Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3275

[Renat Akhtyamov]

Maxim Dmitrievsky #:

Aus irgendeinem Grund halten Sie Ihr Hobby für das faszinierendste.

Da haben Sie recht.

Jedem das Seine.

Aber ich interessiere mich auch für MICH.

Aber warum sollte ich auf die gleiche Harke treten?

Ich werde das positive Ergebnis der Forschung hier spüren, und ich schließe mich gerne den etablierten Experten auf diesem Gebiet an.

Aber die Denkfehler sind mit bloßem Auge sichtbar.

und ich möchte wirklich, dass Sie in die richtige Richtung gehen, um in kurzer Zeit das erwartete Ergebnis zu erzielen.

[mytarmailS]

über die ansables von strategien

https://buildalpha.wordpress.com/2018/11/20/buildalpha-ensemble-strategies-reduce-overfitting-by-combining-strategies/

----------------------------------------

Alles, was man also braucht, ist eine Metrik der Strategieumschulung, um zu wissen, ob eine Strategie bei neuen Daten funktioniert oder nicht, alles andere ist lösbar....

----------------------------------------

Es gibt eine Idee, mehrere Ansätze zur Erkennung von Übertraining zu verwenden, meiner basiert auf auto.arima, Prado "PBO". etwas anderes ist möglich, werfen in als Prädiktoren und lehren AMO, um die Wahrscheinlichkeit von Übertraining vorherzusagen und machen es eine Metrik.

Alternativ.

[Maxim Kuznetsov]

mytarmailS #:
Strategieumschulungsmetrik, um zu wissen, ob eine Strategie bei neuen Daten funktionieren wird oder nicht.

eine andere Variante des Wortes "Gral" ? :-) "um zu wissen, ob sie in Zukunft funktionieren wird"

[mytarmailS]

Maxim Kuznetsov #:

eine andere Variante des Wortes "Gral" ? :-) "um zu wissen, ob es in Zukunft funktionieren wird"

Ich bin nicht präzise, wir brauchen eine ehrliche Wahrscheinlichkeit zum Beispiel - wird auf neue Daten mit 69% Wahrscheinlichkeit funktionieren.

[mytarmailS]

über p-hacking und Strategien

https://mathinvestor.org/2019/04/p-hacking-and-backtest-overfitting/

[[Gelöscht]]

Wenn Sie gestatten, möchte ich einen Beitrag zu einem so interessanten und wichtigen Thema leisten.

Maschinelles Lernen, ML, ist eine Klasse von Methoden der künstlichen Intelligenz, deren charakteristisches Merkmal nicht die direkte Lösung eines Problems ist, sondern das Lernen durch Anwendung von Lösungen auf eine Reihe ähnlicher Probleme. Um solche Methoden zu entwickeln, werden Werkzeuge der mathematischen Statistik, numerische Methoden, mathematische Analysen, Optimierungsmethoden, Wahrscheinlichkeitstheorie, Graphentheorie und verschiedene Techniken für die Arbeit mit Daten in digitaler Form verwendet.

P.Z..

[lynxntech]

Lorarica mathematischen Statistik, numerische Methoden, mathematische Analysen, Optimierungsmethoden, Wahrscheinlichkeitstheorie, Graphentheorie und verschiedene Techniken für die Arbeit mit Daten in digitaler Form verwendet.

P.Z..

das Wichtigste ist hier, nicht zu viele Wörter zu schreiben, schon so müde von der Suche, dass 1-2 Sätze nicht gelesen werden

[Maxim Dmitrievsky]

mytarmailS #:

über p-hacking und Strategien

https://mathinvestor.org/2019/04/p-hacking-and-backtest-overfitting/

Die Optimierung oder das Lernen von Strategien sollte also in etwa so aussehen:

wobei die mittlere Punktzahl das Analogon des Ergebnisses der Kreuzvalidierung ist

R2: 0.9849988744314404
Learn 1 model
R2: 0.9689143064621495
Learn 2 model
R2: 0.987424656181599
Learn 3 model
R2: 0.9439690206389704
Learn 4 model
R2: 0.9814487072270343
Learn 5 model
R2: 0.9636828703372952
Learn 6 model
R2: 0.986048862779979
Learn 7 model
R2: 0.960923469755229
Learn 8 model
R2: 0.9734744911894477
Learn 9 model
R2: 0.983760998020949
Learn 10 model
R2: 0.970035929265801
Learn 11 model
R2: 0.9888147318560191
Learn 12 model
R2: 0.9724422982608569
Learn 13 model
R2: 0.9554046278458146
Learn 14 model
R2: 0.9664401507673384
Learn 15 model
R2: 0.9806752105871513
Learn 16 model
R2: 0.977769556127485
Learn 17 model
R2: 0.9760342284284887
Learn 18 model
R2: 0.9769043647488534
Learn 19 model
R2: 0.9741849376008709
Learn 20 model
R2: 0.9740162061450146
Learn 21 model
R2: 0.919817531536493
Learn 22 model
R2: 0.9788269230776873
Learn 23 model
R2: 0.9579249703828974
Learn 24 model
R2: 0.9612684327278544

>>> o[0].mean()
0.9706082542553089

>>> o[0].std()
0.015284036641045055

[mytarmailS]

Lorarica #:

Es handelt sich nicht um eine Definition, nicht um einen vollständigen Satz von Eigenschaften.

Eine Definition sollte eindeutig die Frage beantworten, was es ist.

Was Sie haben, ist nur ein Haufen von Wörtern aus dem Internet mit dem Stichwort MO.

[mytarmailS]

Maxim Dmitrievsky #:

Die Optimierung einer Strategie oder eines Trainings sollte also in etwa so aussehen:

wobei die mittlere Punktzahl das Analogon zum Ergebnis der Kreuzvalidierung ist

Ungefähr so... ist das wie?

Was ist o[0]?