Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1792

 
Valeriy Yastremskiy:

oops. Una idea interesante. Seleccione/separe las secciones de una serie por el grado en que el modelo describe la sección. Sólo así podemos saber si el modelo describe mal o bien la serie. No podemos obtener una correlación a simple vista. Pero hay algo en él. La cuestión/tarea no es predecir sino cambiar el comportamiento de la serie.

Los términos y su falta de ambigüedad facilitan la vida)))) Tengo SB inicialmente en el rango de menos a más infinito en el tiempo infinito y sólo entonces las reglas. Wiener's estaba inmediatamente en las reglas)))) aparentemente por eso está más cerca).

Básicamente, el matstat habitual es una prueba de hipótesis estadística. Por ejemplo, tengamos sólo uno de los dos modelos posibles - SB u Ornstein-Uhlenbeck, entonces tenemos un problema para distinguir entre dos hipótesis, que se resuelve con la conocida prueba de Dickey-Fuller.

 
Aleksey Nikolayev:

En esencia, el matstat habitual es una prueba de hipótesis estadística. Por ejemplo, tengamos sólo uno de los dos modelos posibles - SB u Ornstein-Uhlenbeck, entonces tenemos el problema de distinguir entre dos hipótesis, que se resuelve con la conocida prueba de Dickey-Fuller.

Es una cuestión de superficie mínima suficiente para una prueba válida)) Pero no veo cómo. Prueba de estacionariedad de DF, ¿cómo aplicarla a la corrección de la descripción del modelo?

 
Valeriy Yastremskiy:

La prueba de estacionariedad del DF, ¿cómo la aplicamos a la corrección de la descripción del modelo?

Estrictamente hablando, es incorrecto - es una prueba para la presencia de una raíz unitaria (esta es la hipótesis nula) contra la suposición de que no hay tal raíz (esta es la hipótesis alternativa). NO es cierto que CUALQUIER no estacionariedad sea idéntica a la presencia de una raíz unitaria - el ejemplo de un proceso de Ornstein-Uhlenbeck con parámetros cambiantes (divergencia) es obviamente no estacionario, pero no es un proceso autorregresivo con una raíz unitaria.

Su aplicabilidad a nuestro problema se desprende de nuestra suposición de que cualquier sección es o bien SB, Ornstein-Uhlenbeck, o una sección de conmutación entre ellos. Obviamente, el pequeño valor de la prueba del valor p sugiere que Ornstein-Uhlenbeck es más apropiado que SB y viceversa. Otra cosa es que nuestra suposición de que sólo son posibles dos opciones puede no ser aplicable en la práctica y tendremos que ampliar la lista de modelos.

Valeriy Yastremskiy:

Se trata de una parcela mínima suficiente para una prueba válida).

Es una cuestión complicada y no trivial, por lo que es mejor resolverla a ojo o por selección).

 

Aleksey Nikolayev:

1) Utilizar un modelo de previsión de precios.

¿Cómo da un modelo estocástico una previsión? Trazará una trayectoria diferente con cada recorrido. Aunque sea similar.
 
secreto:
¿Cómo puede un modelo estocástico dar una predicción? Dibujará una trayectoria diferente cada vez que se ejecute. Aunque sea similar.

De la forma habitual: expectativa y probabilidades de desviación de la misma por un valor determinado. Otra cosa es que para SB, por ejemplo, esta predicción no tenga mucho sentido. Pero para un proceso estacionario (o estacionario a trozos) tiene sentido. Por ejemplo, para el proceso de Ornstein-Uhlenbeck (sobre el que realmente escribí) la predicción es volver a la media.

 
Новая нейросеть NVIDIA воссоздала игру Pac-Man за 4 дня
Новая нейросеть NVIDIA воссоздала игру Pac-Man за 4 дня
  • 3dnews.ru
Pac-Man появилась на аркадных автоматах 22 мая 1980 года. На разработку игры ушло целых 17 месяцев — ни один проект прежде не требовал столько времени. Ровно 40 лет спустя компания NVIDIA представила нейросеть GameGAN, которая смогла воссоздать всю игру Pac-Man всего за 4 дня. GameGAN — это игровая генеративно-состязательная сеть (Generative...
 
Aleksey Nikolayev:

Estrictamente hablando, esto es incorrecto - es una prueba para una raíz unitaria (esta es la hipótesis nula) contra la suposición de que no hay raíz unitaria (esta es la hipótesis alternativa). NO es cierto que CUALQUIER no estacionariedad sea idéntica a la presencia de una raíz unitaria - el ejemplo de un proceso de Ornstein-Uhlenbeck con parámetros cambiantes (divergencia) es obviamente no estacionario, pero no es un proceso autorregresivo con una raíz unitaria.

Su aplicabilidad a nuestro problema se desprende de nuestra suposición de que cualquier sección es o bien SB, Ornstein-Uhlenbeck, o una sección de conmutación entre ellos. Obviamente, el pequeño valor de la prueba del valor p sugiere que Ornstein-Uhlenbeck es más apropiado que SB y viceversa. Otra cosa es que nuestra suposición de que sólo son posibles dos opciones puede no ser aplicable en la práctica y tendremos que ampliar la lista de modelos.

Este es un problema complicado y no trivial, por lo que es mejor hacerlo a ojo o por selección).

Una raíz unitaria es la condición de encontrar raíces de un polinomio iguales (o menores) a un módulo de la unidad, lo que indica estacionariedad. Que la serie no sea más ancha que un determinado corredor. En las aristas las raíces del polinomio son 1 o -1. Si las raíces son mayores, la serie se amplía, si son menores, la serie está en el pasillo. ¿Cómo se puede aplicar esto a lo bien que el sistema describe la serie? Debemos encontrar un sistema con un número mínimo de variables que describa la serie de forma suficientemente correcta.

La suposición de que hay dos estados es, por supuesto, errónea. Lo mismo que la medición de un solo parámetro de cierta estacionariedad no resolverá el problema de averiguar cuándo empieza a fallar el Asesor Experto. Hay un problema con una serie de gran escala. En cada escala, las series se comportan de manera diferente y la influencia de una serie de gran escala es a menudo insignificante en las pequeñas, a veces esencial. En general, hay un malentendido sobre cómo aplicar las características de las series de una escala a otras escalas.

Si intenta adivinar los parámetros correctos, a veces puede influir considerablemente en el resultado))))

 
Aleksey Vyazmikin:
https://3dnews.ru/1011653

No entiendo que es lo nuevo, al nuevo ns se le dio el material del viejo ns y reprodujo las reglas y el algoritmo del resultado del viejo ns. O me he perdido algo)))

 
Valeriy Yastremskiy:

Sigo sin entender qué hay de nuevo, si al nuevo ns se le dio el material del antiguo ns y reprodujo las reglas y el algoritmo del resultado del antiguo ns. ¿O me he perdido algo?)

Según entiendo, el resultado es el código escrito del nuevo programa, que reproduce el juego sin alimentar nuevos / cualquier dato a la entrada.

 
Valeriy Yastremskiy:

Una raíz unitaria es la condición de encontrar las raíces de un polinomio igual (o menor) a un módulo de la unidad. Que la serie no sea más ancha que un determinado corredor. En las aristas las raíces del polinomio son 1 o -1. Si las raíces son mayores, la serie se amplía, si son menores, la serie se encuentra en el corredor.

El concepto de raíz (polinomio característico) se define SÓLO para los procesos autorregresivos. Hay razones para considerar cualquier proceso estacionario como autorregresivo. También hay procesos autorregresivos no estacionarios. Pero hay muchos más procesos que NO son estacionarios y NO son autorregresivos (y no son reducibles a ellos de ninguna manera) - para ellos razonar sobre las raíces no tiene ningún sentido.

Valeriy Yastremskiy:

¿Cómo se puede aplicar esto a lo bien que el sistema describe la serie?

Es una condición necesaria (pero no suficiente) y sólo funciona dentro de un supuesto de dos estados determinado. Si no se satisface, entonces no tiene sentido decir que se trata de una serie distinta de la SB (la introducción del segundo estado resultó ser redundante: el precio es siempre similar al de la SB). Si se cumple, hay que comprobar la normalidad y la independencia de los residuos, la importancia de la diferencia de los parámetros con respecto a cero, etc.

Valeriy Yastremskiy:

Bien, deberíamos encontrar un sistema con un número mínimo de variables que describa suficientemente la serie.

Pues sí, empezando por su mínimo y aumentando gradualmente, comprendiendo que en algún momento todo estará perfectamente "descrito" debido al sobreajuste por la abundancia de parámetros.