Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 387
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
als eine Möglichkeit, Geld zu verdienen.
Wenn Sie Geld verdienen wollen, haben die Numerae sozusagen ihre eigene Kryptowährung eingeführt. Ihre Inhaber haben gewissermaßen die Möglichkeit, sich indirekt an Investitionen zu beteiligen.
Näheres kann ich nicht sagen, ich möchte es herausfinden, aber ich kann es nicht tun.
Interessanterweise zeigten die logloss 0,690 - 0,691 auf den Validierungsdaten fast alle ein gutes Ergebnis auf den neuen Daten, ich habe keine Ahnung, woran das liegt.
Höchstwahrscheinlich nicht gierig, nicht überkompliziert das Modell und daher nicht overfit, obwohl es wie ein Kerl mit ~0,65 auf einige Tour, die in Live ~0,68 +.
Ich bin mehr verwirrt in ihren Daten vermischt Proben, "Ära" mit unbekannten id nicht reproduzieren können ihre Berechnungen über die Vergangenheit Touren. Ich weiß also nicht, was zur Hölle im Trainingsset ist. Es wäre schön, wenn aus den letzten Runden LIVE-Proben ausgelegt würden und es möglich wäre, ein Modell für diesen Testdatensatz zu trainieren, um zumindest zu verstehen, warum es so anders läuft. IMHO ist es so, als ob sie Punkte von vor langer Zeit akkumulieren und dann eine zufällige Teilmenge als Zug herausgeben, die IDs spiegeln nicht die Chronologie der Datensatzakkumulation wider, und dann werden die Live-Punkte, die zum Vangue benötigt werden, nicht separat gegeben, um die Modelle zu korrigieren und einen "Finger in den Himmel" zu bekommen, der auf die Chance stößt.
Ich hoffe, sie werden es beheben :)
Und kann dieses Geld abgehoben werden?
Ja, sofortige Auszahlung in Bitcoins zum aktuellen Kurs.
Wenn Sie Geld verdienen wollen, haben die Numerae sozusagen ihre eigene Kryptowährung herausgebracht. Ihre Inhaber haben gewissermaßen die Möglichkeit, sich indirekt an Investitionen zu beteiligen.
Ich werde keine weiteren Einzelheiten nennen, ich möchte es herausfinden, aber ich kann es nicht finden.
Ja, jetzt geben sie ihre Kryptowährungen zusammen mit den Dollars an die Gewinner aus. Ich habe zum Beispiel 300 NMR (Numeraire), aber sie können sie nicht zurückziehen oder etwas damit machen. Im Allgemeinen haben sie noch keinen Umsatz gemacht, sie haben ihn bisher nur verschenkt.
NMR selbst ist ein Ethereum-Krypto-Token(https://github.com/ethereum/EIPs/issues/20), und die Investitionen, die sie anbieten, basieren ebenfalls auf Ethereum-Möglichkeiten. Genauer gesagt, handelt es sich nicht einmal um eine Investition, sondern um eine Möglichkeit, Geld auf Ihre Prognosen zu setzen. Sie laden Ihre Vorhersagen hoch, schließen eine Wette in NMR ab, und dann bestimmt ein Algorithmus in Ethereum in der Zeit die Gewinner und vergibt Preise(https://numer.ai/whitepaper.pdf). Kasino, kurz gesagt.
Kann jemand bestätigen, dass es besser ist, Zufallswälder für die binäre Klassifizierung zu verwenden? Im allgemeinen Fall oder kann ich Neuronet in einem speziellen Fall wählen, der etwas weniger Fehler ergibt?
Ja, sofortige Auszahlung in Bitcoins zum aktuellen Kurs.
Hmmm... seltsam.
Es stellt sich die Frage, warum amerikanische Hedge-Fonds, mit der Schirmherrschaft von Onkel Renaissance, wo so etwas wie die coolsten Quants auf der Erde, mit Gehältern in $200-300k und sechsstellige Boni, diese Prädikate von ML-Fans Welt (Russland, Indien, China...), für den Preis von Gehältern von einem durchschnittlichen Moskau Programmierer für die ganze Menge (>300 Personen) ?????
Als ob sie dafür nicht ihre eigenen Quants hätten? Oder die Harvard-Quants wollen es nicht tun, sie kommunizieren nur mit Investoren und lagern die Modelle aus....
Hmmm... wie können sie für solch einen Mangel an Voraussicht nicht bezahlen...
Ich habe in den hier geposteten Artikeln gelesen, dass die Welt der Klassifizierung von Gradient Boosting (einer speziellen Art von Forest) beherrscht wird, zum Beispiel im R-Paket gbm.Sie sagen, dass sie auch überladen sind... aber ich werde mehr lesen... Auf jeden Fall besser als MLP. Übrigens, geboostete Entscheidungsbäume liefern etwas schlechtere Ergebnisse als einfache Entscheidungsbäume im Studio
Sie sagen, dass sie auch überfüttern... Aber ich werde es mir ansehen... Zumindest besser als MLP. Übrigens, geboostete Entscheidungsbäume produzieren einen etwas schlechteren Fehler als einfache Entscheidungsbäume in der
ada ist ein bisschen besser als randomforest. Aber caret hat irgendein Problem mit ada (kann mich nicht erinnern, welches), also ist es die Mühe nicht wert.
Am vielversprechendsten ist die Auswahl der Prädiktoren. Sie gehören alle uns.
In diesem Thread wurde eine große Anzahl von Prädiktoren verwendet, die jedoch alle von einem einzigen Währungspaar abgeleitet wurden.
Warum ein Paar und nicht mehrere?
Und warum ein Währungspaar und nicht die Prädiktoren?
Und wo sind die makroökonomischen Daten geblieben?
Bislang liegt mein Fehler bei der neuen Datei bei knapp 30 %. 20 % sind nicht mit irgendwelchen Tricks zu erreichen, das Ersetzen von Modellen führt zu nichts.
Aber ich habe nicht die Kraft, zu versuchen, die obigen Fragen zu beantworten.
ada ist etwas besser als randomforest. Aber in caret gibt es ein paar komische Dinge mit ada (ich weiß nicht mehr, welche), also ist es die Mühe nicht wert.
Am vielversprechendsten ist die Auswahl der Prädiktoren. Sie gehören alle uns.
In diesem Thread wurde eine große Anzahl von Prädiktoren verwendet, die jedoch alle von einem einzigen Währungspaar abgeleitet wurden.
Warum ein Paar und nicht mehrere?
Und warum ein Währungspaar und nicht die Prädiktoren?
Und wo sind die makroökonomischen Daten geblieben?
Bislang liegt mein Fehler bei der neuen Datei bei knapp 30 %. 20 % sind nicht mit irgendwelchen Tricks zu erreichen, das Ersetzen von Modellen führt zu nichts.
Aber ich habe nicht die Kraft, zu versuchen, die obigen Fragen zu beantworten.
Seltsamerweise habe ich bereits Prädiktoren. Ich habe einen fertigen Bot, der auf der Realität steht, ich habe ihn in weniger als einem Monat geschrieben. Das Wichtigste - Prädiktoren - steht außer Frage. Zum Beispiel, mit meiner entzündeten Phantasie Prädiktoren können auf der Stelle abgeholt werden, habe ich als Analyst für 5 Jahre gearbeitet :) Ich denke, die Auswahl von Prädiktoren ist keine so schwierige Aufgabe wie das Studium von NS-Architekturen, die Hauptsache ist, sich hinzusetzen und auszuwählen, das dauert 2-3 Wochen :)
Besonders beliebt sind jetzt die LSTM, die zwar sehr viel Rechenleistung benötigen, aber hervorragende Ergebnisse liefern. Ich denke darüber nach, mir jetzt einen leistungsstarken Gaming-PC zuzulegen, zumindest für Grafikkartenberechnungen, höchstens für NVidia tesla.
Aus Erfahrung mit ns small - sie müssen auf Automatik umgeschult werden oder umgeschult zu werden, ist dies ein obligatorischer Prozess. Die Verwendung von GA zur Auswahl von Parametern der gleichen Prädiktoren für NS ist ebenfalls ein Muss. All das kostet Kraft, aber es lohnt sich wirklich. Wir haben bereits einen gewissen Grad an KI, der diese 3 Komponenten berücksichtigt. Übertraining+Genetik+Kräfte
SanSanych Fomenko:
Seit heute habe ich einen Fehler in der neuen Datei von knapp 30 %. 20 % sind nicht mit irgendwelchen Tricks zu erreichen, das Ersetzen von Modellen führt zu nichts.
Sehr hohes Ergebnis sogar für HFT, könnten Sie den Datensatz in csv überprüfen, der solche Ergebnisse lieferte, ich möchte sicherstellen, dass es sich nicht um eine Überanpassung handelt.
Von hoch und weit manchmal hallte, dass auch Renaissance Minute prognostiziert Genauigkeit nicht mehr als 65-70%, angesichts der Tatsache, dass sie von Tausenden von undenkbaren Eigenschaften, einschließlich der Merkmale von Satellitenbildern Verarbeitung und Daten der städtischen Infrastruktur Aktivität von Megastädten auf der ganzen Welt trainiert werden, alles, was die Natur und die Menschenmassen auf dem Planeten tut - die Daten.