L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 716
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
Michael, comment se sont terminées les expériences d'entropie/non-entropie ?
Mes frères m'ont conseillé d'installer R et ont ajouté quelques plugins avec des extraits de code. En conséquence, j'ai arrêté tous les calculs dans Excel et j'utilise des paquets prêts à l'emploi. En R, j'ai fait un calcul du nombre de variables d'entrée importantes pour la sortie pour chaque ligne du tableau, et pour plusieurs sorties. En conséquence, j'obtiens une certaine quantité de données en fonction de la taille du tableau et de la variable de sortie. Je choisis la sortie où j'ai le maximum de variables importantes à la profondeur d'échantillonnage maximale. Ensuite, j'entraîne les modèles sur l'échantillon préparé. Et vous savez, en toutes les années de formation à l'IA, c'est la première fois que des tests montrent des résultats satisfaisants aussi stables. Mais tous les tests n'auront aucune valeur si le signal ne peut être élevé, et lorsqu'il s'élèvera et que les gens y prêteront attention, tout le monde recommencera à lire mon article et essaiera de comprendre ce que j'ai fait et comment je l'ai fait. Après tout, la manière dont je l'ai fait importe peu, tant que cela fonctionne à long terme. Et il importe peu que vous utilisiez un ordinateur ou l'IA. L'important, c'est le résultat final. ! !!!!
Et c'est le lien usé qui déclenche toute l'action sur le marché. C'est intéressant à observer à partir de la 20e minute. C'est là qu'il a compris l'essentiel...
https://www.youtube.com/watch?v=d4XzMqHNeew
J'ai lancé ça à ceux qui pensent que ma connaissance du marché est ridicule. Bien que je connaisse très peu le marché, je l'observe sobrement, sans illusions ni lunettes roses. Je vous souhaite la même chose à.....Mes frères m'ont conseillé d'installer R et ont ajouté quelques plugins avec des extraits de code. Par conséquent, j'ai arrêté tous les calculs dans Excel et j'utilise des paquets prêts à l'emploi. En R, j'ai fait un calcul du nombre de variables d'entrée importantes pour la sortie pour chaque ligne du tableau, et pour plusieurs sorties également. En conséquence, j'obtiens une certaine quantité de données en fonction de la taille du tableau et de la variable de sortie. Je choisis la sortie où j'ai le maximum de variables importantes à la profondeur d'échantillonnage maximale. Ensuite, j'entraîne les modèles sur l'échantillon préparé. Et vous savez, en toutes les années de formation à l'IA, c'est la première fois que des tests montrent des résultats satisfaisants aussi stables. Mais tous les tests n'auront aucune valeur si le signal ne peut être élevé, et lorsqu'il s'élèvera et que les gens y prêteront attention, tout le monde recommencera à lire mon article et essaiera de comprendre ce que j'ai fait et comment je l'ai fait. Après tout, la manière dont je l'ai fait importe peu, tant que cela fonctionne à long terme. Et il importe peu que vous utilisiez un ordinateur ou l'IA. L'important, c'est le résultat final. ! !!!!
Eh bien, je veux dire, pour le moment, toutes les recherches sont en attente. Des modèles prêts à l'emploi de R sont utilisés, en comptant même sur un petit +. Ensuite - ouvrir le signal et, s'il y a de l'argent dans la bourse, poursuivre les recherches en dehors des modèles. Ai-je bien compris la situation actuelle ?
Eh bien, c'est-à-dire que pour l'instant, toutes les recherches sont en suspens. Les modèles prêts à l'emploi de R sont utilisés, même si ce n'est que pour un petit +. Ensuite, ouvrez le signal et, s'il y a de l'argent stable dans le porte-monnaie, poursuivez les recherches en dehors des gabarits. Est-ce que je comprends correctement la situation actuelle ?
Non. Maintenant, la recherche bat son plein, à savoir des tests à grande échelle dans le cadre de nouvelles opportunités. Les résultats obtenus jusqu'à présent sont plus que satisfaisants. Le signal est déjà là, il ne me reste plus qu'à le lever :-).
Dans R, je prétraite les données et j'élimine les déchets des données. Il s'avère que la présence de déchets dans l'entrée dégrade fortement les performances du modèle sur l'OOS. Après le prétraitement, lorsque R me dit que ces entrées exactes ont une dépendance à la sortie, je cherche la dépendance elle-même dans l'optimiseur. J'obtiens environ 3 à 5 modèles, puis je fais des tests de contrôle de chaque modèle et je sélectionne celui qui a passé le test. Puis je le place dans le robot et je vérifie......
.... Il s'avère que la présence de déchets dans l'entrée dégrade fortement les performances du modèle sur l'OOS.
+100
Et pas seulement en boucle ouverte.
Non. La recherche bat son plein, à savoir des tests à grande échelle en rapport avec les nouvelles possibilités qui sont apparues. Les résultats sont plus que satisfaisants jusqu'à présent. Le signal est déjà là, il ne me reste plus qu'à le lever :-).
Dans R, je prétraite les données et j'élimine les déchets des données. Il s'avère que la présence de déchets dans l'entrée dégrade fortement les performances du modèle sur l'OOS. Après le prétraitement, lorsque R me dit que ces entrées exactes ont une dépendance à la sortie, je cherche la dépendance elle-même dans l'optimiseur. J'obtiens environ 3 à 5 modèles, puis je fais des tests de contrôle de chaque modèle et je sélectionne celui qui a passé le test. Ensuite, je le mets sur le robot et je vois comment ça se passe. .....
donc tout ce que vous avez à faire est de jeter le jpredictor et d'utiliser l'abondance de modèles dans R
peut-être que vos traits sont si fougueux que n'importe quel modèle s'en accommoderait.
donc tout ce que vous avez à faire est de jeter le jpredictor et d'utiliser l'abondance de modèles dans R
peut-être que vos signes sont si ardents que n'importe quel modèle leur conviendrait.
C'est une déclaration fondamentalement fausse. Le fait est que Reshetov a serré toutes les vis de l'optimiseur jusqu'à la limite en termes de recyclage. Conditions maximales sévères pour la sélection des modèles, sans parler de la construction aléatoire de la formation et des tests. Il me semble que les écrous sont même trop serrés, car avec l'abondance de données d'entrée, les modèles ont rarement eu ne serait-ce qu'un dixième de toutes les entrées. MAIS qu'est-ce que R a fait ?
En prétraitement R donne, ces entrées ont une sorte de relation avec cette sortie. Ainsi, R ne fait que mentionner l'existence de cette corrélation, et la recherche de cette corrélation est effectuée par l'optimiseur qui, grâce à ses règles strictes visant à réduire le surentraînement, construit des modèles dans le domaine des données utiles pour la sortie et n'est pas surentraîné. Au moins, il essaie de..... C'est donc une bonne symbiose ! !!!.
Bien. La critique est de rigueur..... Bien joué.....
Dis-moi, qu'est-ce qui est si ridicule dans mon post ? Quel est le problème ? ? ???
Rien, juste des généralités dans le style de Gertschik.
Mes frères en sciences m'ont conseillé d'installer R...