Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2581
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
Con python es conveniente ahora. He escrito mi probador, pero es posible portar modelos o comerciar a través de la api. Si se añade ONNX, será un auténtico cañón.
Hay un paquete de backtest para python, ¿por qué no lo usas?
Bueno, entiendo que ahora está en boga el suavizar generativamente los algoritmos, pero cuál es la ventaja real de dos algoritmos condicionalmente simples que se suavizan y mejoran mutuamente de un algoritmo complejo que lo hace por sí mismo, sólo a grandes rasgos construye reglas de decisión más complejas en sí mismo que sus dos...
Mira, conoce los algoritmos de optimización, las funciones de fitness y deja de reinventar la bicicleta con ruedas cuadradas
Esto es diferente. A través de la optimización habrá un ajuste. Mediante el análisis y la corrección de los errores del modelo también se trata de un ajuste, pero se encuentran patrones estables descartando cosas innecesarias. Por lo menos se encuentra alguna meseta donde hay estabilidad. A través de la simple enumeración genética es más difícil, más de una paja.
Ejemplo elemental.
necesitas formar a AMO para obtener el máximo beneficio ¿qué harás?
1) se hace un objetivo
2) se comparan los modeloscon métricas estándar como el RMSE (esto es profundamente irrelevante)
3) crear un grupo de mejores modelos
4) elegir el mejor modelo del grupo con mayor beneficio
Ahora una pregunta: ¿por qué cree que su grupo es el más absoluto de los mejores modelos en el sentido global? Ha pasado los modelos por dos filtros subjetivos
(1) su objetivo y (2) la medida de error RMSE.
¿No es mejor cambiar los pesos (si es una neurona) y crear reglas (si es un árbol) con el fin de obtener el máximo beneficio, la pregunta es retórica ... por supuesto, es mejor y más rápido
La cuestión es que te estás perdiendo otros grupos de modelos que ganan y estos grupos ganan millones
Un ejemplo elemental.
necesitas formar a AMO para maximizar los beneficios ¿qué harás?
1) se hace un objetivo
2) ajustas los modeloscon métricas estándar como el RMSE (esto es profundamente irrelevante)
3) crear un grupo de mejores modelos
4) elegir el mejor modelo del grupo con mayor beneficio
Ahora una pregunta: ¿por qué cree que su grupo es el más absoluto de los mejores modelos en el sentido global? Ha pasado los modelos por dos filtros subjetivos
(1) su objetivo y (2) la medida de error RMSE.
¿No es mejor cambiar los pesos (si es una neurona) y crear reglas (si es un árbol) con el fin de obtener el máximo beneficio, la pregunta es retórica ... por supuesto, es mejor y más rápido
La cuestión es que te estás perdiendo otros grupos de modelos que están ganando y estos grupos tienen millones
Selecciono R2 por balance, más el mínimo número de operaciones perdedoras, pero con la menor entropía (logloss) y máxima precisión. Por eso los modelos son los más rentables por defecto.
Puede elegir entre modelos ya hechos o crear un modelo. Esa es la diferencia
Puedes elegir entre los modelos prefabricados o crear un modelo. Esa es la diferencia.