Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2830
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
Se le ha sugerido que pruebe el aprendizaje/optimización en algunas funciones representativas, lo cual es una buena práctica.
Si cree que las redes neuronales lo hacen a la perfección, probablemente esté equivocado.
Hay una percepción específica allí, a nivel de kargo-culto y la creencia en la divina R, trayendo los dones de la civilización.
Yo siempre tengo más fe en los profesionales que se pasan la vida ocupándose de un problema, en este caso la optimización y, en particular, el descenso por gradiente.
Y el principal signo de los aficionados es hablar despectivamente de los profesionales. R es un lenguaje profesional, la referencia en estadística hoy en día. Es hora de aprenderlo, en lugar de escribir todo tipo de chorradas sobre "fe y kargo-culto".
Siempre tengo más fe en los profesionales que llevan toda la vida trabajando en el mismo problema, aquí la optimización y en particular el descenso de gradiente.
Y el principal signo de los aficionados es hablar despectivamente de los profesionales. R es un lenguaje profesional, la referencia en estadística hoy en día. Es hora de aprenderlo, y no escribir todo tipo de chorradas sobre "fe y kargo-culto".
1. sin duda crees en los profesionales, pero no has nombrado ni uno solo ni has dado una lista de obras sobre este tema
1. La pregunta de Dick es una pregunta perfectamente válida y correcta. Yo no uso NS, pero sé a ciencia cierta que cualquier función de cualquier paquete de R contiene necesariamente una referencia al autor del algoritmo, y para algoritmos serios, una referencia al artículo/libro que describe el algoritmo implementado en R. Puesto que conoces bien las NS, si usaras R, podrías buscar en R el tipo de NS correspondiente y encontrar la referencia correspondiente donde se describe el algoritmo correspondiente, encontrar una discusión sobre el algoritmo, conocer todos los matices de los profesionales ... y responder a Dick al más alto nivel profesional, en lugar de murmurar algo obsceno.
2. R por su nombre: el lenguaje de la estadística y los gráficos. La esencia de R se revela en la rúbrica de su aparato de referencias.
He aquí una lista de temas que cubren los paquetes de R. Uno de los temas es el aprendizaje automático.
Aquí hay una lista de paquetes relacionados con el MO.
Hasta hace unos años, se podían encontrar competidores de R entre otros lenguajes estadísticos especializados. Por ejemplo, SPPS, hasta la fecha no he encontrado ninguno. R se ha mantenido como el único lenguaje estadístico, está soportado y moderado, tiene un enorme número de réplicas, está incluido en el software de Microsoft.
3. Comparar R con Python es absolutamente erróneo.
R es un lenguaje especializado. Python es un lenguaje universal. Python supera con creces a R en número de usuarios, pero el usuario masivo de Python es el diseño web. El hecho de que Python tenga paquetes estadísticos NO permite clasificarlo como lenguaje estadístico. Sobre esta base, C++, en el que están implementados los paquetes utilizados tanto por R como por Python, puede clasificarse como lenguaje estadístico. Debido a su detallada rúbrica y a las referencias a los algoritmos de las funciones propuestas, R puede utilizarse para estudiar la teoría y la práctica de la estadística, mientras que Python no.
No he estudiado la cuestión en detalle. La idea parece sencilla, pero hay muchas sutilezas técnicas en las formas de aplicación.
Existe una búsqueda completa y una optimización. Es necesaria para reducir el tiempo necesario para encontrar una solución óptima. Como es así, siempre es un compromiso. Se puede optimizar con el método del gradiente estocástico y obtener un resultado mejor que con adam, pero sacrificando tiempo. Y hay que elegir. Para algunas tareas, la precisión puede ser más importante que la velocidad, por ejemplo, para aumentar la expectativa de TC.
.
Una cuestión importante es qué optimizar. Me gustaría optimizar criterios significativos relacionados con el beneficio, la reducción, la volatilidad, etc.
Sobrepasar completamente es la mejor manera de optimizar) Desafortunadamente no siempre es aplicable).
Una cuestión importante es qué optimizar. Me gustaría optimizar criterios significativos relacionados con el beneficio, la reducción, la volatilidad, etc.
La mejor forma de optimizar es el rebasamiento total) Desgraciadamente, no siempre es aplicable).
Yo citaría el eslogan "lucha y busca - encuentra y esconde".
Establezca como métrica personalizada cualquier criterio, en particular estos estándar. Seguirá optimizando por logloss, pero se detendrá en estos criterios personalizados, lo que probablemente tenga algún sentido
y de hecho lo tiene, porque parar en el mismo bousting siempre se basa en algún criterio de reparto como la precisión.
No he estudiado la cuestión en detalle. La idea parece sencilla, pero hay muchas sutilezas técnicas en las formas de aplicación.
También está la cuestión de qué se entiende por encontrar el máximo en una función ruidosa....
Según he entendido la definición - "optimizar una función ruidosa"- significa que la función es compleja y es difícil encontrar el máximo, los algoritmos de gradiente no son aplicables, etc... A grandes rasgos, no es gran cosa, aplicado algoritmo de optimización global y se fue a buscar el máximo global....
Pero yo lo veo de otra manera, quiero encontrar el máximo de una función ruidosa pero con ruido eliminado, no el máximo global en una función ruidosa, sino el máximo global en una función desruido....
(Y no es trivial, porque no se conoce la función y tampoco se conocen los parámetros del ruido....
1. La pregunta de Dick es perfectamente válida y correcta. No utilizo NS, pero sé que cualquier función de cualquier paquete de R contiene necesariamente una referencia al autor del algoritmo, y para algoritmos serios, una referencia al artículo/libro que describe el algoritmo implementado en R. Ya que conoces bien las NS, si usaras R, podrías buscar en R el tipo de NS correspondiente y encontrar la referencia correspondiente donde se describe el algoritmo correspondiente, encontrar una discusión sobre el algoritmo, conocer todos los matices de los profesionales... y responder a Dick al más alto nivel profesional, en lugar de murmurar algo obsceno.
2. R por su nombre: el lenguaje de las estadísticas y gráficos. La esencia de R revela la rúbrica de su aparato de referencia.
He aquí una lista de temas que cubren los paquetes de R. Uno de los temas es el aprendizaje automático.
Aquíhay una lista de paquetes relacionados con MO.
Hace unos años se podían encontrar competidores de R entre otros lenguajes estadísticos especializados. Por ejemplo, SPPS, hoy no he encontrado ninguno. R sigue siendo el único lenguaje estadístico, apoyado y moderado, tiene un gran número de espejos, incluidos en el software de Microsoft.
3. comparar R con Python es completamente injustificado.
R es un lenguaje especializado. Python es un lenguaje universal. Python supera con creces a R en número de usuarios, pero el usuario masivo de Python es el diseño web. El hecho de que Python tenga paquetes estadísticos NO permite clasificarlo como lenguaje estadístico. Sobre esta base, C++, en el que se implementan los paquetes utilizados tanto en R como en Python, puede clasificarse como lenguaje estadístico. Debido a su detallada rúbrica y a las referencias a los algoritmos de las funciones propuestas, R puede utilizarse para estudiar la teoría y la práctica de la estadística, mientras que Python no.
Y aquí voy a citar a Prado, pero no textualmente, ya que se me olvidaba que "El aprendizaje automático da más posibilidades, comparado con la estadística clásica, en el trading"
y las biblias de MO están muy bien desarrolladas para python, aunque otras como statsmodels también. Así que discutir con estos datos y demostrarnos algo unos a otros no tiene sentido.
A mi entender, R es para estudiantes y profesores y aficionados. Así que pueden citarse unos a otros y presumir de algo. Para profesores, tal vez algunos profesores que enseñan. Python para proyectos serios y producción. No he oído hablar de ningún gran proyecto de MO en R en producción.