Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3275

Nuevo comentario
 
mytarmailS #:
métrica de reentrenamiento de estrategias para saber si una estrategia funcionará o no con nuevos datos.

¿otra variante de la palabra grial? :-) "para saber si funcionará en el futuro"

 
Maxim Kuznetsov #:

¿otra variante de la formulación de la palabra grial? :-) "para saber si funcionará en el futuro"

No soy preciso, necesitamos una probabilidad honesta por ejemplo - funcionará con nuevos datos con un 69% de probabilidad.

 

sobre p-hacking y estrategias

https://mathinvestor.org/2019/04/p-hacking-and-backtest-overfitting/

 

Si me lo permiten, me gustaría contribuir a un tema tan interesante e importante.

Elaprendizaje automático (Machine Learning, ML) es una clase de métodos de inteligencia artificial cuyo rasgo característico no es la solución directa de un problema, sino el aprendizaje mediante la aplicación de soluciones a un conjunto de problemas similares. Para construir tales métodos se utilizan herramientas de estadística matemática, métodos numéricos, análisis matemático, métodos de optimización, teoría de probabilidades, teoría de grafos y diversas técnicas de trabajo con datos en forma digital.

P.Z.

 
Lorarica estadística matemática, los métodos numéricos, el análisis matemático, los métodos de optimización, la teoría de probabilidades, la teoría de grafos y diversas técnicas de trabajo con datos en forma digital.

P.Z.

lo más importante aquí es no escribir muchas palabras, ya tan cansado de buscar que 1-2 frases no se leerán

 
mytarmailS #:

sobre p-hacking y estrategias

https://mathinvestor.org/2019/04/p-hacking-and-backtest-overfitting/

Así que la optimización o aprendizaje de estrategias debería ser algo así

donde la puntuación media es el análogo del resultado cuando se utiliza la validación cruzada

R2: 0.9849988744314404
Learn 1 model
R2: 0.9689143064621495
Learn 2 model
R2: 0.987424656181599
Learn 3 model
R2: 0.9439690206389704
Learn 4 model
R2: 0.9814487072270343
Learn 5 model
R2: 0.9636828703372952
Learn 6 model
R2: 0.986048862779979
Learn 7 model
R2: 0.960923469755229
Learn 8 model
R2: 0.9734744911894477
Learn 9 model
R2: 0.983760998020949
Learn 10 model
R2: 0.970035929265801
Learn 11 model
R2: 0.9888147318560191
Learn 12 model
R2: 0.9724422982608569
Learn 13 model
R2: 0.9554046278458146
Learn 14 model
R2: 0.9664401507673384
Learn 15 model
R2: 0.9806752105871513
Learn 16 model
R2: 0.977769556127485
Learn 17 model
R2: 0.9760342284284887
Learn 18 model
R2: 0.9769043647488534
Learn 19 model
R2: 0.9741849376008709
Learn 20 model
R2: 0.9740162061450146
Learn 21 model
R2: 0.919817531536493
Learn 22 model
R2: 0.9788269230776873
Learn 23 model
R2: 0.9579249703828974
Learn 24 model
R2: 0.9612684327278544
>>> o[0].mean()
0.9706082542553089
>>> o[0].std()
0.015284036641045055
 
Lorarica #:
No es una definición, no es un conjunto completo de propiedades.
Una definición debe responder claramente a la pregunta de qué es.

Lo que tienes es sólo un montón de palabras de Internet con la etiqueta MO.
 
Maxim Dmitrievsky #:

Así pues, la optimización de una estrategia o formación debería ser algo parecido a esto:

donde la puntuación media es el análogo del resultado cuando se utiliza la validación cruzada

Más o menos así... ¿es así cómo?

¿Qué es o[0]?
 
mytarmailS #:
Más o menos... ¿qué te parece?

¿Qué es o[0]?
Oh, todo.
 
Maxim Dmitrievsky #:
Uy, eso es
))
1...326832693270327132723273327432753276327732783279328032813282...3399
Nuevo comentario