Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3010

 
Rorschach #:
¿Has probado nuestro mercado, es menos eficiente, no?
No. Los spreads no son tan interesantes. Pero tal vez algún día. Voy a llegar allí.
 
Forester #:

Se esperaba que los volúmenes con PYMEs contuvieran información/legalidades adicionales que mejoraran la curva de aprendizaje. Pero como puedes ver, los modelos sin volúmenes son ligeramente mejores...

Y lo hacen, y un montón de información, excepto que un modelo tonto no puede recogerlo

 
mytarmailS #:
Y llevan, y un montón de información, excepto el modelo tonto no puede tomar
¿Qué modelo puede tomarlo? ¿Lo has probado? ¿Cuánto mejora con respecto al precio?
 
Forester #:
¿qué modelo se puede conseguir?
Me temo que ninguno, sólo el cerebro.
No estoy bromeando, y hablo por experiencia.
 
Forester #:

Esa prueba fue con volúmenes reales de CME para EURUSD: volumen acumulado, delta, divergencia y convergencia por 100 barras. Total 400 columnas + 5 más de algún tipo.
Sin cambiar ninguna configuración del modelo, simplemente eliminé 405 columnas con datos de CME (los deltas y zigzags de precios permanecieron) para un total de 115 columnas y obtuve resultados ligeramente mejores. Resulta que los volúmenes a veces se seleccionan en splits, pero resultan ser ruido en OOS. Y el entrenamiento se ralentiza 3,5 veces.

Para comparar, dejé los gráficos con volúmenes arriba y sin volúmenes abajo.

Esperaba que los volúmenes con CME aportaran información adicional/regularidades que mejoraran el aprendizaje. Pero como se puede ver, los modelos sin volúmenes son un poco mejores, a pesar de que los gráficos son muy similares.
Esta ha sido mi 2ª aproximación a CME (lo intenté hace 3 años) y de nuevo sin éxito.
Resulta que todo se tiene en cuenta en el precio.

¿Alguien más ha probado a añadir volúmenes al entrenamiento? ¿Los resultados son los mismos? ¿O les dan mejoras?

Has malinterpretado completamente mi post: no existe la "esperanza", o hay una estimación numérica de la aptitud del rasgo o no la hay. Y hay una estimación numérica de la aptitud del rasgo en el futuro.

 
Maxim Dmitrievsky #:
Un profesor es un conjunto de rasgos y etiquetas, no lo que has escrito :) o mejor dicho, es una persona en general, o un algoritmo que genera esos datos 😀

La elección del modelo importa, tienes que elegir un modelo fuerte. Pero como todos los modelos fuertes son sobre las mismas cualidades fuertes, la elección entre ellos ya no carece de importancia.

A veces, conocer las definiciones correctas ayuda a pensar correctamente.

Veo que tienes un deseo irrefrenable de escupir en mi dirección, pero ¿tienes que guardar tu saliva, o sólo marcar?

 
mytarmailS #:

Primero hay que darse cuenta de que el modelo está lleno de basura por dentro...

Si descompones un modelo de madera entrenado en las reglas que hay dentro y las estadísticas sobre esas reglas.

como:


y analizar la dependencia del error de la regla err con la frecuencia de su aparición en la muestra


obtenemos


Entonces nos interesa esta región


donde las reglas funcionan muy bien, pero son tan raras que tiene sentido dudar de la autenticidad de las estadísticas sobre ellas, porque 10-30 observaciones no es estadística.

Para mí, esa es la forma de ajustar. Refinar las reglas dentro del modelo es refinar lo que el modelo ha "visto".

 
СанСаныч Фоменко #:

Veo que tienes un deseo irrefrenable de escupir en mi dirección, pero ¿deberías guardar tu saliva, o sólo para marcar?

Es una reacción normal a las tonterías, es lo básico del Ministerio de Defensa.

con tanto aplomo, como bla, bla, bla, bla, bla.

 
Maxim Dmitrievsky #:
Pues en la ficción pasa exactamente lo mismo. Se les ocurren muchas cosas, no tienen tiempo de escribirlas :) y luego el consejo editorial en la persona de Aleksey Nikolayev lo recorta todo.

Un buen editor es bueno.

Lo principal es que no prohíba publicar lo que ya funciona, pero no entiende cómo.

 
mytarmailS #:

Primero hay que darse cuenta de que el modelo está lleno de basura por dentro...

Si descompones un modelo de madera entrenado en las reglas que hay dentro y las estadísticas sobre esas reglas.

como:


y analizar la dependencia del error de la regla err con la frecuencia de su aparición en la muestra


obtenemos


Entonces nos interesa esta región


donde las reglas funcionan muy bien, pero son tan raras que tiene sentido dudar de la autenticidad de las estadísticas sobre ellas, porque 10-30 observaciones no es estadística.

Por fin, lo que vengo diciendo desde hace años ¡ha empezado a llegar a las masas! :)