Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2561
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
xgboost también puede hacerlo, pero es difícil escribir su propia función. Hay que derivar fórmulas.
http://biostat-r.blogspot.com/2016/08/xgboost.html - 6º párrafo.
Sí, tendrás que hacer las cuentas en un papel) No todas las funciones sirven: tienes que definir la segunda derivada, que probablemente debería ser distinta de cero.
Correcto, esa es exactamente la relación predictor-objetivo de la que hablo.
Ahora bien, no conozco un método para construir un modelo que estime la "estacionariedad" en diferentes intervalos de muestreo con división o algún otro mecanismo para combinar predictores. Todos los modelos se ajustan a las parcelas de la muestra, estimando sólo la mejora cuantitativa, pero necesitamos estimarla a través de intervalos, entonces el modelo puede ser más robusto.
¿Por qué no hacer una validación cruzada para comprobar la estabilidad por intervalos?
Aquí está ese artículo, pero no es regularidad, es irregularidad. Pero no hay diferencia.
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC518821/
No lo creo - un ejemplo en python.
No, no es eso, sólo una métrica personalizada...
no puedes poner ffs ahí.
Como ves, con las métricas personalizadas, das el objetivo y los datos y eliges la fórmula para leer el error.
Y con FF puedes decir: ¡AMO! No sé cuál debe ser el objetivo y cómo hacerlo mejor, pero hazlo bien (y puedes usar muchos criterios a la vez).
Y ff + AMO "pensará en un objetivo" , los ajustes lo harán etc.
Es un mundo diferente...
¿por qué no hacer una validación cruzada para comprobar la estabilidad a través de los intervalos?
No se trata de encontrar un modelo exitoso al azar, sino de aumentar la probabilidad de que ese modelo tenga éxito.
No, no es eso, sólo una métrica personalizada...
No puedes poner un ff ahí.
Como ves, con las métricas personalizadas, das el objetivo y los datos y eliges la fórmula para leer el error.
Y con FF puedes decir: ¡AMO! No sé cuál debe ser el objetivo y cómo hacerlo mejor, pero hazlo bien (y puedes usar muchos criterios a la vez).
Y ff + AMO "pensará en un objetivo" , los ajustes lo harán etc.
Es un mundo totalmente diferente...
Tal vez sea algo en el espíritu de Ivakhnenko, no es lo mío de todos modos.
Leí un libro de los años 70 que dice que si no hay autocorrelación, no hay predicción posible. ¿Hay algo más actualizado sobre el tema?
Supongo que depende de la elección del modelo para el tipo de proceso que se asume.
Al fin y al cabo, en los procesos estáticos, por el contrario, la autocorrelación se combate con modelos lineales.
Y en los procesos dinámicos hay principalmente autocorrelación,
por eso la comunidad científica intenta resolver el problema de los procesos autocorrelacionados con modelos adecuados.
De ahí la afirmación de que si no hay autocorrelación, la predicción es muy errónea.
Es decir, hay que distinguir la naturaleza del proceso, y estimarlo con algoritmos adecuados.
Leí una disertación de 2014 sobre estimación sintética de sistemas dinámicos.
El documento analizaba ejemplos con un proceso correlacionado exponencialmente.
¿Es una coincidencia? No lo creo.
Tal vez sea algo en el espíritu de Ivakhnenko, no en el mío.
No, Ivakhnenko no tiene nada que ver, simplemente hay algunas tareas que no se pueden resolver con un objetivo, no hay un objetivo en forma de lista.
Imagina el problema:
Hay atributos y hay un precio, todos ellos son una matriz de atributos "X",
el problema es:
Quiero que AMO tome "X" como entrada y dé una función en la salida que :
1) repetir el precio lo más posible (correlacionar)
2) estar en el rango -1,1
3) superar al precio en la medida de lo posible (correlación cruzada negativa)
Todo. Tomar cualquier optimizador, en este caso uno multicriterio (Pareto) y empezar a jugar con las (tripas) de la medalla hasta que nos dé lo que necesitamos en la salida
Verás, es imposible tener una orientación ya hecha, sólo buscar y correr a través de la aptitud.
O un simple ejemplo, optimizar la red para obtener el máximo beneficio en el comercio o el factor de recuperación, o ambos, ¿cómo podemos hacerlo como un objetivo listo?
No, Ivakhnenko no tiene nada que ver, simplemente hay problemas que no se pueden resolver con un objetivo, no hay un objetivo preparado.
Imagina el problema:
Hay atributos y un precio, todos ellos son una matriz de atributos "X",
el problema es:
Quiero que AMO tome "X" como entrada y dé una función en la salida que :
1) repetir el precio lo más posible (correlacionar)
2) estar en el rango -1,1
3) superar al precio en la medida de lo posible (correlación cruzada negativa)
Todo. Tomar cualquier optimizador, en este caso uno multicriterio (Pareto) y empezar a jugar con las (tripas) de la medalla hasta que nos dé lo que necesitamos en la salida
Verás, es imposible tener una orientación ya hecha, sólo buscar y correr a través de la aptitud.
¡O un simple ejemplo para optimizar la red para comerciar con el máximo beneficio o factor de recuperación, o ambos a la vez, ¿cómo hacerlo como un objetivo listo?? no hay manera!
Pues bien, la optimización multicriterio. Se puede combinar un compromiso de todos ellos, y luego observar cómo cambia la solución cuando se cambian las ponderaciones de los criterios y se elige el mejor de ellos a futuro. O bien, puede seleccionar un criterio como básico y para los demás seleccionar restricciones válidas y añadir una dura penalización por romperlas y también observar qué variante es mejor.
Si obtienes una ventaja significativa en la prueba de avance, entonces tiene sentido intentarlo, de lo contrario sólo serás una molestia por la molestia.
Offtopic, pero divertido
https://www.youtube.com/watch?v=_Aow6P3oBAg