L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 1004
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
J'avais l'habitude d'acheter un autre produit chez eux et je n'avais aucun problème. Mais ici, ça a commencé.
Comment les vendeurs évaluent-ils la situation - tout se passe-t-il comme prévu ?
Tout cela est légitime : les voleurs de bonbons sont forcément punis. TOUJOURS.
Le problème est plutôt que lorsque vous achetez un produit, vous ne savez pas comment il fonctionne, mais vous lui faites confiance... La question de la confiance de base est bonjour de l'enfance(une bonne enfance) - opinion.
S'il vous plaît
La formule de calcul de l'erreur est indiquée dans l'en-tête du tableau. Je m'explique sur le dernier exemple nnet : 204/(204+458) = 30,8%, c'est-à-dire que le modèle a produit un total de 662 unités, dont 204 étaient fausses.
Les résultats sont presque les mêmes sur 12 paires de devises, c'est-à-dire que la performance du modèle est presque indépendante du modèle et de la paire de devises.
Ce résultat est obtenu grâce à un travail minutieux avec des prédicteurs dont la capacité de prédiction change très peu lorsqu'on exécute une fenêtre de 500 bougies sur un fichier de 5000 bougies. Les changements sont à l'intérieur de 5%.
PS.
Je ne peux pas encore montrer le testeur - coincé dans l'application du testeur pour les fichiers de plus de 1000 bars.
Et quelle est votre cible ? Le signe ZZ ?
Animé par la volonté farouche de faire revivre cette branche, et compte tenu du fait que la prévision est possible exclusivement et uniquement sur la RV stationnaire
(1. Kolmogorov A. N. Interpolation etextrapolationdeséquencesaléatoiresstationnaires
2.Wiener N.Extrapolation, interpolation et lissage de séries chronologiques stationnaires)
question :
En fait, la valeur CLOSE[i]-OPEN[i] n'est rien d'autre que la somme des incréments.
Une séquence de telles valeurs devrait, à la limite, tendre vers une distribution normale.
Il existe une opinion selon laquelle la séquence des retours (CLOSE[i]-OPEN[i])-(CLOSE[i-1]-OPEN[i-1]) est une série stationnaire.
Quelqu'un a-t-il essayé une telle chose sur l'entrée NS et quels ont été les résultats ????
P.S. Max, Doc, Mishanya, Warlock, Aliocha... À qui s'adresse ce fil de discussion ? А ?
1) Il ne devrait pas. Par exemple, il peut avoir de nombreuses distributions marginales différentes.
2) Très probablement faux. Je vous ai déjà donné le contre-exemple du vertex\done. La non-stationnarité n'est "pas un bug, mais une puce" qui apparaît à la suite des teneurs de marché qui se débarrassent des "excès" de la majorité des traders.
Quelle est votre cible ? Le signe ZZ ?
Incrémenter
ZZ peut faire un excellent professeur de tendance, mais je n'ai pu trouver aucun prédicteur pour ce professeur - tous donnent une erreur d'environ 50 %.Et Kolmogorov, en général, je vois, accordait une attention particulière à B(k)=M[x(t)*x(t-to)]=M[(CLOSE[i]-OPEN[i])*(CLOSE[i-to]-OPEN[i-to])] et refusait de prédire quoi que ce soit si cette fonction n'était pas tout à fait définie.
Peut-être est-il judicieux de poser certaines conditions au travail du SN ?
Par exemple, sauter les pièces instables de la BP, explorer les seconds retours ou la B(k), par exemple ?
Le modèle ARIMA présente des conditions similaires.
Vous pouvez enseigner le modèle et même réaliser un bénéfice sur un graphique, mais si certaines conditions et exigences ne sont pas remplies, vous ne pouvez de toute façon pas faire de transactions avec un tel modèle. Le test de stationnarité de Dickey-Fuller est ce dont je me souviens.
Dans GARCH, on observe également que la distribution des rapatriés prédits est similaire aux données originales.
Je pense que la plupart de ce que vous voulez faire est déjà mis en œuvre dans ce modèle.
En ce qui concerne la neuronique, il ne suffit pas d'y introduire des séries temporelles, de les entraîner à un résultat maximal et d'attendre les bénéfices. Cela conduit à une "suradaptation" : le neurone se contente de stocker les données existantes et est incapable de travailler correctement sur les nouvelles données. Nous devons ajuster ses paramètres d'apprentissage et parfois arrêter l'apprentissage et effectuer des validations croisées pour nous assurer que l'overfit n'est pas encore arrivé.
Si tout est fait correctement, l'apprentissage s'arrêtera assez tôt lorsque R2 est un peu plus élevé que zéro. Le graphique des actions montrera un bénéfice stable sur les données d'entraînement et les nouvelles données, mais un écart dépassant quelques points rendra tout négatif. Pour plus de précision, il faut soit utiliser des réseaux profonds et des semaines d'entraînement, soit choisir différents indicateurs pour alimenter les neurones avec les séries chronologiques.
Et Kolmogorov, en général, je vois, accordait une attention particulière à B(k)=M[x(t)*x(t-to)]=M[(CLOSE[i]-OPEN[i])*(CLOSE[i-to]-OPEN[i-to])] et refusait de prédire quoi que ce soit si cette fonction n'était pas tout à fait définie.
Peut-être est-il judicieux de poser certaines conditions au travail du SN ?
Par exemple, sauter les pièces instables de la BP en explorant les seconds retours ou B(k), par exemple ?
Non, ça ne marche pas.
Il y a une bonne chose sur le marché pour l'ingénierie de la phicha - l'interconnexion des fintechs. Vous pouvez créer des instruments similaires mais légèrement différents et observer les répartitions entre eux. Mais tout le monde est fatigué d'extraire des fonctionnalités d'une BP :)
Augmenter
ZZ peut faire un excellent professeur de tendance, mais je n'ai pas pu trouver de prédicteurs pour ce professeur - tous donnent une erreur d'environ 50%.ZZ est un outil délicat à cibler, avec lui vous devez préparer l'échantillon d'une manière spéciale, afin de ne pas vous tromper.
La précision "autour de 50" est tout à fait normale, si vous utilisez des données sphériques, au-dessus de 53% vous pouvez négocier, et en général la précision pour cela est une métrique de merde, il peut facilement être la précision ~50%+-1% et la corrélation des incréments prédits avec le marché est >5% (0,05) et c'est énorme, pas un graal bien sûr, mais assez pour négocier dans un portefeuille avec d'autres stratégies. Utilisez la corrélation ou le R^2, ou le logloss si vous vous habituez à la non-linéarité.
Et tout le monde en a déjà assez d'extraire des fonctionnalités d'une BP :)
Après tout, nous avons affaire à deux flux :
1. un flux d'événements - moment d'apparition d'une nouvelle citation (intervalles entre eux)
2. la série de prix elle-même dans ce flux d'événements.
Aujourd'hui ou demain, j'essaierai de prouver (ou d'infirmer) que des temps de lecture de citations changeant arbitrairement, la fonction d'autocorrélation, par exemple, se comporte différemment dans une seule et même fenêtre temporelle d'observation mobile.
Où je vais avec ça ?
А ! Ce que je veux dire, c'est que l'"éclaircissement" d'un flux d'événements joue un grand rôle. Peut-être - un élément clé. Le fils Aleshenka ne mentira pas. Mais, tant que c'est "en cours"...
Pourtant, nous avons affaire à deux courants, pour ainsi dire :
1. le flux d'événements - le moment d'apparition d'une nouvelle citation (les intervalles entre elles)
2. la série de prix elle-même dans ce flux d'événements.
Aujourd'hui ou demain, j'essaierai de prouver (ou d'infirmer) que des temps de lecture de citations changeant arbitrairement, la fonction d'autocorrélation, par exemple, se comporte différemment dans une seule et même fenêtre temporelle d'observation mobile.
Où je vais avec ça ?
А ! Ce que je veux dire, c'est que l'"éclaircissement" d'un flux d'événements joue un grand rôle. Peut-être - un élément clé. Le fils Aleshenka ne mentira pas. Mais pendant que tout cela est "en cours"...
Il a donc déjà admis qu'il fuit depuis des années, puis il a rejoué, et maintenant ça ne marche pas pour lui.
S'il y avait un vrai modèle dans la transformation de BP, elle fonctionnerait encore. Les récits selon lesquels les marchés sont plus efficaces maintenant et "j'avais l'habitude de faire de grandes choses" ne fonctionnent pas.
En fait, il n'y a personne d'autre à démasquer, même s'ils s'y opposent :) Donc Aleshenka est un mauvais proverbe, il en faut un nouveau.