Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1626

 
mytarmailS:

Me parece que la probabilidad es tanto la probabilidad como la probabilidad...

La incertidumbre es diferente, pero la probabilidad (cuando la hay) es siempre probabilidad).

La teoría de los juegos suele tratar de reducir la incertidumbre del juego a la incertidumbre probabilística. Por ejemplo, a través del equilibrio de Nash en estrategias mixtas.

Para los mercados, el principal problema de la conversión a modelos probabilísticos es la sustancial no estacionariedad de los modelos resultantes.

 
Kesha Rutov:

Efectivamente, hay muchos locos por ahí, diez mil es sólo una muestra, ¡algunos pájaros carpinteros intentan meterse un millón de puntos en la boca! También hay tics y volteretas...

Eso es lo que quiero decir también. Muchas personas olvidan una regla fundamental muy importante. Si un problema puede resolverse sin la ayuda de la NS, debe hacerse. De esta regla se desprende que vimos los datos matemáticamente siempre que las matemáticas nos lo permiten, en cuanto las matemáticas son impotentes entonces utilizamos las NS. En otras palabras, los datos de entrada deben ser filtrados al máximo, suavizados, normalizados, etc. MATHEMATIC en cuanto a las matemáticas en principio, y sólo entonces empezar a aplicar NS. Y no para que metamos los trastos del NS y esperemos junto al mar del tiempo. No es así como funciona. Por ejemplo, utilizando 50 vectores de entrada he rechazado todos los trozos de mercado innecesarios que serán ruido durante el entrenamiento y utilizando este número de entradas obtengo un modelo de calidad de aprendizaje del 90-95% con un tiempo de 2 meses en M5. ¿Qué pasaría si introduzco toda esta parte en la red? Nada. Yo obtendría un modelo de mucha peor calidad y no utilizable. Y la trama fue en dos meses, como en el primer que en el segundo caso, y se mantuvo así. Pero el resultado es diferente.
 
Aleksey Nikolayev:

La incertidumbre es diferente, pero la probabilidad (cuando la hay) es siempre probabilidad).

La teoría de los juegos suele tratar de reducir la incertidumbre del juego a la incertidumbre probabilística. Por ejemplo, a través del equilibrio de Nash en estrategias mixtas.

Para los mercados, el principal problema de pasar a modelos probabilísticos es la importante no estacionalidad de los modelos resultantes.

Todo porque la representación de la información no es correcta.

Se trata de un proceso no estacionario como se hace con uno estacionario midiendo una ola de mar con una regla/centímetro.

Primero hay que transformar las estructuras fractales a una dimensión (convertir lo no estacionario en estacionario), luego encontrar patrones/patrones y después estadísticas/probabilidades.

 
Mihail Marchukajtes:
Eso es lo que quiero decir. Muchas personas olvidan una regla fundamental muy importante. Si una tarea puede resolverse sin la ayuda de la NS, debe hacerse. De esta regla se deduce que vimos los datos matemáticamente mientras las matemáticas nos lo permiten, en cuanto las matemáticas se vuelven impotentes utilizamos las NS. En otras palabras, los datos de entrada deben ser filtrados al máximo, suavizados, normalizados, etc. MATHEMATIC en cuanto a las matemáticas en principio, y sólo entonces empezar a aplicar NS. Y no para que metamos los trastos del NS y esperemos junto al mar del tiempo. No es así como funciona. Por ejemplo, utilizando 50 vectores de entrada he rechazado todos los trozos de mercado innecesarios que serán ruido durante el entrenamiento y utilizando este número de entradas obtengo un modelo de calidad de aprendizaje del 90-95% con un tiempo de 2 meses en M5. ¿Qué pasaría si introduzco toda esta parte en la red? Nada. Yo obtendría un modelo de mucha peor calidad y no utilizable. Y como la sección estaba en dos meses en el primer que en el segundo caso, y se mantuvo así. Pero el resultado es diferente.

Genial, qué puedo decir, nunca he tenido más de un 55% de acurasi a la hora de predecir la dirección futura, sin ninguna mezcla del pasado. En general, es mejor contar no acurasi, pero la correlación con el retorno futuro, este número se dice que es proporcional a Sharpe Ratio, que se obtendrá (dependiendo, por supuesto, los costos de negociación). Una correlación del 3% es suficiente para la SR anual ~1 -1,5

 
Kesha Rutov:

Genial, qué puedo decir, nunca he tenido más de un 55% de acurasi a la hora de predecir la dirección futura, sin ninguna mezcla del pasado. En general, es mejor contar no acurasi, pero la correlación con el retorno futuro, este número se dice que es proporcional a Sharpe Ratio, que se obtendrá (dependiendo, por supuesto, los costos de negociación). Una correlación del 3% es suficiente para la SR anual ~1 -1,5

Intenta filtrar la entrada matemáticamente y así reducir la muestra de entrenamiento, sin reducir el periodo de tiempo y la calidad de NS aumentará estoy seguro. De este modo, te libras del ruido innecesario, que se elimina con las matemáticas. Nuevamente escribí valores de generalizabilidad dados por el optimizador. Es decir, el periodo de tiempo es el mismo, pero la calidad de la red resultante será mejor, lo que afectará a la retroalimentación. IMHO
 
Mihail Marchukajtes:
Intenta filtrar la entrada matemáticamente y así reducir la muestra de entrenamiento, sin acortar el periodo de tiempo y la calidad del NS aumentará estoy seguro. Así te librarás del ruido innecesario, que se elimina con las matemáticas. Nuevamente escribí valores de generalizabilidad dados por el optimizador. Es decir, el periodo de tiempo es el mismo, pero la calidad de la red resultante será mejor, lo que afectará a la retroalimentación. IMHO

¿Perdón?

 
mytarmailS:

todo porque la representación de la información no es correcta...

El proceso no estacionario se trata como un proceso estacionario medido con una "regla/onda marina centimétrica".

En primer lugar, es necesario transformar las estructuras fractales en una dimensión (no estacionaria para transformarla en estacionaria), luego encontrar patrones/patrones, y después encontrar estadísticas/probabilidades.

En caso de no estacionariedad sustancial es más correcto hablar de multifractal porque las características fractales cambian con el tiempo. Estos cambios son tan imprevisibles como cualquier otro.

 
Kesha Rutov:

¿Qué quiere decir?

Bueno, digamos que no todas las actas, sino las que tienen un cuerpo superior a N puntos como ejemplo. De este modo, se reducirá la cantidad de datos, pero no el intervalo de muestreo. Y la red te lo agradecerá.

Ya que hemos tocado este tema en general, diré que recientemente he estado ayudando a la red a trabajar a través del preprocesamiento. Digamos que primero optimizo los parámetros del Secuente, obtengo en principio un Secuente de tipificación. Y le pido a la red que mejore el Sequenta que ya está ganando. Me refiero a un juego de equipo. En la mitad que gana Sequenta, en la otra mitad una red que ayuda al Sequenta que gana a marcar mejor. Así que decir que no violo a la NS, sino que sólo le pido que ayude un poco, y este poco es suficiente.

Todo esto se tratará en el vídeo...

 
Mihail Marchukajtes:

Digamos que no todas las actas, sino las que tienen un cuerpo superior a N puntos como ejemplo. Esto reducirá la cantidad de datos pero no el intervalo de muestreo. Y la red te lo agradecerá.

Ya que hemos tocado este tema en general, diré que recientemente he estado ayudando a la red a trabajar en el preprocesamiento. Digamos que primero optimizo los parámetros del Secuente, obtengo en principio un Secuente de tipificación. Y le pido a la red que mejore el Sequenta que ya está ganando. Me refiero a un juego de equipo. En la mitad que gana Sequenta, en la otra mitad una red que ayuda al Sequenta que gana a marcar mejor. Así que decir que no violo a la NS, sino que sólo le pido que ayude un poco y con este poco es suficiente.

Todo esto se mostrará en el vídeo...

En su caso, NS analiza sólo las actas que cumplen las condiciones. Por lo tanto, no barajamos el potencial de la red a la basura real, que puede ser eliminado matemáticamente, que en realidad se establece en la condición antes mencionada. Lo que se entiende mejor como una LEY.
 
Y Enokenty, te exijo una disculpa pública por equiparar a mí, un programador y manitas tan inútil, con una personalidad tan destacada como Reshetov Yury. Si hubieras visto su código y la forma de escribirlo, lo habrías admirado como yo admiro la forma de su programación. Sí, hice algunos ajustes en el optimizador que, en mi opinión, mejoraron el rendimiento final, pero es estúpido compararnos a él y a mí. Comparado con él, sólo soy un estudiante de secundaria que siempre se salta las clases y siempre está gritando desde la parte de atrás del colegio "¿Qué? Así que estoy esperando una disculpa.