Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2752
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
Para estar seguro, no voy a decirte lo que debes hacer. Más bien, sólo estoy pensando en voz alta lo que yo mismo haría en caso de que haya un algoritmo que dé buenos resultados pero que esté mal implementado en forma de Asesor Experto (aunque siempre intento evitar esta opción). Lo más probable es que intentara obtener resultados similares utilizando algoritmos más fáciles de implementar. Entre otras cosas, analizaría en qué es bueno exactamente el algoritmo.
Empezaría con KNN y si da un resultado similar, entonces se trata de una buena selección de un conjunto común de predictores. Si el resultado es mucho peor, entonces quizá sea cuestión de elegir un subconjunto de predictores en cada momento. Para probar esta hipótesis, yo intentaría utilizar la regresión local (algo como LOESS), puesto que la regresión ya permite comparar la significación de los predictores. Los pasos posteriores ya se basan en los resultados del análisis. Por cierto, con la aparición de las matrices en mql5, la regresión lineal se ha vuelto fácil de implementar directamente en él.
Es gracioso decirlo, pero cualquier variante de suavizado matricial NO tiene capacidad predictiva, incluyendo LOESS, lo he probado.
Es gracioso decirlo, pero cualquier variante de mashek-smoothing NO tiene poder predictivo , incluyendo LOESS, lo probó.
No es divertido o informativo en general. también renunció a promediar, pero me doy cuenta de que la gama de mis estudios es pequeña, no formalizada y no específica. No se puede conseguir especificidad en los estudios antiguos, pero al menos podían describirlos de forma formalizada para su comprensión. Que medias se investigan, en que rango y en que periodos.
ZY mis datos 18-20 años, puré 3, 14, 60, 120 en todos los TF cuatro, algunos BB. El mejor resultado en TF 1 hora, incluso drenaje de propagación. Selección de parámetros manualmente.
Es gracioso decirlo, pero cualquier variante de mashek-smoothing NO tiene poder predictivo , incluyendo LOESS, lo probó.
Los MAs por naturaleza no tienen poder predictivo. Simplemente no tratan de eso, aunque sean matrices (lo que se quiere aquí exactamente es multiplicar un vector de precios por una matriz de N dimensiones para obtener un beneficio; todo el jaleo es por la preparación y corrección de matrices).
Se trata de "qué precio considerar válido hace T tiempo", lo que en términos generales es extremadamente importante. Qué era hace T tiempo, desde la altura de lo ya vivido. Tratan más o menos de la interpretación (comprensión) de la historia.
classDist utilizado
1) entrenar/reentrenar el modelo cuando classDist es aproximadamente 1 , es decir, filtrando los estados buenos desde el punto de vista del algoritmo
2) introducir classDist como característica para toda la muestra
3) filtrado en diferentes estados
4) probar el entrenamiento simple y el reentrenamiento constante
en todos los casos el poder predictivo no es mejor que el estocástico, es casi aleatorio....
Así que hay preguntas acerca de la realidad de las declaraciones
Las MA por naturaleza no tienen capacidad predictiva. Simplemente no se trata de eso, aunque sean matrices (qué es exactamente lo que se quiere aquí: multiplicar un vector de precios por una matriz de N dimensiones para obtener un beneficio; todo el alboroto gira en torno a la preparación y corrección de matrices).
Tratan sobre "qué precio considerar válido hace T tiempo", lo que en términos generales es extremadamente importante. Qué era hace T tiempo, desde la altura de lo ya vivido. Tratan más o menos de la interpretación (comprensión) de la historia.
Según los clásicos, la mayor capacidad predictiva la representan los precios/niveles/lo que sea próximos al actual. Probamos tales TS y vemos resultados francamente débiles. Esto no es culpa de los mashki.
En realidad esto no se respeta, el precio actual puede estar influenciado por cambios lejanos y los cercanos pueden desorientar.
Por eso no creo en el reentrenamiento en una ventana deslizante, aunque a veces queda bien, como en mi artículo sobre entropía.
Es interesante identificar puntos de referencia en la historia que influyeron en el futuro con un efecto retardado. Esto se puede hacer incluso en una ventana deslizante mediante enfoques originales.
Si es necesario, puedo describirlo con más detalle. En general, puede parecer una ventana flotante o desplazable, no fija. Algoritmos modernos para el procesamiento de secuencias de trabajo en aproximadamente el mismo principio. Pero para fora tendrán sus propias especificidades, que no tienen en cuenta.
Para determinar las especificidades, tenemos que teorizar un poco sobre los fractales y sus propiedades. Por ejemplo, considerar una serie temporal como fractal, entonces habrá algo en lo que basarse.
Entonces los niveles/patrones/algo más adquieren un significado real y representan una descripción particular de un sistema con propiedades conocidas. Entonces se podrá poner todo en una teoría y un entendimiento común.
Hay varios intentos de avanzar en esa dirección, incluida la diferenciación fraccionaria. Pero se necesita algo más explícito y sólido.
En mi opinión, la econofísica se ha movido hacia algún lado equivocado, quizá no la entiendo del todo. Muchas fórmulas y poco sentido.
Piénsalo
Clásicamente, la mayor capacidad de predicción la representan los precios/niveles/lo que sea cercano al precio actual. Probamos tales TS y vemos resultados francamente débiles. La culpa no es de Mashki.
En realidad no se observa, el precio actual puede ser influenciado por cambios lejanos, y los más cercanos pueden desorientar.
Por eso no creo en el reentrenamiento en una ventana deslizante, aunque a veces se ve bien, como en mi artículo sobre la entropía.
Es interesante identificar puntos de referencia en la historia que influyeron en el futuro con un efecto retardado. Esto también se puede hacer en una ventana deslizante mediante enfoques originales.
Si es necesario, puedo describirlo con más detalle. En general, puede parecer una ventana flotante o desplazable, no fija. Los algoritmos modernos para el procesamiento de secuencias funcionan aproximadamente con el mismo principio. Pero para fora tendrán sus propias especificidades, que no tienen en cuenta.
Para determinar las especificidades, necesitamos teorizar un poco sobre los fractales y sus propiedades. Por ejemplo, considere una serie temporal como fractal, entonces habrá algo en lo que basarse.
pensar en ello
¿Qué dará de sí la fractalidad?
Es interesante identificar puntos de referencia en la historia que influyan en el futuro con un efecto retardado. Esto puede hacerse también en una ventana móvil mediante planteamientos originales.
Y aquí él, sustituyendo mi concepto de "Acontecimiento" por el de "Puntos de Repertorio", pretenderá que no se lo contaron hace una docena de días.... Sí.
Clásicamente, la mayor capacidad de predicción la representan los precios/niveles/lo que sea cercano al precio actual. Probamos tales TS y vemos resultados francamente débiles. La culpa no es de Mashki.
En realidad no se observa, el precio actual puede ser influenciado por cambios lejanos, y los más cercanos pueden desorientar.
Es por eso que no creo en el reentrenamiento en una ventana deslizante, aunque a veces se ve bien, como en mi artículo sobre la entropía.
Esinteresante identificar puntos de referencia en la historia que influyeron en el futuro con un efecto retardado. Esto también se puede hacer en una ventana deslizante mediante enfoques originales.
Si es necesario, puedo describirlo con más detalle. En general, puede parecer una ventana flotante o desplazable, no fija. Los algoritmos modernos para el procesamiento de secuencias funcionan aproximadamente con el mismo principio. Pero para fora tendrán sus propias especificidades, que no tienen en cuenta.
Para determinar las especificidades, tenemos que teorizar un poco sobre los fractales y sus propiedades. Por ejemplo, considere una serie temporal como fractal, entonces habrá algo en lo que basarse.
Hay varios intentos de avanzar en esa dirección, incluida la diferenciación fraccional. Pero hace falta algo más explícito y sólido.
En mi opinión, la econofísica se ha movido hacia algún lado equivocado, quizá no la entiendo del todo. Muchas fórmulas y poco significado.
Piénsalo
los puntos de la historia más allá del SB clásico merecen una atención especial.
puntos de la historia más allá del SB clásico merecen especial atención
incluyendo, pero es necesario determinar su naturaleza y de alguna manera describirlos en general, con el fin de utilizar un método adecuado incluyendo MO
en mi opinión, la teoría fractal está más cerca del cuerpo en este caso
¿Qué aportará el fractalismo?
Las propiedades de las series fractales pueden dar ideas
He estado leyendo a Mandelbrot, en general no está mal, puedes empezar a ver los "patrones" que describe esta teoría
Estos patrones son diferentes, pero comparten propiedades comunes.
El poder predictivo, por supuesto, no está probado.