L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 2564
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
C'est ce que j'ai écrit - dans le but d'identifier un modèle cohérent qui donne un avantage statistique sur un site particulier. Et nous quantifions les prédicteurs - n'importe quel prédicteur.
Mais la question de savoir "comment" le faire reste ouverte - jusqu'à présent, seule l'énumération des tables préparées, fondée sur des hypothèses empiriques ou le partitionnement statistique de l'algorithme CatBoost, a permis d'y parvenir.
Dans la figure 3 "quanta" - le plus probable est que l'on choisisse la fourchette moyenne, sur laquelle il y a un certain avantage statistique.
Je crois comprendre qu'il y a un problème de colinéarité (corrélation) de presque tous les prédicteurs. Il existe également un problème combinatoire : s'il y a beaucoup de prédicteurs, il peut y avoir trop de quanta. Il est probablement utile de réduire d'abord la dimensionnalité par PCA ou PLS.
Quelqu'un a-t-il essayé de rattacher le paradoxe de montichol au trading/à la prise de décision ?
Tout le paradoxe réside dans le fait que le problème n'est pas entièrement formalisé mathématiquement. La réponse varie en fonction de la manière dont la formalisation complète est effectuée.
Dans le sens de l'utilité - sauf comme un exemple instructif que pour le même phénomène du monde réel peut être différents modèles mathématiques donnant des réponses différentes.
Je crois comprendre qu'il y a un problème de colinéarité (corrélation) de presque tous les prédicteurs. Il y a également un problème combinatoire : s'il y a beaucoup de prédicteurs, il peut y avoir trop de quanta. Il peut être intéressant de réduire d'abord la dimensionnalité par PCA ou PLS.
J'ai écrit plus haut que j'exclus les prédicteurs qui ont un signal similaire dans l'échantillon, c'est-à-dire que la corrélation entre les prédicteurs quantiles diminue, bien que j'utilise ma méthode de regroupement et de sélection du meilleur résultat dans un groupe de prédicteurs similaires.
Quant au problème combinatoire, où le voyez-vous exactement ? Dans l'échantillon de formation ? Si c'est le cas, c'est théoriquement possible, et il y a probablement lieu d'appliquer l'ACP ici, mais pas avant que l'échantillon final ne soit prêt. Je n'ai pas encore rencontré un tel problème ; au contraire, il y a moins de prédicteurs que dans l'échantillon initial.
Le paradoxe est que le problème n'est pas entièrement formalisé mathématiquement. La réponse est différente, selon la manière dont la formalisation complète est effectuée.
Dans le sens de l'utilité - sauf comme exemple instructif que pour un phénomène réel, il peut y avoir différents modèles mathématiques donnant des réponses différentes.
Comment ça ?
Voici un article avec le code
Il y a aussi un million d'autres réalisations
Tout cela est formalisé mathématiquement, ou bien je ne comprends pas ?
Comment ça ?
Voici un article avec le code
il y a aussi un million d'autres implémentations
Tout est formalisé mathématiquement, ou bien je ne comprends pas ?
C'est comme le problème avec 2 flacons, les conditions sont incomplètes et vous pouvez deviner le reste des conditions et obtenir la réponse.
Comment ça ?
Voici un article avec le code
il y a aussi un million d'autres implémentations
Tout est formalisé mathématiquement, ou bien je ne comprends pas ?
Regardez le wiki, il dit que la formulation initiale est incorrecte et ne dit pas clairement qu'elle peut être rendue correcte de différentes manières. L'essence du paradoxe réside précisément dans le fait que l'intuition comble la réticence initiale de manière différente selon les personnes. Un effet purement psychologique.
C'est comme le problème des deux flacons, les conditions sont incomplètes, la réponse sera celle que vous aurez trouvée avec le reste des conditions.
Je ne comprends pas, mais mettons ça sur le compte de mon analphabétisme...
Alors quel est le but de cette merde en résumé ?
J'ai lu votre post, construire le heurst et que faire avec ?
J'ai écrit plus haut que j'excluais les prédicteurs qui ont un signal similaire dans l'échantillon, c'est-à-dire que la corrélation entre les prédicteurs quantiles est réduite, bien que j'utilise ma méthode de regroupement et de sélection du meilleur résultat dans un groupe de prédicteurs similaires.
Quant au problème combinatoire, où le voyez-vous exactement ? Dans l'échantillon de formation ? Si c'est le cas, c'est théoriquement possible, et il y a probablement lieu d'appliquer l'ACP ici, mais pas avant que l'échantillon final ne soit prêt. Je n'ai pas rencontré un tel problème dans la réalité - au contraire, il y a moins de prédicteurs que dans l'échantillon initial.
Si l'on divise chaque prédicteur en deux parties et que l'on recherche toutes les règles possibles où la moitié de chaque prédicteur est incluse, alors ces différentes parties seront 2^N, où N est le nombre de prédicteurs. Maintenant, chacune de ces pièces peut être soit prise, soit rejetée - nous obtenons 2^(2^N) variantes. C'est un nombre énorme, même avec un petit N.
Eh bien, si nous divisons chaque prédicteur en deux morceaux seulement et que nous examinons toutes les règles possibles qui incluent une moitié de chaque prédicteur, il y aura 2^N morceaux différents, où N est le nombre de prédicteurs. Maintenant, chacune de ces pièces peut être soit prise soit rejetée - nous obtenons 2^(2^N) variantes. C'est un chiffre énorme, même avec un petit N.
Jetez-les d'abord et combinez-les ensuite.