Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1839

Nuevo comentario
 
mytarmailS:

Ahahahaha )))) ¡¡¡LOL !!!

Perra es así las palabras del Arlequín. ¡¡¡¡Hare to plogiarize!!!! Esperándolo con impaciencia....
 

Me gustaría el consejo de todos.
En el paquete Darch encontré la siguiente opción de evaluación del modelo:
Calculamos el error en la vía y en los tramos oob.
Entonces el error total se calcula como
err = oob_error * comb_err_tr + train_err * (1 - comb_err_tr);

donde comb_err_tr = 0,62. El multiplicador que controla la contribución de los errores de las secciones de tren y oob. Si se fija en 0, la estimación es sólo por tren. Si lo pones a 1, la estimación es sólo para oob.

0,62 significa que el error oob tiene un poco más de peso en la estimación total del modelo.

He utilizado esta fórmula durante un tiempo, pero ahora tengo dudas.

El error en el oob suele tener un límite, y en el tren si el sobreentrenamiento continuó, podría bajar hasta 0.
Aproximadamente así: (el verde es el error estimado según la fórmula)




Según esta fórmula, el error seguirá disminuyendo debido a la disminución del error trn. Y sólo dejará de caer cuando la trn deje de disminuir. Al mismo tiempo, cuando el sobreentrenamiento ha comenzado, el error en el oob comenzará a aumentar.
En mi opinión, dejar de aprender cuando se empieza a errar por la fórmula es demasiado tarde.
Incluso en el punto en el que el error oob es mínimo tampoco es óptimo. Debido a una afortunada aleatoriedad encontramos accidentalmente el mínimo por oob, pero puede ser un ajuste de oob.
¿Tal vez deberíamos tomar el error mínimo en el oob, y contarlo como un límite para el error en el tren? Es decir, ¿dejar de entrenar el modelo cuando el error en trn sea igual al mejor error en oob (donde dibujé la línea vertical)? El error en el oob será peor, pero no se ajustará ni al tren ni al oob.

 
elibrarius:

Me gustaría el consejo de todos.
En el paquete Darch encontré la siguiente opción de evaluación del modelo:
Calculamos el error en la vía y en los tramos oob.
Entonces el error total se calcula como
err = oob_error * comb_err_tr + train_err * (1 - comb_err_tr);

donde comb_err_tr = 0,62. El multiplicador que controla la contribución de los errores de las secciones de tren y oob. Si se fija en 0, la estimación es sólo por tren. Si lo pones a 1, la estimación es sólo para oob.

0,62 significa que el error oob tiene un poco más de peso en la estimación total del modelo.

He utilizado esta fórmula durante un tiempo, pero ahora tengo dudas.

El error en el oob suele tener un límite, y en el tren si el sobreentrenamiento continuó, podría bajar hasta 0.
Aproximadamente así: (el verde es el error estimado según la fórmula)




Según esta fórmula, el error seguirá disminuyendo debido a la disminución del error trn. Y sólo dejará de caer cuando la trn deje de disminuir. Al mismo tiempo, cuando el sobreentrenamiento ha comenzado, el error en el oob comenzará a aumentar.
En mi opinión, dejar de aprender cuando se empieza a errar por la fórmula es demasiado tarde.
Incluso en el punto en el que el error oob es mínimo tampoco es óptimo. Debido a una afortunada aleatoriedad encontramos accidentalmente el mínimo por oob, pero puede ser un ajuste de oob.
¿Tal vez deberíamos tomar el error mínimo en el oob, y contarlo como un límite para el error en el tren? Es decir, ¿dejar de entrenar el modelo cuando el error en trn sea igual al mejor error en oob (donde dibujé la línea vertical)? El error en el oob será peor, pero no se ajustará ni al tren ni al oob.

Esto tiene su lógica. El margen de error viene determinado por un modelo probabilístico y tanto el tamaño razonable de la muestra como el número de sesiones de reentrenamiento tienen algún tamaño óptimo, cuyo aumento no mejora el resultado

 
mytarmailS:

Un sistema de trading a través de los ojos de un algotrader

R - ¡sólo eres apuenen! :)

¿qué pasa con los filtros digitales o los niveles? :D

 
Maxim Dmitrievsky:

¿Los filtros digitales o los niveles muestran algo interesante? :D

Lo último que hice fue buscar una superposición de patrones ...

Tenemos un nivel - cuando el precio lo cruza, fijamos este patrón y lo fijamos como muestra de entrenamiento

Los patrones pueden ser diferentes

busco cualquier patrón que haya surgido en el momento, cualquier conjunto distinto que resuelva algo


Para extraer las reglas de los patrones utilizo"reglas asociativas", este enfoque difiere de los habituales por el hecho de que cada ejemplo de entrenamiento puede contener cualquier número de elementos y no tiene en cuenta el orden de las características, lo que también es bueno ya que para mí


el objetivo: encontrar un extremo a partir del cual se produzca un aumento de 10 puntos

 x[i]==min(x[(i-1):(i+10)])

no es la mejor solución, pero es lo que estoy escribiendo, hasta ahora sólo comprar


el algoritmo de minería "apriori" del paquete "arules"


así es como se ven las reglas encontradas

inspect(head(rules.sorted,20)) 
     lhs                              rhs   support     confidence lift     count
[1]  {(28)(28)(-1);1,(44)(45)(-1)} => {BUY} 0.001017018 0.5769231  3.046559 15   
[2]  {(25)(23)(-1);1,(5)(3)(-1)}   => {BUY} 0.001084819 0.5517241  2.913491 16   
[3]  {(31)(33)(-1),(8)(6)(-1)}     => {BUY} 0.001084819 0.5000000  2.640351 16   
[4]  {(49)(45)(-1),(54)(52)(-1)}   => {BUY} 0.001017018 0.5000000  2.640351 15   
[5]  {(25)(23)(-1),(82)(84)(-1)}   => {BUY} 0.001017018 0.4838710  2.555178 15   
[6]  {(46)(48)(-1),(56)(56)(-1)}   => {BUY} 0.001017018 0.4838710  2.555178 15   
[7]  {(25)(23)(-1);1,(40)(41)(-1)} => {BUY} 0.001017018 0.4838710  2.555178 15   
[8]  {(29)(30)(-1),(37)(39)(-1)}   => {BUY} 0.001017018 0.4838710  2.555178 15   
[9]  {(34)(32)(-1),(76)(74)(-1)}   => {BUY} 0.001898434 0.4745763  2.506096 28   
[10] {(25)(22)(-1),(7)(6)(-1);3}   => {BUY} 0.001152621 0.4722222  2.493665 17   
[11] {(17)(16)(-1);1,(49)(45)(-1)} => {BUY} 0.001017018 0.4687500  2.475329 15   
[12] {(46)(48)(-1),(62)(60)(-1)}   => {BUY} 0.001017018 0.4687500  2.475329 15   
[13] {(20)(21)(-1),(45)(46)(-1)}   => {BUY} 0.001017018 0.4687500  2.475329 15   
[14] {(19)(18)(-1);1,(60)(57)(-1)} => {BUY} 0.001220422 0.4615385  2.437247 18   
[15] {(25)(23)(-1);1,(47)(45)(-1)} => {BUY} 0.001152621 0.4594595  2.426268 17   
[16] {(40)(41)(-1),(71)(71)(-1)}   => {BUY} 0.001152621 0.4594595  2.426268 17   
[17] {(2)(1)(-1);4,(6)(6)(-1)}     => {BUY} 0.001084819 0.4571429  2.414035 16


aquí está la regla "1" (la mejor) en acción con los nuevos datos

sin ninguna manipulación, tal cual, en la secuencia tal cual...

decida usted mismo si este es un tema interesante o no

continuación de la misma


Entonces es posible añadir AMO a estas entradas como si estuvieran "encima" para filtrar la entrada/salida.

Hay un potencial ilimitado para aumentar la cantidad y la calidad de los patrones

A lo mejor sale algo chulo, pero no tengo energía y mecha, me he ido a una borrachera creativa ((



Creo que los niveles son la herramienta más prometedora para crear TS...

A mi entender, el nivel de precios no es un estúpido fractal de Bill Williams, sino un evento a un precio específico, muy probablemente "un montón de movimientos".

 
mytarmailS:

A continuación, puede añadir AMO a estas entradas como si "en la parte superior" para filtrar para entrar / no entrar

Hay un potencial ilimitado para aumentar la cantidad y la calidad de los patrones

A lo mejor sale algo chulo, pero no tengo ni energía, estoy en una borrachera creativa ((

Cuando tenga suficiente energía, leeré).

 
Maxim Dmitrievsky:

Lo leeré cuando me ponga a ello).

Busca en Google algo más corto, no hay mucho que leer.

 
Oh, que jodido... la gente no bebe, nunca bebe, nunca, nunca....
 
mytarmailS:
Oh, qué jodido... la gente no bebe, nunca bebe, nunca, nunca....
Sé lo que quieres decir. Yo también estoy de rebote por segundo día :-)
 

Veo que está tratando de encontrar un patrón. Es tan simple como una moneda de diez centavos de dólar) Es la teoría de las ondas. Pero de momento no es de dominio público.

Imagina que llevas 22 años casado. ¿Qué probabilidad hay de que te divorcies hoy o mañana? Enseña al aprendizaje automático esta comprensión y sólo entonces pasa a las cuestiones más sencillas: los mercados financieros.

Me doy cuenta de que me resulta difícil abordar el tema.

Respetando las palabras de Yusuf. Siempre ha acertado con la continuidad de la historia y el momento actual. Y la importancia para el futuro.

1...183218331834183518361837183818391840184118421843184418451846...3399
Nuevo comentario