Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3344

 
Forester #:

Wahrscheinlich klassisch filtern, wenn( Spred > 10 pt ){nicht handeln oder aufpreisen}. Oder nicht in Pips, durchschnittlicher Spread * 2 oder *3.... *10.

Die Besonderheit ist, dass auch ohne den tatsächlichen Spread zu kennen, ein Teil der Trades ausfällt, wenn man ihn im Tester künstlich erhöht. Das heißt, Sie können sofort Schwachstellen erkennen, an denen Sie nicht handeln sollten. Deshalb habe ich es bedingt auf einen Modellfehler bezogen.
 
Aleksey Nikolayev #:

Wir brauchen eine gute probabilistische Vorhersage für Zeitreihen, aber nicht so kitschig wie heutzutage (z. B. Quantilsregression). In dem Artikel selbst habe ich das nicht gesehen, obwohl die Literaturliste es zu enthalten scheint.

Es gibt etwas von Yandex

Uncertainty in Gradient Boosting via Ensembles
Uncertainty in Gradient Boosting via Ensembles
  • research.yandex.com
For many practical, high-risk applications, it is essential to quantify uncertainty in a model's predictions to avoid costly mistakes. While predictive uncertainty is widely studied for neural networks, the topic seems to be under-explored for models based on gradient boosting. However, gradient boosting often achieves state-of-the-art results on tabular data. This work examines a probabilistic ensemble-based framework for deriving uncertainty estimates in the predictions of gradient boosting classification and regression models. We conducted experiments on a range of synthetic and real datasets and investigated the applicability of ensemble approaches to gradient boosting models that are themselves ensembles of decision trees. Our analysis shows that ensembles of gradient boosting models successfully detect anomalous inputs while having limited ability to improve the predicted total uncertainty. Importantly, we also propose a concept of a virtual ensemble to get the benefits of...
 

wie einfach es ist, den TS in den Stunden mit dem Aufstrich zu entleeren

 
Maxim Dmitrievsky #:

wie einfach es ist, den TS in den Stunden mit dem Aufstrich zu entleeren

D.h. bei Spread=7pts wird es 50/50 sein.
Und die profitable Variante verdient nur 7 pts pro Handel im Durchschnitt.
Auf ECN-Konten Spread auf EURUSD 0-5 in der Regel (Durchschnitt auf 3) + ~4 pts für die Kommission. D.h. diese Strategie wird bei 0 auf realen ECN arbeiten.
Und Swaps sind jetzt -7.7 und +3.1 pts für einige Trades wird für jeden Rollover hinzugefügt werden.
Spread + Swap sollte in den Markup berücksichtigt werden. Vielleicht wird das Modell dadurch besser, weil es einige Trades während des Trainings nicht als erfolgreich betrachtet.

 
Forester #:

D.h. bei Spread=7pts wird es 50/50 sein.
Und die profitable Variante verdient nur 7 pts pro Handel im Durchschnitt.
Auf ECN-Konten Spread auf EURUSD 0-5 in der Regel (Durchschnitt auf 3) + ~4 pts für Provision. D.h. diese Strategie wird bei 0 auf realen ECN arbeiten.
Und Swaps sind jetzt -7.7 und +3.1 pts für einige Trades wird für jeden Rollover hinzugefügt werden.
Spread + Swap sollte in den Markup berücksichtigt werden. Vielleicht wird das Modell dadurch besser, weil es einige Trades während des Trainings nicht als erfolgreich betrachtet.

und wie kann der Spread im Aufschlag berücksichtigt werden, wenn er später von jeder Transaktion abgezogen wird, egal wie man ihn aufschlägt?

 
Maxim Dmitrievsky #:

und wie die Spanne beim Aufschlag zu berücksichtigen ist, wenn sie später von jeder Transaktion abgezogen wird, unabhängig davon, wie Sie sie aufschlagen.

Der Aufschlag sollte also auf dem Finanzergebnis basieren. Transaktion eröffnen-abschließen und das Ergebnis in den Aufschlag übertragen. Das ist die exakte Variante.

Oder ziehen Sie die schlechteste Variante ab, für EURUSD auf ECN wahrscheinlich 7-10pts, für andere vielleicht mehr, besonders für Crosses. + Swaps für jeden Tag.
Auf STD-Konten ist es noch schlimmer.

 
Forester #:

Der Aufschlag sollte also auf dem Finanzergebnis basieren. Eröffnen - schließen Sie einen Handel und übertragen Sie das Ergebnis auf den Aufschlag. Dies ist die exakte Variante.

Oder ziehen Sie die schlechteste Variante ab, für EURUSD auf ECN wahrscheinlich 7-10pts, für andere vielleicht mehr, besonders für Crosses. + Swaps für jeden Tag.
Auf STD-Konten ist es noch schlimmer.

Ich übertrage es auf Markup, nach dem Training fühlt es sich immer noch schlecht an auf dem Spread

Zusätzlich sammle ich eine Sammlung von Verlustgeschäften und lehre "nicht zu handeln". Durch die Art des Bestintervalls. Eigentlich macht das das zweite Meta-Modell, wie in den Artikeln. Es ist auch nicht sehr cool.
 
Maxim Dmitrievsky #: Das zweite Metamodell tut das auch, wie in den Artikeln beschrieben. Es ist auch nicht sehr cool.

Was wollt ihr? Wir arbeiten fast mit Zufällen. Es ist nicht so, als würde man die Nachfrage nach Eiscreme in Abhängigkeit von der Temperatur untersuchen, wie im ersten Buch über Kozul, das vor sechs Monaten hier eingestellt wurde)))))

 
Forester #:

Was wollt ihr? Wir arbeiten fast nach dem Zufallsprinzip. Es ist nicht so, dass wir die Nachfrage nach Eiscreme in Abhängigkeit von der Temperatur erforschen, wie in Kozul))).

Ich will zeekr 001.

 
Maxim Dmitrievsky #:

Es gibt etwas von Yandex

Danke, guter und interessanter Artikel mit umfangreicher Literatur.

Es scheint, dass sie die Art der Unsicherheit, die interessant ist, nicht berücksichtigen - probabilistische Abhängigkeit der Ausgabe von Attributen. Sie untersuchen zwei andere Arten von Unsicherheiten - Unsicherheiten, die mit Ungenauigkeiten von Attributen und Parametern zusammenhängen. Sie werden schön genannt - aleatorische und epistemische Unsicherheit). Wir sollten unsere Variante in Analogie dazu Zielunsicherheit nennen).

Imho sind in unserem Fall "Messfehler" von Attributen prinzipiell nicht vorhanden, und die Unsicherheit von Modellparametern ist schlecht von unserer "Zielunsicherheit" zu trennen.