L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 81
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
c'è un ser :)
)))
Per caso fai trading su wealthlab?
)))
Fai trading su wealthlab?
4) se fai la crossvalidazione nell'addestramento, ripetila più volte sugli stessi dati, vedi quanta variazione c'è nei risultati, scegli modelli e predittori con piccola variazione
Questo è quello che mi viene in mente ora, ma non è il limite dei possibili problemi.
Sarete sorpresi e sicuramente non sarete d'accordo con me :) ), ma non credo che la convalida incrociata sia efficace nel mercato, almeno nel suo uso classico
Sarai sorpreso e sicuramente non sarai d'accordo con me (e non solo tu :) ) ma non credo che la convalida incrociata sia efficace quando applicata al mercato, almeno nella sua applicazione classica
Sarai sorpreso e sicuramente non sarai d'accordo con me (e non solo tu :) ) ma non credo che la convalida incrociata sia efficace quando applicata al mercato, almeno nella sua applicazione classica
Perché così pochi alberi?
Ho capito che più alberi ci sono meno scambi il sistema fa e la loro qualità non aumenta affatto
per esempio se il mio modello fa 500 accordi con il parametro 10/5 poi con il parametro 5/200 (5 spaccature, 200 alberi) fa un solo accordo o nessun accordo, allora la generalizzazione scende e il modello cerca situazioni molto chiare che sono già accadute ma non accadranno mai in futuro
Cominciamo da come intendi il significato di convalida incrociata. puoi dirlo?
Sono sicuro che è lo stesso di te
Dividiamo la trama in 5 parti, ne addestriamo 4, controlliamo la quinta parte e passiamo tutte le varianti con le trame in modo che il controllo fuori campione avvenga su tutte e 5 le parti del campione e calcoliamo l'errore medio
Questo sembra essere se non ho dimenticato
Ho capito che più alberi ci sono meno scambi il sistema fa e la loro qualità non aumenta affatto
per esempio se il mio modello fa 500 accordi con il parametro 10/5 poi con il parametro 5/200 (5 spaccature, 200 alberi) fa un solo accordo o nessun accordo, allora la generalizzazione scende e il modello cerca situazioni molto chiare che sono accadute una volta ma non accadranno mai in futuro
Sono sicuro che è lo stesso di te
Dividiamo la trama in 5 parti, ne addestriamo 4, controlliamo la 5° parte e passiamo tutte le varianti con le trame in modo che il controllo fuori campione avvenga su tutte le 5 parti del campione e calcoliamo l'errore medio
Questo sembra essere tutto, se non l'ho dimenticato.
Sì. A cosa ti serve? Per trovare i parametri di apprendimento ottimali.
Cosa non ti piace di questo approccio? Come farete a selezionare i parametri?
Idea interessante. Così si scopre che per il numero di alberi si sta combattendo il sovrallenamento?
non proprio...
Quello che scrivo è applicabile solo al mio approccio.
sai come faccio il mio obiettivo, sono le inversioni
Ho tre classi di pivot "su", "giù" e "nessun pivot" ( 1 , -1 , 0 )
Sapete anche che l'asimmetria delle classi è enorme, la classe "0" è decine di volte più grande di "-1" e "1"
e questo significa che il modello è meglio addestrato sulla classe "0" perché ha il maggior numero di osservazioni e durante l'addestramento del modello, più alberi si addestrano più la classe "0" è addestrata e come la classe "0" diventa migliore e più forte inizia a (assorbire - spremere fuori) le classi "1", "-1 Ecco perché più alberi e meno accordi