L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 3141
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
Je pense que la conscience humaine est une énorme erreur de l'évolution.
Nous sommes des créatures qui, selon les lois de la nature, ne devraient pas exister.
combien de temps vous reste-t-il ? )
Pouvez-vous prendre n'importe quel attribut en quantité suffisante lié à la série temporelle et n'importe quelle étiquette montrant des bénéfices dans le testeur et en faire un modèle robuste ?La tâche est difficile dans d'autres domaines, où l'on ne sait pas exactement d'où vient cette caractéristique et pourquoi elle est nécessaire. Il y a des tonnes de déchets de ce type dans les grandes dates, qui sont très difficiles à filtrer. Il en résulte des tonnes de fausses corrélations.
Notre tâche semble encore plus primitive si nous prenons BP et ses dérivés. Car tous les signes y sont liés.
Mais nous devons encore nous occuper de l'algorithme et de la logique pour faire correspondre les étiquettes aux caractéristiques. Il peut y avoir plusieurs logiques. Alors faites la vôtre, et nous ferons la nôtre.
J'ai déjà écrit pourquoi j'aime kozul, parce que j'y suis arrivé moi-même en réfléchissant. Et il s'est intégré organiquement à mon idée.
Je ne m'intéresse pas à l'"attitude".
Ce qui m'intéresse, c'est la capacité du prédicteur à prédire des classes. Par exemple, Mashka a certainement une "relation" avec la citation, vous pouvez le voir à l'œil nu. Mais la capacité de Mashka (ainsi que de tout autre algorithme de lissage) à prédire des classes est quasiment nulle.
En hiver, j'ai découvert que les paires de "prédicteurs-enseignants" que j'ai, qui ont une erreur de classification de 10 à 20 %, dans l'EA, ces erreurs de classification ont des valeurs très importantes, qui absorbent tout le bénéfice d'une classification sans erreur.
Il y a quelques mois, j'ai donc changé d'enseignant et j'essaie maintenant de recruter des prédicteurs capables de prédire des classes, et cette capacité ne devrait pas changer avec le temps.
L'attitude ne m'intéresse pas.
Ce qui m'intéresse, c'est la capacité du prédicteur à prédire des classes. Par exemple, Mashka a certainement une "relation" avec la citation, vous pouvez le voir à l'œil nu. Mais la capacité de Mashka (ainsi que de tout autre algorithme de lissage) à prédire des classes est pratiquement nulle.
En hiver, j'ai découvert que les paires de "prédicteurs-enseignants" que j'ai, qui ont une erreur de classification de 10 à 20 %, ont des erreurs de classification très importantes dans l'Expert Advisor, qui absorbent tous les bénéfices d'une classification sans erreur.
Il y a quelques mois, j'ai donc changé d'enseignant et j'essaie maintenant de recruter des prédicteurs capables de prédire des classes, et cette capacité ne devrait pas changer avec le temps.
Mettons les choses au point pour que tout le monde comprenne.
Tout le monde s'intéresse à la capacité des prédicteurs à prédire les classes.
Voyons maintenant ce que vous faites : vous prenez deux séries aléatoires (trait et cible) et vous vérifiez la capacité de prédiction (qu'elle soit en glissement ou non n'est pas important pour l'instant).
Vous faites donc la recherche avide habituelle de tout et n'importe quoi. Il existe probablement un moyen de calculer toutes les combinaisons possibles, et cela devrait prendre non pas 10 ans, mais + l'infini.
Mais il se peut que vous ayez de la chance et que vous soyez satisfait du résultat intermédiaire.
Y a-t-il d'autres grands mystères non révélés de cette approche ? Pourquoi est-elle tant vantée ?
Exprimons-le en termes compréhensibles par tous.
Tout le monde s'intéresse à la capacité des projecteurs à prédire les classes.
Voyons maintenant ce que vous faites : prenez 2 séries aléatoires (trait et cible) et vérifiez la capacité de prédiction (qu'elle soit glissante ou non n'est pas important pour l'instant).
Vous effectuez donc la recherche avide habituelle de tout et n'importe quoi. Il existe probablement un moyen de calculer toutes les combinaisons possibles, et cela ne devrait pas prendre 10 ans, mais + l'infini.
Mais vous pourriez avoir de la chance et vous contenter du résultat intermédiaire.
Y a-t-il d'autres grands mystères non révélés de cette approche ? Pourquoi est-elle tant vantée ?
Il n'y a pas de dépassement.
Les trois lignes de code dans R qui calculent la capacité du prédicteur à prédire une classe particulière d'enseignants ont une certaine valeur. Elle varie d'un prédicteur à l'autre, selon mes algorithmes (j'en ai plusieurs, pour 100 prédicteurs exécutés en moins d'une seconde), plus elle est grande, mieux c'est. En outre, pour différents prédicteurs, la valeur de la capacité à prédire une seule classe ne change pas beaucoup lorsque la fenêtre se déplace - dans les 10% sd, et pour certains prédicteurs, elle est supérieure à 100% sd. Je sélectionne 5 à 8 prédicteurs, que j'introduis dans le modèle.
Il n'y a pas d'excès.
Les trois lignes de code R qui calculent la capacité du prédicteur à prédire une classe particulière d'enseignants ont une certaine valeur. Elle est différente selon les prédicteurs, d'après mes algorithmes (j'en ai plusieurs, pour 100 prédicteurs, le travail se fait en moins d'une seconde), plus elle est grande, mieux c'est. En outre, pour différents prédicteurs, la valeur de la capacité à prédire une seule classe ne change pas beaucoup lorsque la fenêtre se déplace - dans les 10% sd, et pour certains prédicteurs, elle est supérieure à 100% sd. Je sélectionne 5 à 8 prédicteurs, que j'introduis dans le modèle.
En outre, l'ampleur de la capacité à prédire une classe individuelle ne change pas beaucoup pour les différents prédicteurs au fur et à mesure que la fenêtre se déplace, à 10 % près.
Nommez-en au moins un :) Pour savoir où chercher de tels prédicteurs.
La fenêtre est le cadre temporel de l'historique des cotations .
La fenêtre est le nombre de valeurs prédictives qui sont introduites dans le modèle. Pour moi, il s'agit de 1500 barres sur H1.
Nommez-en un :) Pour que l'on sache où chercher de tels prédicteurs.
Vous en voulez trop.
J'aidonc changé d'enseignant il y a quelques mois et j'essaie maintenant de recruter des prédicteurs capables de prédire les classes, et cette capacité ne devrait pas changer au fil du temps.
C'est une recherche assez longue, surtout si elle dure quelques secondes.
Il n'y a pas d'excès.
Les trois lignes de code R qui calculent la capacité du prédicteur à prédire une classe particulière d'enseignants ont une certaine valeur. Elle est différente selon les prédicteurs, d'après mes algorithmes (j'en ai plusieurs, pour 100 prédicteurs, le travail se fait en moins d'une seconde), plus elle est grande, mieux c'est. En outre, pour différents prédicteurs, la valeur de la capacité à prédire une seule classe ne change pas beaucoup lorsque la fenêtre se déplace - dans les 10% sd, et pour certains prédicteurs, elle est supérieure à 100% sd. Je sélectionne 5 à 8 prédicteurs que j'introduis dans le modèle.
Puis-je voir quelques graphiques avec OOS ?