Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3363

 
mytarmailS #:

Tomemos como ejemplo la media, que tiene un parámetro: el periodo.

Este parámetro puede ser una constante, o se puede cambiar de acuerdo con alguna fórmula.....

¿Entiendo que tiene parámetros como una constante?

No estoy familiarizado con esa terminología. Cinco parámetros optimizados en MT5-tester.

 
fxsaber #:

Así es como se puede explicar cualquier cosa. Obviamente, no hay nada concreto que decir. Yo mismo creo que es un ajuste. Porque el inicio de la "deriva" hacia la izquierda coincide mucho con el punto de inicio de la Muestra. En tal situación, OOS se puede explicar de esta manera, por supuesto.


Esto también es EURUSD. El OOS de la derecha son los últimos cuatro meses de 2023. El OOS es el resto de 2023.

Alguna opción para otra explicación? 😀 No se puede decir nada específico de la gráfica, a la derecha.

Usted puede calcular las posibilidades de sobreoptimización correcta a través de algunos lobo-forward. Cuántas veces sobreoptimizado con un beneficio en el delantero en un mes, y cuántos con una pérdida. Esto dará un poco de confianza financiera y valentía.
 
Maxim Dmitrievsky #:
Puede calcular las posibilidades de sobreoptimización correcta mediante algún forward lobo. Cuántas veces se ha sobreoptimizado con beneficio en el forward en un mes, y cuántas con pérdida. Esto le dará algo de confianza y valentía financiera.

Quizás un método así sirva para confirmar/refutar la hipótesis de que el mercado ha cambiado en Sample y por tanto el buen OOS de la derecha no es casualidad. Gracias, lo pensaré un poco.

 
mytarmailS #:


Tomemos como ejemplo la media, que tiene un parámetro: el periodo.

Este parámetro puede ser una constante, o se puede cambiar de acuerdo con alguna fórmula.....

¿Entiendo que tiene parámetros como constantes?

Constantes, no cambian después de la optimización.
 
fxsaber #:

No estoy familiarizado con esta terminología. Cinco parámetros optimizados en MT5-tester.

Tal vez tenga sentido buscar un parámetro y una fórmula para calcular sus parámetros optimizados. Basado en los resultados de la optimización. Por supuesto que es complicado.
 
Valeriy Yastremskiy #:
Quizá tenga sentido buscar un parámetro y una fórmula para calcular los parámetros optimizados. Basándose en los resultados de la optimización. Claro que es complicado.
+
Eso es lo que intentaba decir, pero quería que lo entendiera.
La gente sólo valora sus propias conjeturas.
 
fxsaber #:

Tal vez un método de este tipo funcionaría para confirmar/refutar la hipótesis de que el mercado ha cambiado en Sample, y por lo tanto el buen OOS de la derecha no es una casualidad. Gracias, lo pensaré un poco.

Sí, si mueves la ventana de muestra hacia atrás, todas las curvas de OOS cambiarán, más o menos como en la regresión polinómica su predicción salta como la espuma cuando mueves la ventana. Cuanto mayores sean los parámetros opt o el grado del polinomio, más wiggly este peece es. Lo ideal sería tener una optimización tan rápida que pudieras mover la ventana con el ratón y mirarla inmediatamente. Creo que hiciste algo así con el mejor intervalo.

En el último artículo sugerí una variante sobre cómo hacer el entrenamiento más estable para MO. Es decir, menos reentrenamiento. Pero el rendimiento se resiente.

Este es el equilibrio entre sesgo y varianza, cuando el aumento de los parámetros de TS conduce a la deriva en los nuevos datos, y la disminución de ellos conduce a una mayor varianza de las predicciones. Los optimizadores locales no pueden entender esto.
 
Maxim Dmitrievsky #:
Sí, si mueves la ventana de muestreo hacia atrás, todas las curvas OOS cambiarán, al igual que en la regresión polinómica su predicción salta como una loca cuando mueves la ventana. Cuanto mayores sean los parámetros opt o el grado del polinomio, mayor será este problema. Lo ideal sería tener una optimización tan rápida que pudieras mover la ventana con el ratón y mirarla inmediatamente. Creo que hiciste algo así con el mejor intervalo.

En el último artículo sugerí una variante sobre cómo hacer el entrenamiento más estable para MO. Es decir, menos reentrenamientos. Pero la rentabilidad se resiente.

Se trata de la compensación sesgo-varianza, cuando el aumento de los parámetros de la TS conduce a la deriva en los nuevos datos, y su disminución conduce a una mayor dispersión de las predicciones. Los optimizadores locales no pueden entender esto.

Todo es mucho más sencillo.

Ajustaron algo a alguna sección de un proceso aleatorio no estacionario, sin darse cuenta de que cualquier sección de un proceso no estacionario no tiene nada que ver con cualquier otra sección de un proceso no estacionario. Por lo tanto, los resultados en otros segmentos son arbitrarios: pueden ser buenos, pero pueden ser malos, pero en realidad el bocadillo SIEMPRE se cae de mantequilla.

Por cierto, el concepto de "dispersión" se refiere a un proceso aleatorio estacionario.

 
СанСаныч Фоменко #:
cualquier parte de un proceso no estacionario no tiene NADA que ver con cualquier otra parte de un proceso no estacionario.

El mercado, en el sentido de los precios de los distintos activos en el tiempo es un proceso demasiado multifactorial para que hoy en día podamos regularlo o predecirlo, el último en este rango de factores es aparentemente la psique de los individuos, lo cual también es difícil. Pero definitivamente no es un SB)))))) no estacionario. Esta es una suposición para hoy en día, siempre y cuando no hay suficiente poder. Aparentemente.)))))

Maxim Dmitrievsky #:
TC conduce a la deriva en los nuevos datos, y la reducción conduce a una mayor varianza de predicción.

el dilema habitual de la precisión y la falta de complejidad o coste.

 
СанСаныч Фоменко #:

Es mucho más sencillo.

Se ajustó algo a alguna parte de un proceso aleatorio no estacionario sin darse cuenta de que cualquier parte de un proceso no estacionario no tiene NADA que ver con cualquier otra parte del proceso no estacionario. Por eso los resultados en otros segmentos son arbitrarios: pueden ser buenos, pero pueden ser malos, pero en realidad el bocadillo SIEMPRE se cae de mantequilla.

Por cierto, el concepto de "varianza" se refiere a un proceso aleatorio estacionario.

Qué tiene que ver un proceso no estacionario con encontrar ineficiencias recurrentes. Por ejemplo, la mayoría de los scalpers tienen todo tipo de scalpers de canal, que operan en determinados momentos, donde son más predecibles. Y justo en esos momentos el proceso es bastante estacionario, de lo contrario es imposible una TS rentable. Yo soy inmune a este tipo de estrategias debido a las constantes guerras con los centros de corretaje, pero sin embargo existen. Es una especie de juego sobre las peculiaridades de la cotización, básicamente. Puede que no haya mucha necesidad de MO ahí.