Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3011

 
Forester #:

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

He notado que los modelos como los volúmenes bajo el gráfico se ejecutan a través de indicadores.

No he profundizado en esta dirección - sólo observaciones.

 
СанСаныч Фоменко #:

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

Interesante, exactamente sobre el futuro, ¿nos revelará los secretos?

 
mytarmailS #:

Tren 5k

validid 60k


entrenamiento del modelo - 1-3 segundos

extracción de reglas - 5-10 segundos

comprobación de la validez de cada regla (20-30k reglas) 60k 1-2 minutos


Por supuesto, todo esto es aproximado y depende del número de atributos y datos.

¿De qué tipo de modelo se trata?

¿El algoritmo de estimación de reglas funciona con un solo núcleo?

 
Aleksey Vyazmikin #:

¿Qué tipo de modelo es?

¿El algoritmo de estimación de reglas funciona con un solo núcleo?

Forrest

en uno

 
Aleksey Vyazmikin #:

Por fin ha sucedido, ¡lo que he estado diciendo durante años empieza a llegar a las masas! :)

No creo que nadie entienda todavía lo que dice ;).

Lo tiene todo claro y sencillo, como la navaja de Occam.

 
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?

Hice 3 pruebas más sin volúmenes y las comparé con las que hice con volúmenes. Ya he cambiado los hiperparámetros del modelo.
Total de 4 pruebas: en 3 sin volúmenes el OOS es mejor y en 1 peor. Es decir, a veces los volúmenes añaden un poco. En general todo a nivel de error. Se consigue más por fuerza bruta de hiperparámetros que añadiendo volúmenes. Ni mejoras significativas ni empeoramientos significativos dan.

Esperaba más de los volúmenes.

 
Aleksey Vyazmikin #:

Me pregunto, sobre el futuro en concreto, ¿puede contarme los secretos?

He escrito algunas veces.

 
mytarmailS #:

forrest

en uno

¿Qué porcentaje está muestreando?

Me parece que hay muy poca utilidad en forrest si divide utiliza la mitad de un predictor cada uno.

 
Maxim Dmitrievsky #:

lo que dices todavía nadie lo entiende, en mi opinión )

Lo tiene todo claro sin palabras y sencillo, según el principio de la navaja de Occam.

No, es que cuando llegué al hilo y empecé a hablar de sacar reglas de los árboles y evaluarlas os reísteis de la idea.

Ahora he dado el siguiente paso - la creación de condiciones para la creación de reglas potencialmente de alta calidad a través de la evaluación de los segmentos cuánticos de predictor, y de nuevo me enfrento a la incomprensión total.

 
СанСаныч Фоменко #:

He escrito varias veces.

Aquí hay que decir lo mismo cien veces para que te escuchen.