Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2480

 
Dmytryi Nazarchuk #:

Al aplicar los métodos de aprendizaje automático al RUNNING, es prácticamente imposible tener la misma variable dependiente para el mismo conjunto de variables de entrada. Los diferentes valores de la variable dependiente generan un error de predicción que hay que minimizar.

Todo este hilo trata de minimizar el error de predicción, aksakal.

Verdades simples....

¿Es usted consciente del hecho de que existen métodos de entrenamiento en los que la minimización del error puede ser infinitamente larga, no por el tiempo sino por el resultado real, y que el valor mínimo de error obtenido en el entrenamiento no es un criterio para la evaluación de la generalizabilidad del modelo? Digamos que el método de retropropagación es capaz de minimizar el error en cualquier dato a cero, pero normalmente tales modelos no tienen capacidad de generalización y funcionan mal en los nuevos datos. Por lo tanto, este método podrá minimizar el error en presencia de datos contradictorios a cero, pero será de poca utilidad en la práctica. ¡Así que créanme que minimizar el error en la formación no es un enfoque suficiente en la formación!
 
mytarmailS #:

¿por qué al azar?

Exactamente. Las series temporales de intercambio no son estacionarias en primer lugar, pero no son en absoluto aleatorias. Siempre hay una razón para un cambio en una serie de precios y es el análisis de la razón lo que ayuda a predecir el precio, ¡no la consecuencia!
 
Mihail Marchukajtes #:
Exactamente. Las series temporales de intercambio no son estacionarias, pero no son aleatorias. Siempre hay una razón para los cambios de precios y es el análisis de la causa lo que ayuda a pronosticar el precio, no la consecuencia.

........................ Dame un ejemplo de una serie determinista no estacionaria

 
Mihail Marchukajtes #:
¿Eres consciente de que hay métodos de entrenamiento en los que la minimización del error puede ser infinitamente larga no por el tiempo sino por el resultado real y que el error mínimo obtenido durante el entrenamiento no es un criterio para evaluar la generalizabilidad del modelo? Digamos que el método de retropropagación es capaz de minimizar el error en cualquier dato a cero, pero, por regla general, tales modelos no tienen capacidad de generalización y funcionan mal en los nuevos datos. Por lo tanto, este método podrá minimizar el error en presencia de datos contradictorios a cero, pero será de poca utilidad en la práctica. ¡Así que créanme que la minimización de errores en el entrenamiento no es un enfoque suficiente en la formación!

Mentira

 
mytarmailS #:

¿por qué al azar?

Las series temporales son deterministas, aleatorias y estocásticas. No hay otros. Ninguna.

Cotizaciones de divisas y acciones: ¿qué tipo de series?

 
Evgeniy Ilin #:

Y si es tu pensamiento exactamente, entiendo lo que estás pensando, puedes tomar cualquier función como:

A[1]*X^0+A[2]*X^1+ ... + A [N]*X^N, es en general una serie de Taylor (serie funcional), salvo que A[i] > 0 para todo i = 1...N da en general un crecimiento constante de la primera derivada, para decirlo claramente, así

Cómo diferenciar un conjunto de datos de series temporales con Python

Cómo hacer backtest de modelos de aprendizaje automático para la previsión de series temporales

sí, algo en la red ... confundido por la corrección de la estacionalidad y otros eventos más significativos en el tiempo...

... y el número de veces :

Así, el proceso de diferenciación puede repetirse más de una vez hasta que se haya eliminado toda la dependencia temporal.

El número de veces que se realiza la diferenciación se denomina orden de diferencia.

p.d.

Voy a mirar los enlaces de aquí también (gracias por el artículo)

How to Difference a Time Series Dataset with Python
How to Difference a Time Series Dataset with Python
  • Jason Brownlee
  • machinelearningmastery.com
Differencing is a popular and widely used data transform for time series. In this tutorial, you will discover how to apply the difference operation to your time series data with Python. After completing this tutorial, you will know: About the differencing operation, including the configuration of the lag difference and the difference order. How...
 
Dmytryi Nazarchuk #:

Las series temporales son deterministas, aleatorias y estocásticas. No hay otros. Ninguna.

Precios de las divisas y de las acciones: ¿qué tipo de series?

No soy bueno en eso...

Si no me equivoco: en términos de teoría de la probabilidad, las cotizaciones son un proceso aleatorio y no estocástico.

Pero no estoy de acuerdo.

 
mytarmailS #:

No se me da bien.

Si no me equivoco: en términos de teoría de la probabilidad, las cotizaciones son un proceso aleatorio y no estacionario.

Pero no estoy de acuerdo con eso.

¿Por qué no?

 
Dmytryi Nazarchuk #:

¿Por qué?

Tengo varios argumentos, pero no es necesario considerarlos en términos de la teoría de la probabilidad, sólo el razonamiento humano.

1) Todos los métodos matemáticos inventados para procesar series aleatorias/no estacionarias/estacionarias..... cualquier serie no funcionan para las cotizaciones, ¿por qué?

2) el proceso está organizado por personas para sacar dinero a otras personas, no puede funcionar al azar, creo que el proceso es determinista pero es complicado...

Había otros puntos, pero cuando empecé a escribir se me olvidó...

 
mytarmailS #:

Tengo varios argumentos, pero no deben considerarse en términos de teoría de la probabilidad, sino simplemente de razonamiento humano.

1) Todos los métodos matemáticos inventados para procesar series aleatorias/no estacionarias/estacionarias..... cualquier serie no funcionan para las cotizaciones, ¿por qué?

2) el proceso está organizado por personas para sacar dinero a otras personas, no puede funcionar al azar, creo que el proceso es determinista pero es complicado...

Tenía más puntos, pero cuando empecé a escribirlos, se me olvidaron...

1. Todos los métodos matemáticos para los procesos no estacionarios son chamanismo. Eso es porque sólo se puede predecir el futuro basándose en el pasado y si el futuro no depende del pasado, las predicciones basadas en el pasado no funcionan.

Por lo tanto, la elección del método, el modelo, etc. no desempeña ningún papel, sólo la elección correcta de las variables de entrada.

No necesitas ir más allá.