¿Qué alimentar a la entrada de la red neuronal? Tus ideas... - página 42
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
Leí un libro llamado "Masters of the Markets" de Bill Williams.
Es de Tom Williams. El libro tiene casi 30 años y muchas cosas han cambiado mucho desde entonces. En particular, la cuota de automatización del comercio ha aumentado muchas veces.
V ladislav Vidiukov #: Bueno, puedes conseguir un gráfico de ticks. Todo está en los ticks. Yo ganaba un 60% al día utilizando un gráfico de tipos. Además, por tipos puedes entender quién invirtió cuánto dinero, si tomas el tamaño más común de ticks para $1000 (lote mínimo). Entonces, si hubo 10 ticks de 23 puntos hacia arriba, y luego 60 ticks de 4 puntos hacia abajo (el precio subió y bajó al mismo nivel), lo más probable es que el dinero inteligente compre, y la multitud estúpida venda, es decir, el precio subirá.
Yo no diría eso. El dinero inteligente es lo suficientemente listo como para no dejarse notar. Lo más probable es que lo hagan de manera que la posición necesaria se gane no por 1 gran tick perceptible, sino por varios ticks medios imperceptibles. Esto no es difícil con el uso de algo-trading y se hace en fracciones de segundo o unidades de segundos. Cuando se escribió el libro, no había tales oportunidades y cuando big boy dio una orden por teléfono para un lote grande, era visible. Y no vas a dar 100 órdenes una detrás de otra por teléfono, y aunque lo hicieras, tardarías bastante.
¿Qué es un tick grande/fuerte? En mi opinión, es una solicitud de un gran cliente/banco para una operación de cambio de divisas (no especulativa). No hay ninguna razón para que el banco lo divida en pequeñas órdenes con el fin de disimular.
1. Sincronicemos los relojes Tenemos un conjunto de predictores: nuestra tarea consiste en seleccionar los eficaces, es decir, los que mejoran nuestro índice, que será la precisión. Hacemos una selección, construimos un modelo simple de madera y evaluamos el rendimiento de la clasificación en una muestra de validación, así para cada agente. Y así sucesivamente - obtenemos el resultado - enviamos agentes a explorar nuevas coordenadas.
Como resultado, tenemos un conjunto de variables binarias - un interruptor - on/off.
¿Cómo trazamos las ondas aquí y en qué punto?
2. eficiencia por número de iteraciones/tiempo perdido, además he descrito 3 métodos diferentes globalmente - interesante hacer una comparación completa entre ellos.
1. En el momento de la evaluación de la eficiencia.
2. Si te interesa, hazlo)))
1. En el momento de la evaluación del rendimiento.
2. Si está interesado, hágalo))
Comprensible todo...
1. es mejor cuando el máximo global de la eficiencia del sistema FF es único y estacionario. Parecerá una isla sólida y estable de la superficie entre un mar de olas (bueno, u olas del mar). Unos parámetros robustos implican un rendimiento similar del sistema con nuevos datos. Si no hay tales islas estables, significa al menos dos posibilidades: o bien el sistema no tiene parámetros robustos en absoluto, o bien todo el FF (o una o más métricas incluidas en él) se elige de forma inapropiada para el proceso.
En mi opinión, la condición de unicidad y estacionariedad del máximo de FF es imposible debido al hecho de que el mercado en sí es, por definición, un proceso no estacionario sujeto a muchas influencias externas impredecibles (no nos salvará ninguna tendencia negativa ni la toma de derivados). Lo único que podemos utilizar para una optimización satisfactoria (y la posterior previsión) es la inercia relativa del mercado, pero, por supuesto, siempre que consideremos los instrumentos más líquidos con grandes volúmenes de operaciones y participantes. Entonces podemos encontrar una onda de FF suficientemente amplia que, aunque se mueva con el tiempo, siga dando un valor de FF cercano al extremo en el paso entre optimizaciones.
Existe una (alta) probabilidad de que no se encuentre ninguna onda ancha en la FF. Yo no calificaría tal FF de inapropiada para el proceso y la desecharía inmediatamente, sino que intentaría añadir otra capa de meta-optimización/previsión - sobre la secuencia de superficies de onda FF en la historia (es decir, generalizar/formalizar la transformación paso a paso de las ondas y poder sintetizar la forma de onda para el siguiente paso). Lo ideal sería integrarlo en la optimización Walk-Forward, pero aún no lo he hecho.
En mi opinión, la condición de unicidad y estacionariedad del máximo de FF es imposible de cumplir porque el propio mercado es, por definición, un proceso no estacionario, sujeto a muchas influencias externas impredecibles (no nos salvará ningún detrending ni la toma de derivados). Lo único que podemos utilizar para una optimización satisfactoria (y posterior previsión) es la inercia relativa del mercado, pero, por supuesto, siempre que consideremos los instrumentos más líquidos con grandes volúmenes de operaciones y participantes. Entonces podemos encontrar una onda de FF suficientemente amplia, que, aunque se mueva con el tiempo, siga dando un valor de FF cercano al extremo en el paso entre optimizaciones.
Existe una (alta) probabilidad de que no se encuentre ninguna onda ancha en la FF. Yo no calificaría tal FF de inapropiada para el proceso y la desecharía inmediatamente, sino que intentaría añadir otra capa de meta-optimización/previsión - sobre la secuencia de superficies de onda FF en la historia (es decir, generalizar/formalizar la transformación paso a paso de las ondas y poder sintetizar la forma de onda para el siguiente paso). Lo ideal sería integrarlo en la optimización Walk-Forward, pero aún no lo he hecho.
Imaginemos que ya tenemos un montón de predictores que nos morimos de ganas de alimentar a la entrada del NS. Pero el ordenador puede verse sobrecargado por el exceso de datos entrantes: no tenemos millones de dólares para superordenadores.
Este problema se resuelve dividiendo los datos en partes.
A leksey Vyazmikin #: ¿Qué hacer en este caso, qué algoritmo de optimización será ideal para la tarea de seleccionar los predictores más útiles, qué tipo de FF se puede inventar?
Aquí se puede aplicar cualquier AO discreto cuyo objetivo sea seleccionar de entre millones de predictores un subconjunto sobre el que se entrenará el mejor modelo.
En esencia, el OA se limitará a seleccionar columnas de una enorme matriz de predictores.
FF es algo que debe maximizarse, por ejemplo, el akurasi o beneficio del modelo o lo que sea....
A leksey Vyazmikin #: y ¿será más eficaz que los métodos estándar desde el punto de vista económico? Esta pregunta no deja de preocupar a los pobres :)))))) ¿Cuáles son sus consideraciones?
Las consideraciones son tales, es la única manera, pero aquí en general no se trata de AO, sino de cómo organizar competentemente el registro, almacenamiento y recuperación de datos, AO aquí es un pequeño y no el más importante detalle de un gran mecanismo y este lego definitivamente no aconsejará nada útil
El problema, como siempre, es antiguo: el decorado data de los años cincuenta.
Para mí, el resultado de la optimización siempre era secundario, siempre ponía en primer lugar el resultado del delantero.
El problema era que los mejores resultados de la optimización los solía dar un delantero que fallaba, mientras que algunos de los jugadores de rango medio en la optimización, daban un delantero que apuntaba al norte.
Me preguntaba cómo llevar a la primera línea de la optimización de espalda tal pase con un delantero que no será super duper, pero al menos ligeramente dirigido hacia arriba.
Está claro que es posible (no siempre) con la ayuda de un criterio de optimización personalizado, que ahora (o quizás desde hace tiempo) se llama FF.
¿Cómo encontrar el FF correcto? No se me ha ocurrido nada mejor que el método del punteo científico, así que lo hice según este método probado por el tiempo.
Andrey Dik mencionó recientemente mi artículo, por lo que es sólo acerca de cómo encontrar el FF por poke científica.
La esencia es muy simple, optimizar con delantero en el equilibrio máximo del asesor, escribir un montón de FFs, todo tipo de diferentes en lo que es suficiente imaginación.
Ejecutamos la secuencia de comandos y mirar los gráficos hacia atrás y hacia adelante de nuestros FFs.
Si encontramos un gráfico decente, ejecutamos la siguiente optimización con este FF y con una alta probabilidad obtenemos el forward correcto en la línea superior del back.
Lo más probable es que, como en el artículo, no haya expresado claramente mi pensamiento.
Pido disculpas por salirme del tema.
Me encontré con un dicho:
Si te cagas, has hecho que alguien se cague en ti.
Me refiero a los que se cagan encima. Vete de aquí, apestas a mierda.
Para mí, el resultado de la optimización siempre era secundario, anteponía el resultado de esa optimización.
El problema era que los mejores resultados de optimización solían proceder de un avance fallido, mientras que algunos de los optimizadores de gama media producían un avance con dirección norte.
Me preguntaba cómo llevar a la primera línea de la optimización de la espalda un pase de este tipo con un delantero que no fuera superduper, pero al menos ligeramente ascendente.
Está claro que es posible (no siempre) con la ayuda de un criterio de optimización personalizado, que ahora (o quizá desde hace tiempo) se llama FF.
¿Cómo encontrar el FF adecuado? No se me ha ocurrido nada mejor que el método del punteo científico, así que lo he hecho utilizando este método probado a lo largo del tiempo.
Andrey Dik ha mencionado recientemente mi artículo, por lo que es exactamente acerca de cómo encontrar el FF por el método científico.
La esencia es muy simple, optimizar con delantero para el equilibrio máximo de la EA, escribir un montón de FF, todo tipo de diferentes en lo que es suficiente imaginación.
Ejecutar el script y mirar los gráficos de back y forward de nuestros FFs.
Si encontramos un gráfico decente, ejecutamos la siguiente optimización con este FF y con una alta probabilidad obtendremos el forward correcto en la línea superior del back.
Lo más probable es que, al igual que en el artículo, no haya expresado claramente mi pensamiento.
No, has hecho un gran trabajo expresando tu punto de vista.
AO discreto)). No existe tal concepto, todos los AO son discretos, la discreción se establece por el paso de los parámetros optimizados.
Qué clase de paloma torcaz hay que ser para pensar que los métodos de AO y cualquier MO pueden buscar algo sin FF en presencia de tal cantidad de artículos en el foro y en todas partes sobre optimización y aprendizaje automático....
Cualquier cosa que se "busque", ya sea por optimización convencional o por métodos supertecnológicos de MO, se encontrará exactamente lo que se describe en FF. El FF describe lo que hay que encontrar, y todo lo demás no es más que una estrategia de búsqueda, ya sean métodos de AO o de aprendizaje automático.
"Buscar" - entre comillas, porque sin FF en principio no se puede buscar nada.