Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 80
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
El hombre recomienda la lectura de "MSUA" y el análisis espectral en particular Fourier
========================================================
Más allá de lo que los resultados que "demagogo" han logrado, pero en realidad muy modesto, buenas ideas como pienso mucho, mi investigación va en muchas direcciones simultáneamente y hay una gran falta de conocimiento en diversos campos, porque a menudo pedir ayuda a los participantes del foro, pero sobre todo para ayudar y nadie quiere, dicen que se aprende a sí mismo, y luego..... sólo si yo mismo he dominado todo entonces por qué hago esta comunicación, ya que sin la lógica, me distraigo.
lo mejor que he sacado de RF en datos nuevos es el 50% al mes durante 2 meses seguidos, pero aún no es estable, he intentado 10 veces subir fotos, pero he fracasado .
La conclusión es que no hay que limitarse inicialmente a patrones como el 30% anual es genial, no es genial, este marco para la mente y la creatividad
Enhorabuena. Así es como se comercia durante 5 años. O muéstrame algún dato de estadísticas reales de 5 años.
Y sobre los signos, no quiero hacer aquí análisis de sofá, como que sus signos son una basura, hay signos mejores, los modelos no son importantes. Bueno, muéstrame lo que has hecho. He publicado aquí todas mis aportaciones, y también sus combinaciones. Cuenta su valor informativo. ¿Por qué estás balanceando el aire, de todos modos?
¿Qué significa "RF 10/5"?
Sí, estaba haciendo una nota en la imagen cuando estaba probando el modelo con nuevos datos, no le prestes atención ....
es un parámetro del modelo 5 árboles 10 ramas en un árbol
Sí, estaba haciendo una nota en la imagen cuando estaba probando el modelo con nuevos datos, no le prestes atención ....
este es el parámetro del modelo 5 árboles 10 ramas en un árbol
¡Muy interesante!
¿Puede aportar algún detalle?
Esto es lo mejor que he podido exprimir de RF en datos nuevos es el 50% al mes durante 2 meses seguidos, pero sigue siendo muy inestable, he intentado subir fotos 10 veces pero no funciona (lo tengo)
La cuestión es que no debemos limitarnos con plantillas como el 30% anual es genial, no es genial, es un marco para la mente y la creatividad
Es todo muy interesante.
¿Puede aportar algún detalle?
¿se trata de una prueba retrospectiva con datos fuera de la muestra? ¿Lo he hecho bien?
sí
Suena a entrenamiento inadecuado del modelo, a demasiada variación. Los modelos suelen tener algún tipo de proceso de aprendizaje aleatorio en el que la lógica de aprendizaje no está definida de forma consistente. Estos momentos aleatorios llevan a que si se entrenan varios modelos, éstos darán aproximadamente los mismos resultados en los datos de entrenamiento, pero en el fronttest habrá diferencias.
Hay varias fuentes del problema y sus soluciones:
1) hay entradas de ruido que no aportan información útil, hay que eliminarlas
2) cambiar los parámetros de entrenamiento del modelo. En el caso de neuronkey he resuelto este problema utilizando el parámetro de decaimiento, los resultados en el fronttest con este parámetro fueron menos dispersos. Qué hacer con el bosque, no lo sé.
3) Haz un comité de modelos. Entrenar muchos modelos, hacer la prueba frontal en todos los modelos, tomar el resultado donde la mayoría dice
4) si hace una validación cruzada durante el entrenamiento, repítalo varias veces con los mismos datos, vea la variación de los resultados, elija modelos y predictores con poca variación
Esto es lo que se me ocurre ahora, pero no es el límite de los posibles problemas.
Desarrollar la idea. añadir más datos. debería tardar un par de años en pasar de la muestra. Por lo demás, ¡buen trabajo!