Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 654
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Yuri, no te preocupes, tu ayuda y sugerencias son tenidas en cuenta por mí y son las que me impiden describir el algoritmo en su totalidad. Estoy pensando en qué hacer con él... Todavía no lo sé. Eso es todo, me voy de este hilo. No regañes al pianista, toca como puede.
Sí, Doc - si sigues compitiendo con redes neuronales, hazlo con muestras transformadas. A partir de ahí se puede leer de manera uniforme o exponencial. Eso es todo. Será mejor que me vaya a casa, el ambiente aquí parece haber mejorado.
En realidad, todos ustedes están hablando de algo equivocado...
Se trata de los datos y luego de la implementación del escape de la MO en la TS, creo que es mejor hablar de cómo convertir un predicado ruidoso con NS, con poco más del 50% de precisión, en una TS al menos por encima del spread.
En realidad, todos ustedes están hablando de algo equivocado...
Se trata de los datos y luego de la implementación del escape de la MO en la TS, creo que es mejor hablar de cómo convertir un predicado ruidoso con NS, con poco más del 50% de precisión, en una TS al menos por encima del spread.
***
Como prueba en este momento:
¿demostración?
¿Dónde estaba el rublo antes del 14? ))))))
En realidad, todos ustedes están hablando de algo equivocado...
Se trata de los datos y luego de la implementación del escape de la MO en la TS, creo que es mejor hablar de cómo convertir un predicado ruidoso con NS, con poco más del 50% de precisión, en una TS al menos por encima del spread.
Yo también he pensado mucho en esto.
Si el modelo de regresión predice las ganancias de los precios por barra, y la puntuación R2 es superior a cero en los fronttests y backtests, eso ya es un buen comienzo. El problema es que el resultado, aunque estable, es pequeño, el diferencial no se puede superar.
Desde el punto de vista analítico, el problema es que R2 penaliza más el modelo por los errores grandes e ignora los errores pequeños y las direcciones comerciales erróneas. Si se observa la distribución de las ganancias, la mayoría de los movimientos de precios son de sólo un par de pips. Y el modelo, en lugar de predecir la dirección correcta de esos pequeños movimientos, aprende a predecir las colas largas de la distribución para las que obtendrá un R2 mayor. Como resultado, el modelo puede predecir de alguna manera los grandes movimientos, pero en los pequeños siempre se equivoca en la dirección y pierde el diferencial.
Conclusión: las estimaciones de regresión estándar son malas para el mercado de divisas. Es necesario inventar algún tipo de función de aptitud para tener en cuenta las direcciones comerciales, la dispersión y la precisión, y la función debe ser suave. Entonces, incluso con una precisión de poco más del 50% hay posibilidades de obtener beneficios.
La precisión, la relación de afilado, el factor de recuperación y otras funciones que analizan el gráfico de operaciones son demasiado discretas, las neuronas con retroprocesos estándar no saldrán del mínimo local y no aprenderán correctamente.
Una conclusión alternativa es ignorar por completo las señales débiles de la neurona. Comercie sólo con los fuertes. El problema es que siempre podemos definir el umbral que da buenos resultados en el backtest, pero no dará buenos resultados en el fronttest. Eso es algo en lo que también hay que pensar.
Una conclusión alternativa es ignorar por completo las señales neuronales débiles. Comercie sólo con los fuertes. El problema es que siempre se puede encontrar un umbral que dé buenos resultados en el backtest, pero que no los dé en el fronttest. Aquí también deberíamos pensar en algo.
Es lógico que se negocie con los fuertes. Y el hecho de que obtuvimos malos resultados en el frontend - quizás NS sólo recordó lo que teníamos en el backtest, y no generalizó.
¿Tal vez habría que introducir una sección de validación?
Pero puede resultar que haya un ajuste en el área de validación. Y el delantero volverá a ser malo.
y las direcciones de las transacciones erróneas.
Puede ser de interés: rugarch::DACTest - prueba de precisión direccional. Lo más interesante es que el autor es nuestro contemporáneo ruso Anatolyev.
Anatolyev S. Prueba de previsibilidad. Quantil #1, septiembre de 2006, pp. 39-43.