Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3026

 
Aleksey Vyazmikin #:

Si los nombres de las columnas de la tabla general de muestra se toman del árbol, está bien.

Puedes pensar en la velocidad más tarde, si funciona al menos eficientemente.

Bueno, has estado recogiendo hojas durante 500.000 años. ¿Has encontrado algo normal? Por lo menos 10).
 
Maxim Dmitrievsky #:
Llevas 500.000 años recogiendo hojas. ¿Has encontrado alguna buena? Al menos 10).

He publicado los resultados. Sí, hay variantes normales. Pero hace tres años que no lo hago.

Otra cosa, mi experimento con la selección de hojas se limita sólo al muestreo.

 
Aleksey Vyazmikin #:

He publicado el resultado. Sí, hay algunas buenas opciones. Pero no lo he hecho en tres años.

Otra cosa, mi experimento con la selección de hojas se limita sólo al muestreo.

¿Cómo que no lo he hecho en tres años? ¿Qué haces?
Bueno, veamos, se está generando rápido.
 
Maxim Dmitrievsky #:
¿Cómo que no lo hago desde hace 3 años? ¿Qué haces?
.
Bueno, vamos a ver, está generando rápido.

A nivel mundial - tablas cuánticas y se dedicó a. Se ha llevado a cabo una gran cantidad de pruebas y experimentos, incluso en diferentes muestras.

 
Aleksey Vyazmikin #:

Me dediqué a las tablas cuánticas a nivel mundial. Se han realizado muchas pruebas y experimentos, incluso con diferentes muestras.

¿o no participa en absoluto?

 
Maxim Dmitrievsky #:

¿Qué tipo de reglas pone en los catbusters? ¿O no participa en absoluto?

En forma binaria. La columna es el número de la regla, y el valor es "1" - la regla funcionó y "0" - la regla no funcionó. Y el objetivo es igual que la muestra principal.

Esa es una forma de agregarlo todo. Pero, CatBoost no hace un muy buen trabajo aquí, me parece - datos muy enrarecidos.

 
Aleksey Vyazmikin #:

En forma binaria. La columna es el número de la regla, y el valor es "1" - la regla funcionó y "0" - la regla no funcionó. Y el objetivo es el mismo que en la muestra principal.

Esa es una forma de agregarlo todo. Pero, CatBoost no hace un muy buen trabajo aquí, me parece - datos muy enrarecidos.

Además, las reglas son unidireccionales de compra/venta. ¿Los stops se ajustan a ellas? Si no los pone en el bousting.

Creo que sólo para generar de una vez un bot de verificación y comprobar las reglas necesarias a través del probador / optimizador.
 
Maxim Dmitrievsky #:

y las reglas son unidireccionales compra/venta. ¿Los stops coinciden con ellas? Si no los metes en el bousting

En el antiguo enfoque, cuyos resultados estaba demostrando, había 3 etiquetas de clase - "1" - comprar, "-1" - vender y "0" - no operar.

Ahora utilizo dos etiquetas "1" - comercio y "0" - no comercio el nombre de la columna es "Target_100". La dirección se define por una columna separada "Target_P", y para el resultado financiero de comprar y vender las columnas correspondientes "Target_100_Buy" y "Target_100_Sell". También en la muestra hay una columna auxiliar con fecha "Hora".

En general, la cola de la muestra contiene todas estas columnas y tiene el siguiente aspecto

 
¿Por qué hay que poner las normas en el impulso?
 
Maxim Dmitrievsky #:
Creo que sólo para generar un bot de verificación a la vez y comprobar las reglas necesarias a través de un probador / optimizador.

Es mejor hacer la selección de hojas en python, y el modelo final - bueno, usted puede hacerlo en la terminal. Pero tendrás que transferir las reglas a la terminal, que tampoco es tan fácil. Es por eso que es mejor hacer todo en python - incluso si es menos preciso en cierto sentido, pero el proceso se puede ver de principio a fin. Esto es sólo un experimento para now....