Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1811
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
La discretización no tiene sentido, se puede utilizar la regularización. El entrenamiento adicional del modelo en el transcurso de la negociación tampoco tiene sentido, no funcionará.
Eso es demasiado radical)))
Más radical imposible))
No se puede encontrar un patrón a través de estas formas, es sólo zafit. Cómo rellenar la ranura con algodón
El aprendizaje práctico no cambia la forma de buscar, sino que añade nuevos datos para el aprendizaje. ¿Por qué es esto algo malo?
La separación es más compleja, y no hay lógicas directas, ¿cómo se puede estar seguro?
El aprendizaje práctico no cambia la forma de buscar, pero sí añade nuevos datos para el aprendizaje. ¿Por qué es malo?
La separación es más complicada y no hay lógicas directas, ¿cómo se puede estar seguro?
Porque es un entrenamiento de ventana deslizante, que es igual de reentrenado. Y no se puede controlar con nuevos datos
Controlar sólo por el hecho de evaluar la última ventana, y sólo cuando las nuevas características de una fila se han vuelto significativas y hemos conseguido un retraso. Si nos lo tomamos en serio, es necesario entrenar sobre todos los datos minimizando el desfase. Esto es sólo una variedad de series.
Es muy probable que los nuevos datos repitan otra herramienta, que no participó en el entrenamiento.
El control es sólo cuando la última ventana ha sido evaluada, y entonces sólo cuando las nuevas características de la fila se han vuelto significativas y hemos conseguido un retraso. Hoy en día hay muchos datos, y si somos serios, deberíamos entrenar sobre todos los datos minimizando el desfase. Esto es sólo una variedad de series.
Es muy posible que los nuevos datos repitan otra herramienta que no participó en el entrenamiento.
No veo ninguna diferencia entre el entrenamiento en todos los datos y la ventana deslizante. Si las características de una serie cambian muy suavemente, entonces tiene sentido. Pero no existe tal cosa en el mercado.
Sólo tiene sentido tener una biblia de las características obtenidas, nada más. No puede ser una solución completa, pero funciona para encontrar repeticiones en diferentes instrumentos en diferentes momentos. Y sólo como datos auxiliares para la ventana deslizante.
el punto está sólo en la bibliografía de las características obtenidas, nada más. Puede que no sea una solución completa, pero funciona para encontrar repeticiones en diferentes instrumentos en diferentes momentos. Y sólo como datos auxiliares para la ventana deslizante.
¿Qué características? Habrá una serie de pesos NS que no se interpretan
Sí, hay una incoherencia entre los deseos y los instrumentos. Realmente una matriz de pesos con NS será insuficiente. y apenas es posible obtener interpretaciones de ellos)
La característica de una serie es el modelo matemático más simple posible que la describe con un error suficientemente pequeño))))
Vladimir Perervenko:
...
Es una gran ilusión que se pueda entrenar un modelo con una gran variedad de datos pasados y luego utilizarlo durante mucho tiempo sin volver a entrenarlo.
...
Largo es el tiempo - tengo un modelo que ha estado funcionando al menos medio año en el lado positivo. Lo descubrí con hace un mes, cuando estaba revisando viejos archivos - tomé un modelo y funciona, pero ahora no sé cómo fue entrenado - modelo CatBoost.
Otro ejemplo - también construido en las hojas, la mayoría de los cuales se recogen en la muestra 2014-2018 inclusive, un árbol en febrero de 2020, que se utiliza como un filtro, y esta sinergia funciona bien en 2020.
Sin embargo, no me arriesgué a apostar por todo, y ese es mi error.
Ahora atormentado por el pensamiento de que justo cuando me acerco al criterio de largo y todo se rompe.