Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1265

 
Maxim Dmitrievsky:

Así que entiendo que se puede tratar de cambiar algo aquí

¿Ha disminuido el tamaño de los árboles y del bosque en su conjunto?
¿Qué ha mejorado/cambiado en el error? En teoría, no debería, ya que la división va al último punto.
 

No te desquites con Max.

De hecho, él solo está tirando de esta rama. Que sea bueno o malo es otra cuestión. Pero, gracias a él, esta rama sigue teniendo al menos cierta relevancia.

Si se quita esta rama ahora, no habría nada que leer en el foro, sólo para resolver los vergonzosos códigos de programa de otras personas, en los que se confunden el "+" y el "-".

 
elibrarius:
¿Qué ha disminuido el tamaño de los árboles y del bosque en su conjunto?
¿Qué ha mejorado/cambiado con el error? En idea - no debería, ya que la división va al último punto.

Todavía no lo he hecho, sólo he "echado un vistazo", no es que haya estado hurgando todo el día :)

los rebeldes se amotinan de nuevo )) me preguntas por qué interferir cuando tienes tanto cerebro como pan

 
elibrarius:
¡Sí! Lo principal es que la "caravana" está llegando).

Simplemente es lento, por eso la gente se indigna.

Se ha dicho mil veces: todo depende de los datos de entrada. Simplemente el precio, debido a su irreductible no estacionariedad, no sirve.

Me han preguntado mil millones de veces: sistematiza tu investigación.

¿Con qué tipo de datos pueden ganar dinero sus bosques/redes? ¿Existen estas agrupaciones en la BP real y sus primeras diferencias?

Una vez más te daré una pista - Doc ha hecho un montón de investigación en la serie de garrapatas, bueno sólo el trabajo MUY duro. Con adelgazamiento, sin adelgazamiento. Sólo se investigaron secuencias aleatorias artificiales, etc. Ponerlo todo en tablas, gráficos. Terminó desapareciendo del foro. Creo que ha encontrado el Grial. A juzgar por sus mensajes en mi PM - es "casi probable" que sea así.

 
Maxim Dmitrievsky:

Va muy rápido, en menos de un año se ha estudiado la NS, los enfoques más novedosos y prometedores como la RL, se han escrito un par de artículos para perfilar el enfoque

el enfoque bayesiano de más rápido desarrollo en el aprendizaje automático, es decir, Bayes+RL. Y sí, está todo en inglés.

todo lo que hago es en general lo más genial de MO en este momento, es complicado, así que ni siquiera leo cosas retrasadas de parvulario que se sabían hace 50 años. El Ministerio de Defensa ha recorrido un largo camino desde entonces.

Max, lo entiendo completamente, pero aún así...

Aquí está de nuevo el post de Doc, después del cual sus resultados empezaron a mejorar realmente:

"Hay dos archivos de experimentos en el archivo de atacha. Ambos contienen valores en distribución normal, los histogramas son iguales y casi simétricos con respecto a cero.

Pero estos archivos tienen una diferencia muy grande, que es el Markovness.
Un archivo tiene memoria (un proceso no markoviano), puede intentar predecir "el próximo valor es mayor o menor que cero" basándose en los valores pasados. Se puede aplicar la neurónica y otro aprendizaje automático para predecir.
El otro archivo no tiene memoria (proceso de Markov), cualquier predicción fallará. El aprendizaje automático es impotente, pero quizá Alexander pueda predecir algo con la física.

Que aprenderá a identificar qué archivo tiene memoria y cuál no - bien hecho, y aplicando este método al forex se demostrará finalmente que el proceso de formación de precios es efectivamente markoviano.

También conviene comprobar si la distribución normal es una condición suficiente para la rentabilidad del modelo. Haz un gráfico de paseo aleatorio acumulativo() e intenta operar con él".

Es que, obviamente, primero aprendió a trabajar con datos artificiales con "memoria", y luego aprendió estúpidamente a asignarlos a los BP reales.

Eso es todo.

Archivos adjuntos:
normdist.zip  808 kb
 
Maxim Dmitrievsky:

He dado ejemplos sobre datos artificiales con memoria, todo funciona bien. La no estacionalidad del mercado, todo eso, las distribuciones, todo es obvio

Por otra parte, mi TS también funciona desde hace bastante tiempo (con sus propios matices), simplemente no comercio porque ahora no interesa. Y sólo mejorar, es interesante aprender cosas nuevas

Puedes descargar el bot del último artículo y ganar como lo hace Hindú. ¿Quién lo impide?

¡¡¡!!!

Perdón. Tal vez no he leído todo con atención... Ya lo veré.

 
Alexander_K2:

¡¡¡!!!

Perdóname. Tal vez no he leído todo con atención... Ya veremos.

Ya he adjuntado un montón de pruebas y capturas de pantalla, no sé qué más necesitas. Ya he puesto un montón de pruebas y capturas de pantalla y no sé qué más hacer.

 

En este hilo, un post invitado. Sólo vine a compartir un artículo

Super Intelligence for The Stock Market – Numerai – Medium
Super Intelligence for The Stock Market – Numerai – Medium
  • 2016.08.30
  • Richard Craib
  • medium.com
Numerai is synthesizing machine intelligence to command the capital of an American hedge fund. Here’s how.
 
No tengo ni idea de qué hacer con ellos:

Max, lo entiendo, pero aún así...

Una vez más, este es el mensaje de Doc, después del cual sus resultados empezaron a mejorar realmente:

"Hay dos archivos de prueba en el archivo atacha. Ambos contienen valores en distribución normal, los histogramas son iguales y casi simétricos con respecto a cero.

Pero estos archivos tienen una diferencia muy grande, que es el Markovness.
Un archivo tiene memoria (un proceso no markoviano), puede intentar predecir "el próximo valor es mayor o menor que cero" basándose en valores pasados. Se puede aplicar la neurónica y otro aprendizaje automático para predecir.
El otro archivo no tiene memoria (proceso de Markov), cualquier predicción fallará. El aprendizaje automático es impotente, pero quizá Alexander pueda predecir algo con la física.

Que aprenderá a identificar qué archivo tiene memoria y cuál no - bien hecho, y aplicando este método al forex se demostrará finalmente que el proceso de formación de precios es efectivamente markoviano.

También conviene comprobar si la distribución normal es una condición suficiente para la rentabilidad del modelo. Haz un gráfico de paseo aleatorio acumulativo() e intenta operar con él".

Es obvio que primero aprendió a trabajar con datos artificiales con "memoria", y luego aprendió estúpidamente a asignarlos a los BP reales.

Eso es todo.

Bueno ese no es el punto, como es que...no ves, la no estacionariedad es inherente a tales procesos, aferrándose a la distribución normal como básicamente la mayoría, una vez que hay un límite en los incrementos, todo es distribución normal, de lo contrario, siempre será no normal, incluso estar ausente por completo, ¿cómo es esta representación de un proceso, sin distribución?

Maxim Dmitrievsky:

Ya he adjuntado un montón de pruebas y capturas de pantalla, no sé qué más necesitas. Ya he realizado muchas pruebas y capturas de pantalla.

Ya he adjuntado un montón de pruebas y capturas de pantalla.

 
Andrey Khatimlianskii:

En este hilo, un post invitado. Sólo estoy aquí para compartir un artículo.

Llegas tarde, no HFT)) Dicen que no tienen ni idea de qué hacer con ellos.