Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 161
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
¿Y si le dijera que no existe la "Ley de Newton" en la naturaleza? Y es sólo una fórmula derivada para simplificar los cálculos. Y la frase "la ley de Newton funciona o no funciona" implica que esta fórmula puede utilizarse para calcular algún proceso, o viceversa, no puede aplicarse debido a la complejidad del problema y a la naturaleza caótica del mundo.
Supongamos que hay una bola de acero. Conociendo su masa, se puede determinar a qué velocidad caerá, a qué velocidad llegará al suelo, etc., y todo esto es bastante preciso. En el caso de una pelusa, sin embargo, hay tantas influencias sobre ella que aplicar las leyes de Newton no te ayudará a calcular dónde y cuándo caerá la pelusa. Incluso si te encierras en una habitación sin viento en el fondo del océano, incluso cualquier actividad sísmica cambiará y la pelusa no caerá donde la calculaste. Incluso un experimento tan complejo ya supera los límites de la ordinariez, pero sigue sin ser lo suficientemente preciso.
El comportamiento de la pelusa es una analogía del comportamiento de un símbolo de comercio de divisas. Puedes hacer un Asesor Experto con miles de fórmulas, pero todas ellas sólo describirán los fenómenos que observes en este proceso. Nunca entenderás del todo los procesos subyacentes, así que, sean cuales sean las fórmulas precisas que crees, sólo funcionarán en condiciones ideales, describiendo únicamente los fenómenos previamente observados. Pero en realidad algo inesperado sucederá y el mercado irá en contra de todas tus fórmulas y sacará todos tus stops.
Me dedicaba a calcular la dinámica del flujo de líquidos y gases. Con plena responsabilidad puedo declararles que si el objeto "pelusa" se comporta como "inusual" para cualquier observador no significa que las leyes de Newton no funcionen, significa que el observador no ha considerado las fuerzas que influyen en el objeto, en este caso el movimiento de las masas de aire que, teniendo en cuenta la relación de la masa del objeto con el área de su superficie, ejercen mucha más influencia, que la fuerza de gravitación. Pero se trata de las mismas fuerzas newtonianas, que no fueron tenidas en cuenta por el observador.
¿Ves lo que quiero decir? Son cosas elementales. Si no funciona, significa que hay algo que no se tiene en cuenta. No es culpa de nadie, aparte del observador.
Ahora establezca una analogía, quizá mental, entre lo anterior y el mercado.La ley funciona, y para la pelusa también. Pero cuando uno mira las cosas "a nivel doméstico", eso es lo que se consigue....
Fa, las variables conocidas se descartan de inmediato, lo que sugiere la oración))
Gracias, lo he leído.
Creo que el autor es demasiado optimista.
Cuando se utilizan datos estándar preprocesados (fx), se cree que este enfoque funciona
y con una estructura más compleja (número de ladrillos), será el ajuste más difícil.
Todo ello, por supuesto...
movimientos de masas de aire que, dada la relación entre la masa de un objeto y su superficie, tienen un impacto mucho mayor que la gravedad. Pero todas estas son las mismas fuerzas newtonianas que no han sido contabilizadas por el observador.
Hablamos de la dificultad de aplicar la ley de Newton para determinar el movimiento de un objeto mullido a nivel doméstico. Primero te burlaste de que era un juego de niños. Ahora, de repente, hay que tener en cuenta las masas de aire y todas las fuerzas newtonianas. ¿Qué clase de vida es para ti que utilizar un centro de datos para calcular las masas de aire es algo habitual? Debes estar construyendo cohetes, o alguna otra nave espacial.
¿Y qué tipo de fuerzas newtonianas son éstas? ¿La fuerza utilizada por Isaac Newton para girar una vez cada 1 segundo? (Es una broma)
Lo mismo. Tanto en la pelusa como en el balón)))
Soy un poco tonto, sí.) En un momento dado es más o menos lo mismo. Pero el globo caerá y ya está. Y la trayectoria de la bala que cae es más retorcida, por lo que tendrá que volar una distancia mayor y la suma de los efectos durante todo el tiempo de caída será diferente. Bueno, a menos que la situación en un vacío con cero influencias externas.
1. Estamos hablando de la dificultad de aplicar la ley de Newton para determinar el movimiento de un bulto a nivel doméstico.
2. Primero te burlaste de que era un juego de niños.
3. Ahora, de repente, hay que tener en cuenta las masas de aire y todas las fuerzas newtonianas. ¿Qué clase de vida doméstica es esa en la que el uso de un centro de datos para calcular las masas de aire es algo habitual? Debes estar construyendo cohetes, o alguna otra nave espacial.
4 ¿Y qué tipo de fuerzas newtonianas son éstas? ¿La fuerza utilizada por Isaac Newton para girar una vez cada 1 segundo? (Es una broma)
1. Eres tú el que habla de lo desconocido, y SanSanych, por quien te interpones, decía que "a nivel doméstico" las leyes no se aplican a la pelusa. Pero te aseguro que el plumón está tan sujeto a las leyes de la física como cualquier otro cuerpo.
2. ¿Es tan sencillo como un trozo de pastel? - Esa es tu fantasía, no he dicho que sea simple o fácil.
3) Si no se tienen en cuenta todas las fuerzas que actúan sobre el cuerpo, resulta imposible determinar la trayectoria posterior del movimiento. Y algunos pueden incluso pensar que el cuerpo está más allá del control de las leyes físicas. Lo repetiré una vez más, en términos sencillos: si "algo" no funciona para alguien, significa que esta persona no tiene en cuenta todos los factores que actúan sobre "algo".
4) Familiarízate primero con las tres leyes de Newton y las consecuencias de estas leyes. A continuación, puede pasar a un estudio en profundidad de la cinemática de un cuerpo sólido, y luego, si lo desea, a la mecánica de un cuerpo sólido deformable.
Para consolidar lo que has leído, intenta dibujar en un papel una bola metálica con una densidad específica de 7,8 g/cm3 y una bola de tamaño similar con una densidad de 0,00001 g/cm3. Aplica esquemáticamente un vector de fuerza a estos cuerpos y marca los vectores de fuerza. Quedará claro por qué la pelota y la pelusa se comportan de forma diferente cuando se envían en caída libre. De una vez no se querrá abordar el estudio de los procesos en el mercado "a nivel doméstico".
"No digas tonterías" (s) Reshetov, no recuerdo el año.
El análisis de sistemas declara un error del primer tipo:
"Aplicar los métodos correctos a los problemas equivocados".
Mi ejemplo.
La aplicación de la ley de Newton a la caída de una bola de acero es un ejemplo de aplicación del método correcto a un problema correctamente formulado, ya que uno sólo puede guiarse por la ley de Newton ypuede despreciar todos los demás factores que afectan a la caída de la bola.
Aplicar la ley de Newton a un bulto es un ejemplo de aplicación del método correcto a un problema NO correcto, ya que en el caso de un bulto sepuede despreciar la ley de Newton y hay que tener en cuenta otras fuerzas que determinan el movimiento del bulto.
En forex, el problema de la selección de factores (predictores) relevantes para la variable objetivo a partir del ruido es extremadamente agudo, porque la presencia de predictores de ruido en un modelo conduce a un sobreajuste de ese modelo. El problema es el reentrenamiento del modelo (sistema de comercio).
Para mí el panorama es el siguiente.
En una cantidad suficientemente grande de observaciones (5000 - 10 000 barras) seleccionamos entre varios cientos de predictores 20-30 predictores que son relevantes para la variable objetivo. La selección será individual para una determinada variable objetivo.
A continuación, en una ventana más pequeña de 100-300 barras de este conjunto, volvemos a seleccionar los predictores, por ejemplo, por rfe. Me sorprendió ver que a medida que la ventana se mueve, la lista de predictores y su número cambian. En mi caso: Lista inicial = 170 predictores. He seleccionado 27 predictores, y por rfe obtengo de 5 a 15 predictores a medida que la ventana se mueve.
Con este enfoque, el error de predicción por rf puede aproximarse al 20%. Ada se ve mejor y gbm aún mejor. En especial, observaré que el error en la muestra de entrenamiento es casi igual al error fuera de esa muestra. El modelo NO está reentrenado.
Esto es lo que significa "aplicar los métodos adecuados al problema adecuado" en el mercado de divisas.
¿Y qué significa "aplicar el método correcto de rf al conjunto incorrecto de predictores"?
Tomamos un conjunto de predictores de la nada. Al mismo tiempo, es muy importante tener en cuenta la experiencia de los AT - les gustan los indicadores de tendencia - varios dummies.
Utilizando esta lista de predictores en el conjunto de entrenamiento, rf puede ser fácilmente entrenado con un error dentro del 5%.
Y si tomamos el conjunto fuera de este conjunto de entrenamiento, se verá inmediatamente que los árboles encontrados por el algoritmo rf no tienen ninguna relación con el nuevo segmento kotir - el modelo está reentrenado, es decir, ha recordado los detalles del conjunto de entrenamiento y es completamente inutilizable fuera de este conjunto. Una imagen familiar, ¿no?
En el enlace, el tipo habla de ideas interesantes sobre cómo hacerlo basándose en las probabilidades bayesianas.
En consecuencia, tenemos dos tendencias opuestas: por un lado, tenemos una muestra de entrenamiento que nos gustaría predecir con la mayor precisión posible, en igualdad de condiciones, mientras que por otro lado, tenemos la complejidad de los patrones encontrados, la complejidad del algoritmo de predicción y nos gustaría hacerlo menos complicado. Estos requisitos se contradicen entre sí, por lo que hay que encontrar un compromiso de alguna manera, pero para encontrarlo tenemos que expresar tanto la complejidad como la precisión en algunos términos unificados.
https://postnauka.ru/video/55303
Por desgracia, Dimitri Vetrov no distingue entre la capacidad de aprendizaje de los modelos y la capacidad de generalización. Por lo tanto, no tiene ningún compromiso. Sin embargo, si observamos el gráfico ( tomado de AQUÍ) podemos ver que el compromiso se puede encontrar fácilmente:
Es decir, si seguimos el razonamiento de Vetorov, no hay capacidad de aprendizaje para la compensación (la línea azul es la capacidad de aprendizaje. Sin embargo, si observamos la dependencia del error de generalización del modelo con respecto a la complejidad, vemos que el compromiso se alcanza en el valor M de la complejidad del modelo (el extremo de la generalización).
jPrediction, a partir de la versión 9, encuentra este compromiso, es decir, complica los modelos hasta un valor de M y emite como resultado el modelo encontrado en M.
Por complejidad del modelo en jPrediction entendemos un aumento gradual del número de predictores. En jPrediction el número de neuronas en la capa oculta es 2^(2*n+1), donde n es el número de predictores. En consecuencia, a medida que aumenta el número de predictores, aumenta la complejidad del modelo (el número de neuronas en la capa oculta). Así pues, al aumentar gradualmente la complejidad de los modelos, jPrediction alcanzará tarde o temprano el valor de M, tras lo cual un mayor aumento de la complejidad de los modelos conducirá a una mayor disminución de la generalizabilidad (aumento de los errores en la generalizabilidad).
De este modo, jPrediction mata dos pájaros de un tiro:
Y no hay problemas, tal y como ha expresado D. Vetrov. Y Newton tampoco tiene nada que ver.
1) Tú eres el que habla de lo desconocido, y SanSanych, a quien defiendes, decía que "a nivel doméstico" las leyes no se aplican a la baja. Pero te aseguro que el plumón está tan sujeto a las leyes de la física como cualquier otro cuerpo.
A mí tampoco me gustaron los comentarios de los trolls que se dirigían a SS con un estilo sarcástico. No hace falta que te dediques a tu pasatiempo favorito en este hilo. Es como si los "ingenieros de aprendizaje automático MQL desfavorecidos" se divirtieran aquí con sus compañeros que hacen sus investigaciones con otras herramientas.
Digámoslo así: CC dijo que si se tomaba sólo la pelusa del popliteo, sus trayectorias de aterrizaje, extremadamente ruidosas, serían mucho más difíciles de derivar las leyes de Newton. Esto -estoy de acuerdo con él- se hace eco de los problemas que tenemos. La señal extremadamente ruidosa de la que intentamos discernir las verdaderas leyes.
Y todas las demás consideraciones suenan a trolling. SS nos ha dado una metáfora para comprender. ¡Eso es!
A mí tampoco me gustaron los comentarios de los trolls que se dirigían a SS con un estilo sarcástico. No hagas lo que te gusta en este hilo. Es como si los "empobrecidos ingenieros de aprendizaje automático de MQL" se divirtieran con sus compañeros que investigan con otras herramientas.
Digámoslo así: CC dijo que si se tomaba sólo la pelusa del popliteo, sus trayectorias de aterrizaje, extremadamente ruidosas, serían mucho más difíciles de derivar las leyes de Newton. Esto -estoy de acuerdo con él- se hace eco de los problemas que tenemos. Una señal extremadamente ruidosa a partir de la cual intentamos buscar las verdaderas leyes.
Y todas las demás consideraciones suenan a trolling. SS nos ha dado una metáfora para comprender. ¡Eso es!
SS acaba de dar un ejemplo muy desafortunado, mientras sigue persistiendo en su ignorancia. Estaría bien decir algo así como "bueno, sí, me pasé con el ejemplo", pero no, él persiste, mira lo que escribe incluso después de mis recomendaciones para intentar dibujar el esquema de fuerzas que actúan sobre el balón y la pelusa:
Laaplicación de la ley de Newton a la pelusa es un ejemplo de aplicación del método correcto al problema NO correcto, porque en el caso de la pelusa sepuede despreciar la ley de Newton y hay queconsiderar otras fuerzas que determinan el movimiento de la pelusa.
¿Qué quiere decir con "otras fuerzas"? Las mismas fuerzas actúan sobre el balón y la pelusa: la fuerza de la gravedad (peso) y la fuerza del flujo del viento distribuidas en la mitad de la superficie del cuerpo. Así que sólo hay 2 fuerzas en ambos casos. El flujo de viento es el mismo, pero el peso es miles de veces diferente. Construye la suma de los vectores de las fuerzas aplicadas y observa lo que ocurre.
Así que la metáfora no funciona para la SS.
Por lo demás, tiene razón en lo de "aplicar métodos correctos a predictores erróneos", pero aquí no hay nada muy acertado, sí - el cielo es azul, el sol brilla, el autobús #16 pasa por la casa exactamente a las 13:07... Entonces, ¿cuál es la sabiduría o al menos el valor práctico de este dicho?
SZY. Probablemente tengo menos experiencia en el MOE que tú, y si digo alguna herejía sobre el MOE, es poco probable que pases de largo y trates de ayudarme a corregir mis prejuicios (creo que eres una persona comprensiva y no indiferente a los casos flagrantes de excesivo entusiasmo por pisar el mismo rastrillo). Y yo tampoco puedo pasar de las flagrantes meteduras de pata de "los poderes de Nyuto no funcionan con un fluffer".