L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 1626

 
mytarmailS:

Il me semble que la probabilité est à la fois la probabilité et la probabilité...

L'incertitude est différente, mais la probabilité (quand il y en a une) est toujours une probabilité).

La théorie des jeux tente généralement de réduire l'incertitude du jeu à une incertitude probabiliste. Par exemple, grâce à l'équilibre de Nash dans les stratégies mixtes.

Pour les marchés, le principal problème de la conversion aux modèles probabilistes est l'importante non-stationnarité des modèles résultants.

 
Kesha Rutov:

En effet, il y a beaucoup de fous, dix mille n'est qu'un avant-goût, certains piverts essaient de se mettre un million de points dans la bouche ! Il y a aussi les tics et les culbutes...

C'est ce que je veux dire. Beaucoup de gens oublient une règle fondamentale très importante. Si un problème peut être résolu sans l'aide de NS, il faut le faire. De cette règle découle que nous avons vu les données mathématiquement tant que les mathématiques nous permettent de le faire, dès que les mathématiques sont impuissantes alors nous utilisons NS. En d'autres termes, les données d'entrée doivent être filtrées, lissées, normalisées, etc. au maximum. MATHÉMATIQUES jusqu'au principe des mathématiques, et seulement ensuite commencer à appliquer les NS. Et non pas pour que l'on y fourre de la camelote NS et que l'on attende au bord de la mer du temps. Ce n'est pas comme ça que ça marche. Par exemple, en utilisant 50 vecteurs d'entrée, j'ai rejeté tous les morceaux de marché inutiles qui seront du bruit pendant l'apprentissage et en utilisant ce nombre d'entrées, j'obtiens un modèle de qualité d'apprentissage de 90-95% avec un temps de 2 mois sur M5. Que se passerait-il si j'envoyais toute cette partie au réseau ? Rien. Je recevrais un modèle de bien moins bonne qualité et inutilisable. Et le complot était en deux mois, comme dans le premier que dans le deuxième cas, et est resté ainsi. Mais le résultat est différent.
 
Aleksey Nikolayev:

L'incertitude est différente, mais la probabilité (quand il y en a une) est toujours une probabilité).

La théorie des jeux tente généralement de réduire l'incertitude du jeu à une incertitude probabiliste. Par exemple, grâce à l'équilibre de Nash dans les stratégies mixtes.

Pour les marchés, le principal problème du passage aux modèles probabilistes est la non-stationnarité importante des modèles résultants.

Tout cela parce que la représentation de l'information n'est pas correcte.

On traite un processus non stationnaire comme on traite un processus stationnaire en mesurant une vague de mer avec une règle/un centimètre.

Vous devez d'abord transformer les structures fractales en une dimension (convertir les structures non stationnaires en structures statiques), puis trouver des modèles/traces et enfin des statistiques/probabilités.

 
Mihail Marchukajtes:
C'est ce que je veux dire. Beaucoup de gens oublient une règle fondamentale très importante. Si une tâche peut être résolue sans l'aide de NS, elle doit être réalisée. De cette règle découle que nous avons vu les données de manière mathématique tant que les mathématiques nous permettent de le faire, dès que les mathématiques deviennent impuissantes alors nous utilisons NS. En d'autres termes, les données d'entrée doivent être filtrées, lissées, normalisées, etc. au maximum. MATHÉMATIQUES jusqu'au principe des mathématiques, et seulement ensuite commencer à appliquer les NS. Et non pas pour que l'on y fourre de la camelote NS et que l'on attende au bord de la mer du temps. Ce n'est pas comme ça que ça marche. Par exemple, en utilisant 50 vecteurs d'entrée, j'ai rejeté tous les morceaux de marché inutiles qui seront du bruit pendant l'apprentissage et en utilisant ce nombre d'entrées, j'obtiens un modèle de qualité d'apprentissage de 90-95% avec un temps de 2 mois sur M5. Que se passerait-il si j'envoyais toute cette partie au réseau ? Rien. Je recevrais un modèle de bien moins bonne qualité et inutilisable. Et le complot était en deux mois, comme dans le premier que dans le deuxième cas, et est resté ainsi. Mais le résultat est différent.

Cool, qu'est-ce que je peux dire, je n'ai jamais eu plus de 55% d'acurasi pour prédire la direction du futur, sans aucun mélange du passé. En général, il est préférable de compter non pas acurasi, mais la corrélation avec le rendement futur, ce nombre est dit être proportionnel à Sharpe Ratio, qui sera obtenu (en fonction bien sûr des coûts de négociation). Une corrélation de 3% est suffisante pour un SR annuel ~1 -1.5

 
Kesha Rutov:

Cool, que puis-je dire, je n'ai jamais eu plus de 55% d'acurasi pour prédire la direction du futur, sans aucun mélange du passé. En général, il est préférable de compter non pas acurasi, mais la corrélation avec le rendement futur, ce nombre est dit être proportionnel à Sharpe Ratio, qui sera obtenu (en fonction bien sûr des coûts de négociation). Une corrélation de 3% est suffisante pour un SR annuel ~1 -1.5

Essayez de filtrer mathématiquement l'entrée et de réduire ainsi l'échantillon d'entraînement, sans réduire la période de temps, et la qualité des NS augmentera, j'en suis sûr. Vous vous débarrassez ainsi des bruits inutiles, qui sont éliminés par les mathématiques. Encore une fois, j'ai écrit les valeurs de généralisabilité données par l'optimiseur. La période de temps est la même, mais la qualité du réseau résultant sera meilleure, ce qui affectera le retour d'information. IMHO
 
Mihail Marchukajtes:
Essayez de filtrer mathématiquement l'entrée et de réduire ainsi l'échantillon d'entraînement, sans raccourcir la période de temps, et la qualité des NS augmentera, j'en suis sûr. Vous vous débarrasserez ainsi des bruits inutiles, qui sont éliminés par les mathématiques. Encore une fois, j'ai écrit les valeurs de généralisabilité données par l'optimiseur. La période de temps est la même, mais la qualité du réseau résultant sera meilleure, ce qui affectera le retour d'information. IMHO

Excusez-moi ?

 
mytarmailS:

tout ça parce que la représentation de l'information n'est pas correcte...

Le processus non stationnaire est traité comme un processus stationnaire mesuré avec une "règle/onde de mer centimétrique".

Il faut tout d'abord transformer les structures fractales en une dimension (de non stationnaire à statique), puis trouver des motifs/modèles, et enfin des statistiques/probabilités.

En cas de non-stationnarité importante, il est plus correct de parler de multifractale car les caractéristiques fractales changent avec le temps. Ces changements sont aussi imprévisibles les uns que les autres.

 
Kesha Rutov:

Comment ça ?

Disons que ce ne sont pas toutes les minutes, mais celles dont le corps est supérieur à N points, par exemple. De cette façon, vous réduirez la quantité de données, mais pas l'intervalle d'échantillonnage. Et le réseau vous remerciera.

Puisque nous avons abordé ce sujet en général, je dirai que récemment, j'ai aidé la grille à travailler par prétraitement. Disons que j'optimise d'abord les paramètres du Sequent, j'obtiens en principe un Sequent de typage. Et je demande au net de rendre meilleur le Sequenta qui gagne déjà. Je veux dire un jeu d'équipe. Dans la moitié où Sequenta gagne, dans l'autre moitié, un filet qui aide Sequenta à gagner davantage. Pour dire que je ne viole pas la NS, mais que je lui demande seulement d'aider un peu, et ce peu est suffisant.

Tout ceci sera couvert dans la vidéo...

 
Mihail Marchukajtes:

Ne dites pas toutes les minutes, mais celles dont le corps est supérieur à N points, par exemple. Cela réduira la quantité de données mais pas l'intervalle d'échantillonnage. Et le réseau vous remerciera.

Puisque nous avons abordé ce sujet en général, je peux dire que récemment, j'ai aidé la grille à travailler par le biais du prétraitement. Disons que j'optimise d'abord les paramètres du Sequent, j'obtiens en principe un Sequent de typage. Et je demande au net de rendre meilleur le Sequenta qui gagne déjà. Je veux dire un jeu d'équipe. Dans la moitié où Sequenta gagne, dans l'autre moitié, un filet qui aide Sequenta qui gagne à mieux marquer. Ainsi, je ne viole pas la NS, mais je lui demande seulement d'aider un peu et ce peu est suffisant.

Tout cela sera montré dans la vidéo...

Dans votre cas, NS n'analyse que les minutes qui remplissent les conditions. Ainsi, nous ne mélangeons pas le potentiel du réseau aux véritables déchets, qui peuvent être éliminés mathématiquement, ce qui est en fait énoncé dans la condition susmentionnée. Ce qui est mieux compris comme une LOI.
 
Et Enokenty, j'exige des excuses publiques de votre part pour m'avoir assimilé, moi, un programmeur et bricoleur sans valeur, à une personnalité exceptionnelle comme Reshetov Yury. Si vous aviez vu son code et la manière dont il écrit, vous l'auriez admiré comme j'admire la manière dont il est programmé. Oui, j'ai apporté quelques ajustements à l'optimiseur, qui, à mon sens, ont amélioré les performances finales, mais il est stupide de le comparer à moi. Comparé à lui, je ne suis qu'un élève d'école préparatoire qui a toujours séché les cours et qui crie toujours du fond de l'école "Quoi ? J'attends donc des excuses.