L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2846

[Aleksey Nikolayev]

Andrey Dik #:

il est clair qu'il existe une formule, peut-être même secrète, mais s'il était possible d'attribuer des poids aux composantes du critère complexe.... mmm, fabuleux.

D'après la description, on peut comprendre que l'on sélectionne d'abord une partie des meilleurs passages selon un critère, puis, parmi les passages sélectionnés, une partie des meilleurs passages selon le deuxième critère, et ainsi de suite.

"Il permet de sélectionner les meilleurs passages étape par étape : d'abord par le nombre de trades, puis à partir de cet échantillon par l'espérance de rentabilité, puis par le facteur de récupération, et ainsi de suite."

[Andrey Dik]

Aleksey Nikolayev #:

D'après la description, on peut comprendre que l'on sélectionne d'abord une partie des meilleurs passages selon un critère, puis, parmi les passages sélectionnés, une partie des meilleurs passages selon le deuxième critère, et ainsi de suite.

"Il permet de sélectionner les meilleurs passages étape par étape : d'abord par le nombre de transactions, puis à partir de cet échantillon par l'espérance mat. de rentabilité, puis par le facteur de récupération et ainsi de suite."

le critère est calculé en une fois, à chaque passe d'optimisation, et non à la fin de l'optimisation en prenant en compte tous les résultats de chaque passe séparément. c'est pourquoi il y a une incohérence avec le fait et la description dans l'aide.

[Evgeni Gavrilovi]

Maxim Dmitrievsky #:

Je n'ai pas vu immédiatement de différence ou d'avantage

Une nouvelle façon de générer des données tabulaires. Quelle est sa supériorité ? Ou est-ce que le GMM est toujours hors compétition ?

https://github.com/kathrinse/be_great

[Maxim Dmitrievsky]

Evgeni Gavrilovi #:

Une nouvelle façon de générer des données tabulaires. Quelle est sa supériorité ? Ou le GMM reste-t-il en tête de la compétition ?

https://github.com/kathrinse/be_great

Je ne sais pas, je n'analyse pas les données tabulaires.

Pas bon pour les séries temporelles

Un peu de T-gan serait probablement mieux

⚙️ Time-series Transformer Generative Adversarial Networks (en anglais)

Github : https://github.com/jsyoon0823/TimeGAN

Article : https://arxiv.org/abs/2205.11164v1

Données sur lesactions : https://finance.yahoo.com/quote/GOOG/history

Données énergétiques : http://archive.ics.uci.edu/ml/datasets/Appliances+energy+prediction

@ai_machinelearning_big_data

[Evgeni Gavrilovi]

Maxim Dmitrievsky #:
Un peu de T-gan serait sans doute préférable

Et comment vérifier la plausibilité ? Comparer les distributions des données réelles et synthétiques séparément pour chaque série ?

[Maxim Dmitrievsky]

Evgeni Gavrilovi #:

Comment vérifier la vraisemblance ? En comparant les distributions des données réelles et synthétiques séparément pour chaque série ?

J'ai vu une comparaison visuelle via l'ACP quelque part, mais je ne m'en souviens pas tout de suite. Peut-être plus tard.

[Maxim Dmitrievsky]

Evgeni Gavrilovi #:

Comment vérifier la vraisemblance ? Comparez les distributions des données réelles et synthétiques séparément pour chaque série ?

https://hackernoon.com/a-gan-approach-to-synthetic-time-series-data-pe2r33fd

[Aleksey Vyazmikin]

Quels prédicteurs peut-on inventer pour les histogrammes ?

Je les ai joints sous forme de fichiers, car les images ne veulent pas être insérées - probablement un autre bogue.

[mytarmailS]

Aleksey Vyazmikin #:

Quels prédicteurs peut-on trouver pour les histogrammes ?

)))))))

Quelle est la différence entre un histogramme et des points ? Je suis gêné de demander, à part la visualisation.

[Aleksey Vyazmikin]

mytarmailS #:
)))))))

Quelle est la différence entre un histogramme et des points ? Je suis gêné de poser la question, à part la visualisation.

Vous pouvez visualiser n'importe quelle forme avec des points. La visualisation est nécessaire pour stimuler la pensée abstraite, qui stimule la génération d'idées.

En effet, dans l'histogramme se trouve un prédicteur binaire de l'échantillon, les barres rouges signifient que le signal a disparu (zéro), et leur hauteur indique combien de temps il n'y a pas eu de signal "1" dans l'échantillon.

Je suppose que le caractère différent de la distribution de fréquence de l'occurrence du signal dans l'échantillon peut servir à classer l'utilisation ultérieure de ce prédicteur dans la formation. En conséquence, le prédicteur peut être exclu ou son utilisation recommandée uniquement pour la construction des divisions radiculaires supérieures.

C'est pourquoi les prédicteurs sont nécessaires pour décrire les histogrammes. Oui, nous pouvons également créer des prédicteurs pour l'équilibre TP+FP - les idées pour sa description sont également intéressantes, à l'exception des plus connues.