L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1114
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
Eh bien, tu sais... J'utilise également la courbe pour décider du modèle à utiliser. À quoi sert un modèle s'il réalise 90% des transactions rentables et qu'il perd terriblement aux moments clés. Le type de courbe d'équilibre a son importance. Bien sûr, ce ne sera pas suffisant, mais j'aurai quand même une idée.
De combien de données avez-vous besoin pour la formation ? ? ???
S'il y a une corrélation, la machine la trouvera.
Il n'y a jamais assez de données - plus il y en a, mieux c'est.
c'était la 10ème année de maîtrise de l'Optimizer...
mais les gens heureux ne regardent pas l'horloge))) hilarant...
Vraiment, raisonnons avec lui....
Toutes les métriques actuelles indiquent la qualité actuelle de la formation et ne disent rien sur les performances futures du modèle. En d'autres termes, obtenir un excellent résultat avec la meilleure métrique ne garantit pas des résultats de qualité à l'avenir. C'est pourquoi je crois fermement qu'en plus de la période de formation et de validation, il faut prévoir une période de test pour évaluer les performances du modèle et décider s'il est adapté ou non. Si vous le regardez à travers le pourcentage, alors l'échantillon d'inspiration devrait être composé de formation/validation/contrôle comme 45/45/10% respectivement IMHO, c'est ce que je veux voir dans l'optimiseur. Ainsi, après l'acquisition du modèle, lorsque l'apprentissage va avec le regard au secteur de test, il a été testé et si l'évaluation était satisfaisante, alors l'apprentissage s'est arrêté avec la possibilité de sauvegarder le modèle et si le contrôle a échoué, alors on recommence l'apprentissage et on répète jusqu'à ce que le résultat souhaité soit obtenu au secteur de test ou après un certain nombre d'itérations d'apprentissage. C'est ce qu'il faut faire maintenant.
Nous devons exécuter le modèle sur un contrôle et si le contrôle échoue, recommencer l'entraînement, et ainsi de suite 10 fois. Le problème est que le tracé de contrôle consomme une période précieuse d'opérabilité du modèle, qui commence à s'épuiser juste après la période d'apprentissage sur l'OOS. Et j'ai inventé une variante, dont j'ai parlé à Doc il y a quelque temps, il y a deux mois, et il l'a trouvée tout à fait logique. Je ne l'utilise pas maintenant pour une raison quelconque, alors j'aimerais le partager avec vous si cela ne vous dérange pas.....
Mettez les données avec la cible, s'il y a une corrélation, la machine la trouvera.
Il n'y a jamais assez de données - plus il y en a, mieux c'est.
Ok. Disons que ce n'est pas grand-chose. Je peux faire un déchargement géant, mais pour faire MT ce sera long et j'ai peur que ça pende, alors essayez de l'entraîner avec ce que vous avez. Je vais faire le prétraitement moi-même et poster l'ensemble de données déjà prétraitées. ok ?
Le ciblage me convient, je ne m'en inquiète pas, et l'optimiseur est écrit en Java. Vous ne pensez pas qu'il soit possible de mettre en œuvre des mesures aussi complexes que vous le souhaitez ????. svp....
Je pense que vous m'avez donné vos données et que j'en ai conclu que vos prédicteurs n'ont rien à voir avec la cible.
Ou ai-je tort ?
Puis-je commencer par prouver que vos prédicteurs sont pertinents pour la cible ?
Mettez les données avec la cible, s'il y a une corrélation, la machine la trouvera.
Il n'y a jamais assez de données - plus il y en a, mieux c'est.
Vous le divisez vous-même en deux parties : la formation et les opérations. En formation, vous pouvez faire tout ce que vous voulez avec un Q. Vous devriez nous dire ce que vous avez fait par intérêt. Il n'est pas nécessaire de dire comment et avec quoi vous avez fait, bien sûr.
Et je posterai l'ensemble des données prétraitées. Ok ?
Non pas ok, brut + prétraité.
Je pense que vous m'avez donné vos données et que j'en ai conclu que vos prédicteurs n'avaient rien à voir avec la cible.
Ou ai-je tort ?
Puis-je commencer par prouver que vos prédicteurs sont pertinents pour la cible ?
C'est vrai, mais depuis, j'ai effectué un certain nombre de changements clés qui ont augmenté la quantité de données significatives. D'autant plus que j'écartais l'ensemble complet, et que maintenant, après le prétraitement, le nombre d'entrées est réduit et il ne reste que celles qui sont significatives. Vous pouvez réessayer d'évaluer.... si vous êtes intéressés !!!
Non pas ok, brut + pré-traité.
Peu importe, laissez-le prouver d'abord qu'il n'a pas de bruit.
en était à sa 10ème année d'apprentissage d'Optimizer...
mais les gens heureux ne voient jamais l'horlogeAlors je suis un programmeur de merde, qu'est-ce que tu veux ? J'ai étudié l'éclipse pendant six mois seulement pour arranger les fenêtres confortablement. Je n'ai pas d'aide, ..... ce forum est rempli de programmeurs, donc tout est si lent :-(