Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3182
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
Foro sobre negociación, sistemas automatizados de negociación y ensayo de estrategias de negociación
Aprendizaje automático en el trading: teoría, modelos, práctica y algo-trading
mytarmailS, 2023.08.17 08:42 AM
tu segundo paso que "no haces" ))
¿Cuál es la diferencia?
La diferencia es que no se busca nada en los resultados de la optimización. Es decir, los cinco primeros resultados de optimización nunca se han ejecutado en OOS antes.
Foro sobre negociación, sistemas automatizados de negociación y ensayo de estrategias de negociación
Aprendizaje automático en el trading: teoría, modelos, práctica y algo-trading
Valeriy Yastremskiy, 2023.08.17 10:44 AM
Parece lógico que disminuya la probabilidad de falsos positivos y negativos, pero para mí no es la panacea contra los errores.
¿Crees que deberías confiar más en el modelo train_optim + test_forward que en (train+test)_optim?
No hay error. No hay error. No hay error.
Tomé otra muestra - 47% de unidades y ejemplos 5 veces menos - después de un par de pasadas puedo decir que ya encuentra muchos segmentos cuánticos.
Lo que más me llamó la atención es la similitud del objetivo inicial y el generado - son 49% similares - tal vez es necesario establecer algún umbral aquí - no más del 30% de similitud? ¿Alguna idea?
Hice un gráfico - si hay una coincidencia "-1", si no hay coincidencia, entonces "+1", tengo un equilibrio.
Un montón de tendencias en él, ¿qué piensa usted?
Arriba es real, abajo es aleatorio.
Hice la optimización con los mismos ajustes en el símbolo real y en el generado.
Real.
Aleatorio.
No está entrenado en Random.
Hice una optimización con los mismos ajustes en el personaje real y en el generado.
Real.
Aleatorio.
No entrenado en Random.
La diferencia es que en los resultados de la optimización no se busca nada. Es decir, los cinco primeros resultados de optimización no se han ejecutado nunca en OOS.
Hice una optimización con los mismos ajustes en el personaje real y en el generado.
Real.
Aleatorio.
No está entrenado en Random.
Maxim Dmitrievsky #:
Сколько раз был сгенерирован рандом символ?)
Uno.
es obvio que cuanto más larga sea la secuencia, más veces habrá que generarla para que funcione también.
No entiendo esta afirmación. ¿Qué se quiere decir con las dos opciones siguientes?
Cosas aparentemente sencillas, porque incluso en símbolos reales diferentes no funciona la misma TC.
El algoritmo de aleatorización es el siguiente:
Exactamente de la misma manera que consigo ambos modelos de trabajo OOS y no, a través del mismo algoritmo. El símbolo es el mismo, no se ha añadido ninguna nueva aleatoriedad. Sólo encuentra aleatoriamente patrones de larga duración o patrones locales. Porque el entrenamiento en una submuestra aleatoria (40% dentro del rango seleccionado por la línea), y todavía se mantienen otros aleatorizadores buscando patrones a través de la aleatorización, que la aleatorización persigue.
Uno.
No entiendo esta afirmación. ¿Qué significan las dos opciones siguientes?
El algoritmo de aleatorización es el siguiente:
Sí, el resaltado
Hay que ejecutar muchas veces, muchos caracteres. He mostrado un ejemplo de mi sobre muestreador arriba. Simplemente saca muestras al azar para el entrenamiento de la misma fila y los resultados son siempre diferentes en OOS.
Exactamente las mismas caídas bruscas en OOS.