Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3297

 
La formación es, por supuesto, un concepto más amplio que la optimización. Y utiliza sus propios criterios de evaluación.

El tema se llama: MOE.
 
Maxim Dmitrievsky #:
Estás confundiendo entidades. Estás intentando ajustar la optimización a la aproximación, o viceversa.

La aproximación y la optimización son enfoques diferentes para resolver problemas de aprendizaje automático.

Si he entendido bien, la aproximación en algo-trading es la creación de la propia TS. Quiero martin - creado, quiero scalper - creado, quiero patrones - creado, etc. Usted puede tener métodos MO crear algo.

Y optimización - ajuste/estudio de la TS ya creada.

Dado que, a diferencia de un humano, MO también está involucrado en la creación de CTs a través del cruncher de números, podemos combinar la aproximación y la optimización. ¿Lo has entendido bien?

 
fxsaber #:

Si he entendido bien, en algo-trading, la aproximación es la creación de la propia TS. Quiero martin - creado, quiero scalper - creado, quiero patrones - creado, etc. Usted puede instruir a los métodos de MO para crear algo.

Y la optimización es afinar/estudiar la TS ya creada.

Dado que, a diferencia de un humano, MO también participa en la creación de TS a través del "number cruncher", podemos combinar aproximación y optimización. ¿Es así?

Exactamente
 
La aproximación mediante un polinomio de alto grado conduce al sobreentrenamiento. La varianza del error disminuye, pero el sesgo de los nuevos datos aumenta. Es lo mismo que añadir muchas características. Y sólo lo básico.
No se puede ajustar un modelo reentrenado, no generaliza bien. No se puede hacer inferencia kozul porque no hay comparaciones entre muestras de prueba y de control. El modelo está mal en todas partes en la muestra de prueba, es imposible derivar una corrección. Es más fácil desechar el modelo.
 
Maxim Dmitrievsky #:
Exactamente

Curiosamente, en términos de tener una cantidad de datos (citas), un cerebro humano (como una red neuronal) en comparación con un MO es como una infusoria en comparación con un humano.

Sin embargo, los humanos tan primitivos han demostrado que pueden crear CTs que funcionan bastante bien. Resulta que no se necesita una cantidad tan enorme de datos para crear una CT que funcione.

Es un misterio para mí cómo, por ejemplo, el hombre llegó al punto de modelos scalper de trabajo. Se hizo casi enteramente sin calculadores de números.


El escenario para esto debe haber sido algo como esto:

  1. A menudo veo algún tipo de aplanamiento (estúpidamente en la pantalla durante unos días).
  2. Voy a tratar de ganar dinero en él con un TS primitiva.
  3. No drena mucho. Debería refinar el TS un poco. Miré el historial de operaciones - parece que algo se puede mejorar.
  4. Empezó a aumentar un poco. Repito el punto 3.
No cruncher número. Sólo miré el punto 1 y empecé a hacerlo. La probabilidad de este enfoque parece casi cero, pero de alguna manera funciona. Algún tipo de método de trabajo poke loco.


Al parecer, en algún subconsciente cerebro humano todavía es capaz de encontrar "patrones" en extremadamente pequeña cantidad de datos. No se puede llamar suerte. Es un misterio.

 
fxsaber #:

Curiosamente, en términos de cantidad de datos (citas), el cerebro humano (como red neuronal) comparado con MO es como un infusorio comparado con un humano.

Sin embargo, los humanos tan primitivos han demostrado que pueden crear CTs que funcionan bastante bien. Resulta que no se necesita una cantidad tan enorme de datos para crear una CT que funcione.

Es un misterio para mí cómo, por ejemplo, el hombre llegó al punto de trabajar modelos scalper. Se hizo casi enteramente sin calculadores de números.


El escenario para esto era aparentemente algo como esto:

  1. A menudo veo algún tipo de aplanamiento (he estado moliendo estúpidamente en la pantalla durante unos días).
  2. Voy a tratar de sacar provecho de ella con un TS primitiva.
  3. No drena mucho. Debería refinar un poco el TS. Miré el historial de operaciones - parece que algo se puede mejorar.
  4. Empezó a aumentar un poco. Repita el punto 3.
No hay número cruncher. Sólo miré el punto 1 y empecé a hacerlo. La probabilidad de este enfoque parece ser casi cero, pero de alguna manera funciona. Algún tipo de método de trabajo poke loco.
Aprendizaje de una sola vez. Cuando un gran NS pre-entrenado (cerebro) es pre-entrenado en los datos de la izquierda con sólo unos pocos ejemplos. Si el modelo ha aprendido inicialmente las leyes del mundo, hace clic fácilmente en una nueva tarea con una mirada superficial.

Así es como se preaprenden los grandes modelos lingüísticos, en particular, para nuevas tareas. Pero si le obligas a aprender estos nuevos ejemplos durante mucho tiempo, empezará a olvidar la experiencia previa y se volverá parcial hacia los nuevos datos.
 
fxsaber #:

Curiosamente, en términos de cantidad de datos (citas), el cerebro humano (como red neuronal) comparado con MO es como un infusorio comparado con un humano.

150 mil millones de neuronas, y no 1 salida cada una, sino muchas. La IA no crecerá a tal nivel ni pronto ni nunca.
NS se compara por el nivel de inteligencia a una cucaracha - corre, muerde - huye.

 
Maxim Dmitrievsky #:
Aprendizaje único. Cuando un gran NS preentrenado (cerebro) se preentrena en datos de la izquierda con sólo unos pocos ejemplos. Si el modelo ha aprendido inicialmente las leyes del mundo, hace clic fácilmente en una nueva tarea con un simple vistazo.

aquí, tú mismo has demostrado que un cerebro pre-entrenado con datos de la izquierda resuelve problemas específicos que antes no conocía. y dices que no es necesario ese "conocimiento" extra.

 
fxsaber #:

Al parecer, en algún nivel subconsciente, el cerebro humano sigue siendo capaz de encontrar "patrones" en una cantidad extremadamente pequeña de datos. No se le puede llamar suerte. Es un misterio.

De hecho, un operador procesa mucha más información de diferentes maneras al mismo tiempo que los modelos MO en relación con el trading. y además, el cerebro está armado con diversos conocimientos que no están relacionados con el trading, pero que ayudan a resolver tareas de trading.

 
Andrey Dik #:

aquí, tú mismo has demostrado que un cerebro pre-entrenado con datos falsos resuelve problemas específicos que antes no conocía. y dices que no necesitas "conocimiento" extra.

Yo no he dicho eso, deja de mentir 😀 .
Las señales no son conocimiento.