Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3011
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
¿Alguien más ha probado a añadir volúmenes al entrenamiento? ¿Los resultados son los mismos? ¿O te dan mejoras?
He notado que los modelos como los volúmenes bajo el gráfico se ejecutan a través de indicadores.
No he profundizado en esta dirección - sólo observaciones.
Ha malinterpretado completamente mi post: no existe la "esperanza", o hay una estimación numérica de la idoneidad de un rasgo o no la hay. Y existe una estimación numérica de la idoneidad del rasgo en el futuro.
Interesante, exactamente sobre el futuro, ¿nos revelará los secretos?
Tren 5k
validid 60k
entrenamiento del modelo - 1-3 segundos
extracción de reglas - 5-10 segundos
comprobación de la validez de cada regla (20-30k reglas) 60k 1-2 minutos
Por supuesto, todo esto es aproximado y depende del número de atributos y datos.
¿De qué tipo de modelo se trata?
¿El algoritmo de estimación de reglas funciona con un solo núcleo?
¿Qué tipo de modelo es?
¿El algoritmo de estimación de reglas funciona con un solo núcleo?
Forrest
en uno
Por fin ha sucedido, ¡lo que he estado diciendo durante años empieza a llegar a las masas! :)
No creo que nadie entienda todavía lo que dice ;).
Lo tiene todo claro y sencillo, como la navaja de Occam.
Esa prueba fue con volúmenes reales de CME para EURUSD: volumen acumulado, delta, divergencia y convergencia por 100 barras. Total 400 columnas + 5 más de algún tipo.
Sin cambiar ninguna configuración del modelo, simplemente eliminé 405 columnas con datos de CME (los deltas y zigzags de precios permanecieron) para un total de 115 columnas y obtuve resultados ligeramente mejores. Resulta que los volúmenes a veces se seleccionan en splits, pero resultan ser ruido en OOS. Y el entrenamiento se ralentiza 3,5 veces.
Para comparar, dejé los gráficos con volúmenes arriba y sin volúmenes abajo.
Esperaba que los volúmenes con CME aportaran información adicional/regularidades que mejoraran el aprendizaje. Pero como se puede ver, los modelos sin volúmenes son un poco mejores, a pesar de que los gráficos son muy similares.
Esta ha sido mi 2ª aproximación a CME (lo intenté hace 3 años) y de nuevo sin éxito.
Resulta que todo se tiene en cuenta en el precio.
¿Alguien más ha probado a añadir volúmenes al entrenamiento? ¿Los resultados son los mismos? ¿O les dan mejoras?
Hice 3 pruebas más sin volúmenes y las comparé con las que hice con volúmenes. Ya he cambiado los hiperparámetros del modelo.
Total de 4 pruebas: en 3 sin volúmenes el OOS es mejor y en 1 peor. Es decir, a veces los volúmenes añaden un poco. En general todo a nivel de error. Se consigue más por fuerza bruta de hiperparámetros que añadiendo volúmenes. Ni mejoras significativas ni empeoramientos significativos dan.
Esperaba más de los volúmenes.
Me pregunto, sobre el futuro en concreto, ¿puede contarme los secretos?
He escrito algunas veces.
forrest
en uno
¿Qué porcentaje está muestreando?
Me parece que hay muy poca utilidad en forrest si divide utiliza la mitad de un predictor cada uno.
lo que dices todavía nadie lo entiende, en mi opinión )
Lo tiene todo claro sin palabras y sencillo, según el principio de la navaja de Occam.
No, es que cuando llegué al hilo y empecé a hablar de sacar reglas de los árboles y evaluarlas os reísteis de la idea.
Ahora he dado el siguiente paso - la creación de condiciones para la creación de reglas potencialmente de alta calidad a través de la evaluación de los segmentos cuánticos de predictor, y de nuevo me enfrento a la incomprensión total.
He escrito varias veces.
Aquí hay que decir lo mismo cien veces para que te escuchen.