L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2833
![MQL5 - Langage des stratégies de trading intégré au terminal client MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Le résultat de l'entraînement d'un modèle avec ma version est presque le même qu'avec RMSE, il y a donc une erreur quelque part dans le code.
Les preds et target sont return (a[i]-a[i+1])
Je ne connais pas grand chose à python ou katbusta, mais je vais poser des questions stupides)
1) Qu'est-ce que les données, pourquoi la moyenne ne provient-elle pas de preds ?
2) Il semble que pour le gradient bousting il faille spécifier plus de formules pour le gradient et la hessienne ?
Je ne connais pas grand chose à python ni à catbusta, mais je poserai des questions stupides)
1) Qu'est-ce qu'une donnée, pourquoi la moyenne n'est-elle pas celle de Preds ?
2) Il semble que pour le gradient bousting il faille spécifier les formules pour le gradient et la hessienne ?
Apparemment oui, j'ai raté quelque chose. J'ai utilisé le modèle du site officiel https://catboost.ai/en/docs/concepts/python-usages-examples.
data - liste générée des prédictions du modèle, j'ai converti les valeurs négatives en valeurs positives pour calculer leur moyenne arithmétique pour la moyenne de Sharpe.
données - liste générée des prédictions du modèle, les valeurs négatives ont été converties en valeurs positives afin de calculer leur moyenne arithmétique pour la moyenne de Sharpe
Pourquoi ? Pour Sharpe, la moyenne avec les signes originaux est calculée.
Pourquoi ? Pour Sharpe, c'est la moyenne avec les signes originaux qui est prise en compte.
Pour prendre en compte également les ordres de vente, disons qu'il y a 2 prévisions précises -0,002 (20 pips) et +0,003 (moins - court, plus - long).
Le profit est de +0,005, la moyenne est de 0,0025, et sans changer le signe, elle sera de 0,0005.
Apparemment oui, j'ai raté quelque chose. J'ai utilisé le modèle du site officiel https://catboost.ai/en/docs/concepts/python-usages-examples.
Il existe deux types de métriques : loss_function et eval_metric. Vous avez probablement besoin de la première, regardez ici https://catboost.ai/en/docs/concepts/python-usages-examples#user-defined-loss-function
Mais je peux me tromper. Il y a ici de meilleurs experts et louangeurs de Python que moi) Peut-être qu'ils vous aideront davantage.
Pour prendre en compte également les ordres de vente, disons qu'il y a 2 prévisions précises -0,002 (20 pips) et +0,003 (moins - short, plus - long).
Profit +0,005, la moyenne est de 0,0025, et sans changer le signe, elle sera de 0,0005.
Ce ne serait pas un Sharpe. De plus, il est peut-être nécessaire de ne pas simplement prendre le module, mais de le multiplier par le signe de la prévision (par moins un si l'on vend et par un si l'on achète).
Le résultat de l'entraînement d'un modèle avec ma version est presque le même qu'avec RMSE, il y a donc une erreur quelque part dans le code.
Les preds et target sont return (a[i]-a[i+1])
Imprimez les valeurs obtenues et comparez-les avec l'autre mesure. Imprimez les deux en même temps, pour chaque itération. Dans catbusta early stop, n'oubliez pas d'activer max user criteria et "use best model=True" Vous pouvez simplement activer Verbose, cela imprimera les valeurs métriques à chaque itération.
Il serait intéressant à des fins de recherche (bien que ce soit assez compliqué) d'utiliser une fonction de perte personnalisée. Il y a une possibilité pour cela (si vous êtes renvoyé au début de la page, vous devez trouver la section Fonction de perte définie par l'utilisateur tout en bas).
Il serait intéressant, à des fins de recherche (bien que ce soit assez compliqué), de créer une fonction de perte personnalisée. Il y a une possibilité pour cela (si vous êtes renvoyé au début de la page, vous devriez trouver la section Fonction de perte définie par l'utilisateur tout en bas).
Il serait intéressant, à des fins de recherche (bien que ce soit assez compliqué), de créer une fonction de perte personnalisée. Il y a une possibilité pour cela (si vous êtes renvoyé au début de la page, vous devez trouver la section Fonction de perte définie par l'utilisateur tout en bas).