L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 612

 
Yuriy Asaulenko:
Il n'a pas essayé, il a étudié)). Je suis heureux que vous l'ayez aimé. (Vous devriez lire davantage.) En fait, cela permet de gagner beaucoup de temps - il n'est pas nécessaire de réinventer les bicyclettes, tout a été inventé avant nous.

Les prédicteurs d'entrée semblent être convertis en images et le réseau est entraîné sur celles-ci.

Ici.

 

Bon document, j'ai vu ce lien sur gotay il y a quelques mois, ce n'est pas tellement sur le ML lui-même mais sur les données qu'ils utilisent, avec une grande collection de liens vers des sites, qui sont des infos très précieuses, vraiment précieuses.

 
Maxim Dmitrievsky:

Je suis passé à Wiener - je me demande quand ces livres seront terminés :) il essayait aussi de faire des prédictions.

Moi aussi je me languissais que tous les livres que j'ai prévu je n'aurai pas le temps de lire et pour 10 vies, mais ensuite je l'ai regardé d'une autre main, d'un parti positif, alors qu'il y a une motivation physiologique pour "binge" lire la littérature scientifique, Le cerveau n'est manifestement pas en danger de folie, et sérieusement, la réponse en GAMME, mettre dans Excel, mettre une cote d'importance, triés (périodiquement) et lire le plus haut qui n'ont pas lu et ne pas se soucier plus de la quantité, sachant que vous avez lu le plus important.
 
elibrarius:

Sur la section test, comme la plupart, l'erreur est à la limite de 50%. Mais au moins, il compte des dizaines de fois plus vite qu'Alglib. Si ici le calcul du modèle pour 40-100 minutes, l'Alglib-e plus d'un jour d'attente pour la même structure, pas attendu et désactivé le calcul.
Mais si maintenant je dois reprendre des modèles dans le cycle, cela va encore prendre beaucoup de temps..... Je dois aussi programmer l'ensemble.
En général, il s'agit d'une longue période, car vous ne vous imposez pas de limites de temps sur le MO.

Intéressant - donc je creuse)

Surpris. Quel est ce modèle qui compte pour plus d'une heure ?

Cela devrait prendre 1 à 2 minutes au maximum.

 

Frères, comment voulez-vous obtenir un modèle en 1-2 minutes d'optimisation qui sera pertinent pour un marché aussi complexe que le forex ????.

À mon avis, c'est un non-sens logique. Après tout, la construction d'un modèle implique des ressources informatiques qui peuvent être traduites en coûts. Ainsi, chaque modèle a sa valeur sous la forme de ressources déductibles dépensées pour sa création. Et maintenant une question. Voulez-vous gagner de l'argent avec des modèles qui coûtent quelques centimes ? Je suppose que vous pouvez faire des sous, mais pas plus que ça..... IMHO

 

Le lien ci-dessus était

Jene sais pas :

http://www.valuesimplex.com/articles/JPM.pdf

Et voici une photo de ce livre, écrit par une banque très respectée :



Pourquoi personne ne discute de ce qui est listé ici comme modèle d'instabilité, à part moi ?

 
SanSanych Fomenko:

Le lien ci-dessus était

toxiques:

http://www.valuesimplex.com/articles/JPM.pdf

Et voici une photo de ce livre, écrit par une banque très respectée :



Pourquoi personne ne discute de ce qui est listé ici comme modèle d'instabilité, à part moi ?

Qu'est-ce que c'est ?
 
Mihail Marchukajtes:

Bros, comment voulez-vous obtenir un modèle en 1-2 minutes d'optimisation qui sera pertinent pour un marché aussi complexe que le forex ????.

À mon avis, c'est un non-sens logique. Après tout, la construction d'un modèle implique des ressources informatiques qui peuvent être traduites en coûts. Ainsi, chaque modèle a sa valeur sous la forme de ressources déductibles dépensées pour sa création. Et maintenant une question. Voulez-vous gagner de l'argent avec des modèles qui coûtent quelques centimes ? Je suppose que vous pouvez faire des sous, mais pas plus que ça..... IMHO

Non. D'après ce que j'ai compris, c'était une question de temps de formation, pas d'optimisation. L'optimisation est de 20-30 minutes bien sûr.
 
SanSanych Fomenko:

Pour le trading, l'idée d'une optimisation du modèle (TS) semble très discutable, car toute optimisation recherche des pics / creux, et nous n'en avons pas besoin. Nous avons besoin, idéalement, de plateaux plats, aussi larges que possible. Ces plateaux devraient avoir une propriété remarquable : les modifications des paramètres du modèle ne devraient PAS conduire à l'évasion du plateau.

Il s'agit d'optimisation.

En fait, il faut ajouter ici le problème de la stabilité des paramètres du modèle qui, s'ils changent, se situent dans un intervalle de confiance assez étroit (5%). Il me semble que la stabilité des paramètres du modèle résulte de la situation où la performance du modèle est à un certain plateau et si nous obtenons soudainement un très bon résultat en testant le modèle, cela signifie que nous avons atteint le point minimax, nous avons une condition instable qui ne se produira jamais dans la pratique, de plus un stop-out sera situé autour de ce point optimal.

PS.

D'ailleurs, dans le testeur, les développeurs ont prévu une telle possibilité de rechercher un plateau par couleur. Personnellement, j'utilise le testeur comme un outil de finition et je prends des paramètres qui font référence à un carré avec des carrés de la même couleur autour. C'est une expression claire de mon concept de "plateau".

Dans les conseillers-experts du marché, j'ai souvent vu que les paramètres de trading forment des plateaux dans la fonction d'optimisation. S'il y a une MA ou un RSI ou un autre coefficient, modifier un paramètre par une petite valeur n'a pas affecté le résultat final.

Mais c'est logique, la plupart des paramètres qui s'y trouvent sont utilisés dans la formule de calcul de l'indicateur, de sorte qu'un petit changement n'affectera que légèrement le résultat, qui sera toujours calculé aux mêmes prix.

Au contraire, dans le domaine de l'apprentissage automatique, les paramètres peuvent avoir une incidence sur l'ensemble du processus d'apprentissage et même une petite modification peut entraîner un résultat complètement différent. Par exemple, le nombre de neurones dans une couche cachée - à mesure que leur nombre augmente, le nombre de poids utilisés augmentera et la fonction d'initialisation des poids à l'aide de gpscp définira leurs valeurs dans un ordre légèrement différent, ce qui conduira à un résultat différent.
La modification de certains paramètres entraînera également un plateau dans la fonction d'optimisation, nous pouvons étudier pour chaque paramètre de manière régulière ou stochastique son influence sur l'évaluation finale du modèle, et pour les paramètres à influence régulière, nous pouvons également utiliser un optimiseur basé sur les dérivées (fonctions optim(method="L-BFGS-B") et optimize() dans R).

 
SanSanych Fomenko:

Le lien ci-dessus était

toxiques:

http://www.valuesimplex.com/articles/JPM.pdf

Et voici une photo de ce livre, écrit par une banque très respectée :



Pourquoi personne ne discute de ce qui est listé ici comme modèle d'instabilité, à part moi ?

Nous parlons ici d'erreur sur les données de formation et d'erreur dans la prédiction. L'essence de l'image est que lorsque vous minimisez l'erreur, vous obtenez un surentraînement et le but de la création et de l'ajustement du modèle est de réduire cette erreur à une valeur optimale sur les nouvelles données (éviter le surentraînement).

Bonne illustration.