Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 728
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
Y para recapitular. Se observó un hecho interesante. Ambos modelos se entrenaron en la misma área de 40 registros. Sin embargo el modelo con valores altos de VF, mostró peores resultados que el modelo con VF bajo, lo relaciono con el hecho de que para el segundo modelo, donde el VF era pequeño, y los resultados del entrenamiento alto para este modelo fue aumentar el intervalo de entrenamiento, por así decirlo dar carga al modelo, porque justo en esta zona los datos de entrada describían demasiado bien la salida y el modelo obtenido era MUY bueno. Ahora la filosofía.....
Imagine una escala a lo largo del eje del SCI. Esta escala es única para cada conjunto de datos y en algún lugar de esta escala hay un límite, una línea vertical donde la zona de sobreentrenamiento está a la derecha y la zona de infraentrenamiento está a la izquierda. La tarea de cualquier algoritmo de optimización es acercarse lo más posible a este límite desde el lado de la infraformación, pero no saltarlo. Y cuanto más se acerque el algoritmo a esta zona, menos subentrenado estará, al tiempo que se sitúa a la izquierda del límite de sobreentrenamiento. Sé que es difícil de representar en forma de texto, pero intenta...... En realidad tengo una teoría sobre este tema, con zonas. No es tan sencillo, pero no es el punto.....
Si no se considera estrictamente este límite, el aprendizaje de modelos se reduce al equilibrio óptimo entre el subaprendizaje y el sobreaprendizaje. Es decir, tiene que haber un cierto equilibrio. Volviendo a nuestro modelo. Aprendió bien los datos de entrada porque coincidían con los de salida PERO no permitió que el modelo alimentara la retroalimentación porque podría haber aprendido sólo un par de patrones más que habrían permitido que el modelo se ajustara mejor y produjera peores resultados, pero con patrones añadidos que podrían haber sido decisivos en la retroalimentación.
En otras palabras, si el modelo ha aprendido demasiado bien los datos, hay que aumentar el periodo de entrenamiento, sobrecargando así el modelo.
Según la clasificación de Reshetov.
el primer modelo 77-80%(VI 0,86) de generalización, el segundo 88-90%(VI 0,65). El nivel óptimo de generalización es del 75-85%.
Y para recapitular. Se observó un hecho interesante. Ambos modelos se entrenaron en la misma área de 40 registros. Sin embargo, el modelo con VI alto, mostró peores resultados de aprendizaje que el modelo con VI bajo, I
¿Qué es el VI? Sólo voy a adivinar. Intervalo de tiempo.
Yasha dijo: publicaciónmilitar.
¿Qué es el VI? Podría ser capaz de adivinar a primera vista. Es un periodo de tiempo.
Yasha me dio una pista: editorialmilitar.
Información mutua.....
Una vez más, para los que están tankeando: estás haciendo curvafitting en intervalos de tiempo muy cortos con un número muy pequeño y poco representativo de operaciones
Eso ni siquiera es para el aprendizaje automático, eso es para "interesante y humorístico" :)
Sigues llevando agua en el colador (perdón, colador :)), y luego te sorprendes sinceramente de que no haya beneficios en la cuenta real.
Pues bien, haz al menos 1000 operaciones y luego pregúntate por qué sólo las 10 primeras funcionan bien en la CB de vez en cuando, parchea tu coladorUna vez más, para los que están tankeando: estás haciendo curvafitting en intervalos de tiempo muy cortos con un número muy pequeño y poco representativo de operaciones
Eso ni siquiera es para el aprendizaje automático, eso es para "interesante y humorístico" :)
Sigues llevando agua en el colador (perdón, colador :)), y luego te sorprendes sinceramente de que no haya beneficios en la cuenta real.
Bueno, haz al menos 1000 operaciones y luego pregúntate por qué sólo las 10 primeras funcionan bien en la CB de vez en cuando, arregla tu coladorEsperemos y veamos.... En cuanto al marcador de 15 minutos, un mes de más de 70 operaciones no es un plazo corto.
Veamos cómo canta cuando el resultado se transfiere a la cuenta.......
Una vez más se demuestra que cuando se le da una herramienta a un hombre, puede que no sea capaz de utilizarla correctamente, considerándola una bagatela......
Esperemos y veamos.... Un mes de trabajo en 15 minutos con más de 70 operaciones no es un plazo corto.
Veamos cómo va a cantar cuando el resultado se transfiera a la cuenta.......
Dios, por qué sois todos tan lentos en responder a vuestra propia experiencia :) Este programa tarda 10 veces menos en escribirse que lo que estáis intentando poner en diferentes sitios
Como usted quiera, lo principal es que no se vuelva a entrenar. En cualquier caso generaliza bastante bien, pero no tengo nada con lo que comparar, porque no he llegado a las redes en R.
Siempre sugerí pruebas para comparar su IA y el modelo optimizador de Reshetov. Pero nadie se arriesgó. Probablemente tenía la sensación de que perderías....
Como usted quiera, lo principal es que no se vuelva a entrenar. En cualquier caso generaliza bastante bien, pero no tengo nada con lo que comparar, porque no he llegado a las redes en R.
Siempre sugerí pruebas para comparar su IA y el modelo optimizador de Reshetov. Pero nadie se arriesgó. Probablemente tenía la corazonada de que perderías....
Sólo dime que no puedes hacer una prueba de al menos 1000 operaciones, 10 de las cuales te darán un beneficio en el OOS en el real. Pero lo que estás haciendo no es ni siquiera un backtest, ¿vale? Aumenta la muestra, o estarás pisando fuerte hasta el fin de los tiempos.
Muy bien, Maximka, deja tu histeria aquí. Respira profundamente.... exhala y vuelve a exhalar... exhala..... y ahora mira la señal..... La prueba más genial de todas...