L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 3189
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
Avec une telle expression, il est bon de lire de la poésie ou de vendre des concombres au marché.
Où est la critique constructive ?
Enfin, autre ajout pas tout à fait scientifique, l'indicateur collecté dans l'échantillon doit être corrélé d'une manière ou d'une autre avec le profit. La différence avec le SB sur la base d'une caractéristique complètement à gauche n'a pas de sens, IMHO.
La simplification du système de calcul, en plus de l'accélération, donnera une plus grande confiance dans l'absence d'erreurs et, par conséquent, une plus faible probabilité d'auto-tromperie.
Élaborer un schéma de calcul simplifié pour les simulations.
Pour une certaine confiance (non absolue) dans la signification, le résultat des données réelles devrait se situer au moins dans la queue de 5 % de l'échantillon (à gauche ou à droite). Mais l'échantillon doit être de plusieurs milliers de personnes au moins.
Si je modifie les conditions de l'expérience comme suit
1. Sur l'échantillon original, nous trouvons des segments quantiques, qui sont censés être utilisés à l'avenir, ce qui a pour résultat de former un tableau quantique - nous ne travaillons plus qu'avec lui.
2. Générer aléatoirement un tableau cible avec les mêmes paramètres que l'original - 1000 cycles.
3. Compter le nombre de segments quantiques sélectionnés par rapport à la variante originale. Ils peuvent être identiques ou inférieurs.
4) Évaluer l'écart-type. Si l'écart est faible, les cibles aléatoires ont une grande chance d'entrer dans les segments quantiques sélectionnés.
Qu'en pensez-vous ?
Enfin, autre ajout pas tout à fait scientifique, l'indicateur collecté dans l'échantillon doit être corrélé d'une manière ou d'une autre avec le profit. La distinction avec le SB sur la base d'une caractéristique complètement à gauche n'a aucun sens, selon moi.
C'est-à-dire changer l'objectif pour que le bénéfice soit comparable à l'original ? Je ne suis pas tout à fait sûr de ce que l'on voulait dire.
C'est la ligne d'arrivée, qu'y a-t-il à critiquer ?) Avez-vous réalisé ce que vous avez fait et pourquoi ? Si c'est le cas, pourquoi l'avoir demandé sur le forum ?)
Il s'agit maintenant que vous ne compreniez pas ce que je fais, et je peux le voir lorsque j'évalue les commentaires sur les questions et les affirmations de votre part.
Quand vous aurez compris, nous reprendrons le dialogue.
Il s'agit maintenant que vous ne compreniez pas ce que je fais, et c'est évident pour moi lorsque j'évalue les réactions aux questions et aux affirmations de votre part.
Quand vous aurez compris, revenons au dialogue.
Si je modifie les conditions de l'expérience comme suit :
1. Sur l'échantillon original, nous trouvons des segments quantiques qui sont censés être utilisés ultérieurement, ce qui donne lieu à la formation d'un tableau quantique avec lequel nous ne travaillons plus.
2. Générer aléatoirement un tableau cible avec les mêmes paramètres que l'original - 1000 cycles.
3. Comptez le nombre de segments quantiques sélectionnés par rapport à la variante originale. Ils peuvent être identiques ou inférieurs.
4) Estimez l'écart-type. Si l'écart est faible, les cibles aléatoires ont de grandes chances d'entrer dans les segments quantiques sélectionnés.
Qu'en pensez-vous ?
Établissez un lien avec le bénéfice, au moins approximativement, et comparez le bénéfice réel avec un échantillon de bénéfices aléatoires. Vérifiez qu'il n'y a pas d'erreurs et que le bénéfice moyen de l'échantillon est égal à zéro. Vérifier l'importance de la positivité du bénéfice réel par rapport à l'échantillon - la règle des trois sigmas.
Je ne suis pas prêt à entrer dans les détails de votre tâche, car mes propres tâches sont trop chargées.
C'est-à-dire modifier l'objectif pour que le bénéfice soit comparable à l'original ? Je ne suis pas sûr de ce que l'on voulait dire.
Vos quants sont-ils conçus pour réaliser des bénéfices ? Existe-t-il un schéma pour cela ? Rendez-le extrêmement simpliste afin de pouvoir calculer, même grossièrement, un échantillon rapide et vérifier si le résultat réel se situe dans la queue de cet échantillon.
Votre volonté d'obliger les gens à se plonger dans votre état d'esprit, accompagnée de votre refus total de vous plonger dans des idées simples et largement connues comme Monte Carlo, est lassante.
Je crois que j'en ai assez.
Votre volonté d'exiger des gens qu'ils adoptent votre état d'esprit est fastidieuse, tout comme votre refus total d'aborder des idées simples et largement connues telles que Monte Carlo.
Je pense que j'en ai assez.
Vous cherchez des séquences différentes de celles de qqn. Vous n'en trouverez pas.
A propos de la suite stricte, j'ai écrit juste un exemple pour plus de clarté. Et, j'ai écrit que la solution de ce problème peut améliorer la stabilité du modèle. Mais la solution peut être différente.
Même sans résoudre le problème susmentionné, la sélection de la table quantique correcte améliore l'apprentissage, ce que j'ai testé sur des dizaines d'échantillons.
J'ai ensuite montré comment vous pouvez rapidement effectuer un prétraitement pour l'entraînement, en nettoyant l'échantillon des données incohérentes. Vous pouvez voir sur les images que vous pouvez même obtenir un modèle rentable sur de nouvelles données avec cette méthode.
Dans l'ensemble, l'approche fonctionne, son développement est mon objectif.
Dire qu'elle ne fonctionne pas, c'est nier la réalité.
Je ne crois pas que le prix soit sous forme de SB pur, dont la nature ne peut pas être analysée au moins partiellement. Si c'est le cas, toute la branche est une erreur.