Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2561
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
xgboost kann das auch, aber es ist schwierig, eine eigene Funktion zu schreiben. Sie müssen Formeln herleiten.
http://biostat-r.blogspot.com/2016/08/xgboost.html - 6. Absatz.
Nicht jede Funktion ist geeignet - Sie müssen die zweite Ableitung definieren, die wahrscheinlich ungleich Null sein sollte.
Richtig, das ist genau die Beziehung zwischen Prädiktor und Ziel, von der ich spreche.
Mir ist keine Methode zur Erstellung eines Modells bekannt, das die "Stationarität" in verschiedenen Stichprobenintervallen mit Splitting oder einem anderen Mechanismus zur Kombination von Prädiktoren schätzt. Alle Modelle passen sich an Stichprobenplots an und schätzen nur die quantitative Verbesserung, aber wir müssen sie über Intervalle hinweg schätzen, dann kann das Modell robuster sein.
Warum nicht einfach eine Kreuzvalidierung durchführen, um die Stabilität nach Intervallen zu überprüfen?
Hier ist dieser Artikel, aber es geht nicht um Regelmäßigkeit, sondern um Unregelmäßigkeit. Aber das macht keinen Unterschied.
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC518821/
Das glaube ich nicht - ein Beispiel in Python.
Nein, das ist es nicht, nur eine benutzerdefinierte Metrik...
Sie können dort nicht "ffs" einfügen.
Bei benutzerdefinierten Metriken geben Sie das Ziel und die Daten an und wählen die Formel zum Auslesen des Fehlers.
Und bei FF können Sie sagen: AMO! Ich weiß nicht, was das Ziel sein sollte und wie man es besser machen kann, aber machen Sie es gut (und Sie können viele Kriterien auf einmal verwenden).
Und ff + AMO werden "an ein Ziel denken", Anpassungen vornehmen usw..
Es ist eine andere Welt...
warum nicht einfach eine Kreuzvalidierung durchführen, um die Stabilität über die Intervalle hinweg zu überprüfen?
Es geht nicht darum, ein zufälliges Erfolgsmodell zu finden, sondern die Wahrscheinlichkeit zu erhöhen, dass dieses Modell erfolgreich wird.
Nein, das ist es nicht, nur eine eigene Metrik...
Da kann man kein "ff" reinstecken.
Bei benutzerdefinierten Metriken geben Sie das Ziel und die Daten an und wählen die Formel zum Auslesen des Fehlers.
Und bei FF kann man sagen: AMO! Ich weiß nicht, was das Ziel sein sollte und wie man es besser machen kann, aber mach es gut (und du kannst viele Kriterien auf einmal verwenden).
Und ff + AMO werden "an ein Ziel denken", Anpassungen vornehmen usw..
Es ist eine ganz andere Welt...
Vielleicht ist es etwas im Geiste von Ivakhnenko, jedenfalls nicht mein Ding.
Ich habe ein Buch aus den 70er Jahren gelesen, das besagt, dass ohne Autokorrelation keine Vorhersage möglich ist. Gibt es etwas Aktuelleres zu diesem Thema?
Ich denke, es hängt von der Wahl des Modells für die Art des zu unterstellenden Prozesses ab.
Bei statischen Prozessen hingegen wird die Autokorrelation mit linearen Modellen bekämpft.
Und in dynamischen Prozessen gibt es vor allem Autokorrelation,
daher versucht die wissenschaftliche Gemeinschaft, das Problem der autokorrelierten Prozesse mit geeigneten Modellen zu lösen.
Daher ist die Aussage, dass die Vorhersage höchst fehlerhaft ist, wenn keine Autokorrelation vorliegt.
Das heißt, man muss die Art des Prozesses unterscheiden und ihn mit geeigneten Algorithmen abschätzen.
Ich habe eine Dissertation aus dem Jahr 2014 über die synthetische Schätzung dynamischer Systeme gelesen.
In dem Papier wurden Beispiele mit einem exponentiell korrelierten Prozess untersucht.
Ist das ein Zufall? Das glaube ich nicht.
Vielleicht ist es etwas im Geiste von Ivakhnenko, jedenfalls nicht meiner.
Nein, Ivakhnenko hat damit nichts zu tun, es gibt nur einige Aufgaben, die nicht mit einer Zielvorgabe gelöst werden können, es gibt keine Zielvorgabe in einer vorgefertigten Form.
Stellen Sie sich das Problem vor:
Es gibt Attribute und es gibt einen Preis, die alle eine Matrix von Attributen "X" sind,
das Problem ist:
Ich möchte, dass AMO "X" als Eingabe nimmt und eine Funktion auf die Ausgabe gibt, die :
1) den Preis so oft wie möglich wiederholen (korrelieren)
2) im Bereich von -1,1 liegen
3) den Preis so weit wie möglich zu übertreffen (negative Kreuzkorrelation)
Alles. Man nehme ein beliebiges Optimierungsprogramm, in diesem Fall ein multikriterielles (Pareto), und spiele so lange mit den Eingeweiden der Medaille, bis das Ergebnis unseren Anforderungen entspricht
Sie sehen, es ist unmöglich, ein fertiges Targeting zu haben, nur die Suche und das Durchlaufen der Fitness.
Oder nur ein einfaches Beispiel: Optimieren Sie das Netzwerk für maximalen Gewinn oder den Erholungsfaktor oder beides, wie können wir das als fertiges Ziel erreichen?
Nein, Ivakhnenko hat damit nichts zu tun, es gibt einfach Probleme, die man nicht mit einem Ziel lösen kann, es gibt kein fertiges Ziel.
Stellen Sie sich das Problem vor:
Es gibt Attribute und einen Preis, die alle eine Matrix von Attributen "X" sind,
das Problem ist:
Ich möchte, dass AMO "X" als Eingabe nimmt und eine Funktion auf die Ausgabe gibt, die :
1) den Preis so oft wie möglich wiederholen (korrelieren)
2) im Bereich von -1,1 liegen
3) den Preis so weit wie möglich zu übertreffen (negative Kreuzkorrelation)
Alles. Man nehme ein beliebiges Optimierungsprogramm, in diesem Fall ein multikriterielles (Pareto), und spiele so lange mit den Eingeweiden der Medaille, bis das Ergebnis unseren Anforderungen entspricht
Sie sehen, es ist unmöglich, ein fertiges Targeting zu haben, nur die Suche und das Durchlaufen der Fitness.
Oder nur ein einfaches Beispiel, um das Netzwerk zu optimieren, um den Handel auf den maximalen Gewinn oder Recovery-Faktor, oder beides auf einmal, wie es zu tun, als ein vorgefertigtes Ziel??? no way!
Nun, multikriterielle Optimierung. Sie können entweder einen Kompromiss aus allen kombinieren und dann beobachten, wie sich die Lösung verändert, wenn Sie die Gewichtung der Kriterien ändern, und den besten von ihnen auf einer Vorwärtsbasis auswählen. Oder Sie können ein Kriterium als Basis auswählen und für andere gültige Einschränkungen auswählen und eine harte Strafe für deren Verletzung hinzufügen und auch beobachten, welche Variante besser ist.
Wenn Sie beim Vorwärtstest einen ernsthaften Vorteil haben, dann ist es sinnvoll, es zu versuchen, ansonsten werden Sie nur Ärger um des Ärgers willen haben.
Offtopic, aber lustig
https://www.youtube.com/watch?v=_Aow6P3oBAg