Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3356

Nuevo comentario
 
La. Puedes preguntar 30 veces, pero no puedes buscarlo en Google.
 
Maxim Dmitrievsky #:
No.

Entonces, ¿cuál es el propósito?

 

Creo que todo el mundo ha oído hablar de la calibración, pero no tiene ninguna utilidad práctica, precisamente porque la muestra no es representativa.

La estimación probabilística de hojas individuales, en mi opinión, da un resultado más razonable que la reponderación de la suma de hojas del modelo.

 
Aleksey Vyazmikin #:

Creo que todo el mundo ha oído hablar de la calibración, pero no tiene ninguna utilidad práctica, simplemente porque la muestra no es representativa.

La estimación probabilística de las hojas individuales, en mi opinión, da un resultado más razonable que la reponderación de la suma de las hojas del modelo.

Todo el mundo ha oído de todo, pero nadie ha respondido a nada. Por no hablar de otros matices que no se dan a conocer, pero sólo adivinado que resulta ser el caso.

Y si usted tiene un débil (con baja expectativa), pero estable en el modelo de OOS, no tiene sentido para calibrar también? Y si se piensa en ello.
 
Maxim Dmitrievsky #:
Todo el mundo escuchó todo, pero nadie respondió nada. Por no hablar de otros matices que no se revelan, pero sólo adivinado que resulta ser esto.

Y si tienes un modelo débil (con baja expectativa) pero estable en OOS, ¿no tiene sentido calibrarlo también? Y si lo piensas

Ahora se me ocurrió la idea de calibración constante, con algún peso - algo así como EMA para cada intervalo. Entonces al menos habrá un efecto de adaptación a la volatilidad del mercado y la obsolescencia del modelo.

No veo ningún sentido en la calibración estática en algunos datos separados. En mis predictores he investigado la cuestión de la estabilidad de los indicadores estadísticos, y hay pocos indicadores de este tipo, y el modelo está lleno de tales predictores erráticos. Es por eso que estoy buscando la estabilidad a la que algo como esto se puede aplicar.....

En la captura de pantalla de arriba mostré el modelo en sección - se puede ver lo bajo que suele ser el Recall en los bordes, lo que ya habla de medidas estadísticas no iguales para la misma ponderación, y a menudo no serán suficientes para hablar, incluso en teoría, de estabilidad en este rango de "probabilidad". Así que también desde este punto de vista, calibrar el total parece una idea dudosa.

Estoy más interesado en la idea de volver a ponderar los valores en las hojas, sin embargo, he escrito sobre ello antes, pero no he recibido ninguna respuesta aquí - así que es todo por mi cuenta....

 
Otra vez nuevas definiciones.
Por última vez: el clasificador está calibrado porque produce probabilidades incorrectas. No tienen sentido en su forma original. Supéralo.
 
Catbusta tiene un código abierto: puede consultarlo para saber exactamente qué se regala.
 
Para explicar la imagen en un lenguaje sencillo: para el clasificador, el primer y el segundo caso del histograma son idénticos, porque se utilizan etiquetas de clase. Tanto allí como allí hay una unidad para la clase más probable. Después del entrenamiento, no dará la probabilidad de clase, sino un uno menos el error de predicción pasado por sigmoide o softmax.

Esto es completamente inconsistente con lo que se esperaría al establecer un umbral de predicción.
 

Un enfoque probabilístico es bueno y correcto. Siempre tendremos mucho ruido y de lo que se trata es de buscar diferencias respecto a lo que habría sido con SB. La varianza del ruido por sí sola no será suficiente para ello.

En mi opinión, la tarea de clasificación no es adecuada porque descarta información de forma significativa. Necesitamos algo como mirar la distribución del valor del movimiento del precio en la dirección deseada y modelar cómo esta distribución depende de los signos, y entonces ya construir una TS según el tipo de esta distribución (si tiene diferencias de lo que sería en SB).

1...334933503351335233533354335533563357335833593360336133623363...3399
Nuevo comentario