Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3124

 
Forester #:

Digamos que ha habido una tendencia global al alza durante 3 meses. El precio ha crecido un 7%. Al mismo tiempo, se producen cambios de hasta un 2% en ambas direcciones al día.
¿Qué peso debe darse a los rendimientos H1 de la 1ª barra, 2ª barra .... 100 barra? Y al resto de fiches. Dudo que existan fórmulas científicamente (o al menos experimentalmente) justificadas.
Dar cientos de pesos dificultará aún más la búsqueda de un modelo adecuado. Ya hay un mar de hiperparámetros.

Cuando no hay una certeza clara de causa y efecto, sólo a través de experimentos aleatorios. No es súper fiable, pero no hay otra forma.

Hay una fórmula de Frisch-Wu-Lovell científicamente válida. Aparentemente no has leído ese libro.

Por supuesto, puedes seguir en términos de: rebotó desde este nivel, saltó por debajo de aquella curva, y en las noticias se volvió a desplomar todo... pero nadie ha demostrado la utilidad de tal fórmula. Si jugamos con el azar, deberíamos jugar con el gusto.
 
Maxim Dmitrievsky #:
Cuando no hay una certeza clara de causa y efecto,

varios ticks ya predicen la dirección futura del precio.

Por supuesto, no lo verá en la barra horaria o diaria.

He aquí una sugerencia.

Y en principio, no debería.

 
Uladzimir Izerski #:

Y en principio, no deberías.

+
 
Forester #:
El modelo de venta empieza a decaer cuando la tendencia global (sólo 1-1,5 años) es alcista. Encuentra una oportunidad para ganar en el comercio, pero en el OOS entra en drawdown.
Tal vez la primera variante con buy|sell selección por un modelo será mejor. Pero si se ajusta a la tendencia global, se drenará en los momentos de cambio de tendencia. Y probablemente operará en una dirección durante años.

El principal signo de sobreentrenamiento del modelo es una divergencia en el TRAIN y el OOS. Si hay tal discrepancia, entonces todo debe ser desechado, todo está vacío, todo el viaje es falso.

 
СанСаныч Фоменко #:

El principal signo de sobreentrenamiento del modelo es una divergencia en el traine y el OOS. Si existe tal discrepancia, entonces hay que descartarlo todo, todo está vacío, toda la caminata es falsa.

Información obsoleta.

Cuenta mejor lo que haces con mahalanobis, le daremos vueltas.
 
Maxim Dmitrievsky #:

información obsoleta.

Dime qué haces con mahalanobis, vamos a darle una vuelta.

Información desfasada( El principal signo dereentrenamiento delmodelo es una divergencia en traine y OOS).

Por supuesto que está desfasada. Sospecho que, si se aplica, todo lo que haga tendrá que tirar todos sus p-cuadrado a mítico equilibrio.


Dime mejor que haces con mahalanobis y le damos una vuelta.

No lo hago.

En R, el paquete fastmatrix::Mahalanobis(x, centre, cov, inverted = FALSE) cuenta la distancia euclídea entre vectores.

¿Por qué lo necesitamos?

Necesitamos el poder predictivo del predictor, es decir, la capacidad de predecir diferentes clases, y en el futuro, de forma que las fluctuaciones en el poder predictivo sean mínimas, bueno, al menos dentro del 10%. Por eso utilizo un enfoque diferente, ya he publicado una vez los resultados de los cálculos.

 
СанСаныч Фоменко #:

información obsoleta ( El principal signo dereentrenamiento delmodelo es una discrepancia en el traine y el OOS).

Por supuesto que está desfasada. Sospecho que si se aplica, lo único que hay que hacer es tirar todos los p-cuadrado a un equilibrio mítico.


Dinos que haces con mahalanobis, le daremos una vuelta.

Yo no lo hago.

En R el paquete fastmatrix::Mahalanobis(x, centre, cov, inverted = FALSE) cuenta la distancia euclidiana entre vectores.

¿Por qué necesitamos esto?

Necesitamos el poder predictivo del predictor, es decir, la capacidad de predecir diferentes clases, y en el futuro, de forma que las fluctuaciones en el poder predictivo sean mínimas, bueno, al menos dentro del 10%. Por eso utilizo un enfoque diferente, ya publiqué una vez los resultados de los cálculos.

¿Y para qué necesitamos tus incógnitas, qué sentido tiene escribir sobre ellas?
 
Maxim Dmitrievsky #:
mahalanobis

Preguntaste sobre mahalanobis , te respondí, y no sólo te respondí, sino que escribí la razón por la que no lo uso.

 
СанСаныч Фоменко #:

Preguntaste sobre mahalanobis, te respondí, y no sólo te respondí, sino que escribí la razón por la que no lo uso.

¿Se concretará alguna vez el diálogo, o seguiremos leyendo sobre tus conjeturas y suposiciones acerca de la "capacidad de predecir diferentes clases"?

A juzgar por la experiencia del diálogo contigo, la concreción no es tu especialidad, más bien un paquete.

 
Maxim Dmitrievsky #:

¿Se concretará alguna vez el diálogo, o seguiremos leyendo sus conjeturas y suposiciones sobre la "capacidad de predecir diferentes clases"?

A juzgar por mi experiencia contigo, la concreción no es tu especialidad, más bien un paquete.

¿Quizás no queremos ver concreciones?

He colgado tanto tablas con los resultados de los cálculos de la capacidad predictiva y su variabilidad con estadísticas cuando la ventana se mueve en OOS, como gráficos explicando el significado de las palabras "capacidad predictiva" ......


Todo lo que hay en este hilo... todo vacío .... no interesa a nadie. Es más fácil sacar una conclusión para la auto-afirmación "no hay datos específicos".