10 TK gefunden, die sowohl in der Ausbildung als auch im Test Geld verdienen ( OOS ).


Was ist nun Punkt 2?

Es ist die gleiche Fortsetzung der Anpassung, nur dass Ihre Suche(Anpassung/Suche/Optimierung) etwas tiefer oder komplexer geworden ist, weil Sie jetzt nicht mehr nur eine Optimierungsbedingung haben (um den Handel zu bestehen), sondern zwei (um den Test zu bestehen + um den Handel zu bestehen).

Stellen wir uns vor, dass es eine Million Mal mehr Varianten gibt: 1 Milliarde TK, 300 Millionen TK-Varianten werden gefunden, bei denen die trainierte Stichprobe Geld bringt - das ist p.1.

In p.1. wird die Optimierung auf eine Fitnessfunktion durchgeführt. Je höher der Wert, desto höher wird die Fitness angenommen. Bei der Optimierung geht es also darum, das globale Maximum zu finden. All dies ist p.1.


  • Wenn die Optimierung abgeschlossen ist, können Sie unter 300 Millionen positiven Ergebnissen nach den fünf suchen, die OOS bestehen. Das tue ich nicht.
  • Oder man kann die fünf am nächsten liegenden Ergebnisse aus dem globalen Maximum nehmen und sie nur auf OOS untersuchen.
Bei der ersten Möglichkeit handelt es sich also um eine Optimierung der Ansicht.

Forum zum Thema Handel, automatisierte Handelssysteme und Testen von Handelsstrategien.

Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algorithmenhandel

fxsaber, 2023.08.19 01:32 Uhr

Glauben Sie, dass Sie dem Modell train_optim + test_forward mehr vertrauen sollten als (train+test)_optim?

D.h. es ist ein Fit in seiner reinsten Form.


Wenn Sie Letzteres tun, ist es jedoch kein Fit.

 
Maxim Dmitrievsky #:

Auf genau dieselbe Weise erhalte ich durch denselben Algorithmus sowohl funktionierende als auch nicht funktionierende OOS-Modelle. Das Symbol ist das gleiche, es wurde keine neue Randomisierung hinzugefügt.

Ich habe nicht mit demselben Symbol trainiert. Offensichtlich gibt es Serien mit beliebigen Merkmalen in der Randomisierungswolke.

 

Die Vorderseite ist schlechter und die Rückseite ist besser. Und die umgekehrten Situationen sind genau die gleichen. Ich habe im Moment nur noch nicht viel umgebaut.

 
fxsaber #:

Ihre Behauptung.

Stellen wir uns vor, dass es insgesamt eine Million Mal mehr Varianten gibt: 1 Milliarde TK, 300 Millionen TK-Varianten werden gefunden, wobei auf der trainierten Stichprobe Geld verdient wird - das ist Punkt 1.

In Punkt 1. wird die Optimierung auf eine Fitnessfunktion durchgeführt. Je höher der Wert, desto höher wird die Fitness angenommen. Bei der Optimierung geht es also darum, das globale Maximum zu finden. All dies ist Punkt 1.


  • Wenn die Optimierung abgeschlossen ist, könnten Sie unter 300 Millionen positiven Ergebnissen nach den fünf suchen, die OOS bestehen. Das tue ich aber nicht.
  • Oder Sie können die fünf am nächsten liegenden Ergebnisse aus dem globalen Maximum nehmen und nur diese auf OOS untersuchen.
Bei der ersten Möglichkeit handelt es sich also um eine Optimierung der Form

Es ist also eine reine Anpassung.


Bei der zweiten Variante handelt es sich nicht um eine Anpassung.

Ich hab's. Ich entschuldige mich.

 
fxsaber #:

Ich habe eine Ausbildung für mehr als ein Merkmal absolviert. In der Randomisierungswolke gibt es natürlich Zeilen mit jedem Merkmal.

Nun, ich sehe kein Problem. Alle diese TS sind randomisiert, weil sie auf einem nicht-stationären Markt handeln. Aber einige Varianten können in gewisser Hinsicht Gewinn bringen.

 
Maxim Dmitrievsky #:

Ja, die hervorgehobenen

Sie müssen viele Male, viele Zeichen laufen.


Ich habe oben ein Beispiel für meinen Übersampler gezeigt. Es zieht nur zufällig Proben für die Ausbildung aus der gleichen Zeile und die Ergebnisse sind immer anders auf OOS.

Auf dem realen Symbol habe ich einen solchen Effekt nicht. Ich wähle beliebige 40% des Optimierungsintervalls und danach sind die Ergebnisse bei OOS sehr ähnlich.

Das ist das Symbol, das ich für die Randomisierung ausgewählt und dessen Trainingskurven ich erstellt habe.

Genau die gleichen starken Einbrüche auf der OOS.

Ich sehe sie nicht immer.

 
fxsaber #:

Auf dem realen Symbol kann ich einen solchen Effekt nicht beobachten. Ich wähle beliebige 40% des Optimierungsintervalls und danach sind die Ergebnisse bei OOS sehr ähnlich.

Dies ist das Symbol, das ich für die Randomisierung ausgewählt und dessen Trainingsgraphen gegeben habe.

Ich sehe sie nicht immer.

Dennoch bedeutet, dass es mehr Alpha in den Ticks gibt. Ich habe einen Weg gefunden, sie schnell zu durchsuchen (durch MO wäre es sehr langwierig gewesen). Ich werde die Ergebnisse später ausrollen, wenn ich fertig bin.

1...317631773178317931803181318231833184318531863187318831893190...3399
Neuer Kommentar