L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 87
![MQL5 - Linguaggio delle strategie di trading integrato nel client terminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Tutti i pacchetti (modelli) possono essere divisi in due categorie:
Le prestazioni di quei pacchetti che sono "fondamentalmente buoni" sono circa le stesse, le differenze non sono significative.
Il problema non è il modello, ma l'insieme dei predittori e il loro precondizionamento. Se prendiamo un certo insieme di predittori, la possibilità di costruire un modello NON sovrallenato, così come la grandezza dell'errore è poco dipendente dal cambiamento del modello. Quindi si dovrebbe prendere il modello più semplice e veloce tra quelli che "in linea di principio si adattano".
PS.
Dalla mia esperienza personale. A me più del 75% dell'input di lavoro nella costruzione del TS è la selezione dei predittori, se a tutti riesce a raccogliere un tale insieme per una particolare variabile obiettivo.
San Sanych, salve.
E se con il tuo metodo per 3 intervalli di dati che non si intersecano si ottengono valori predittivi diversi, allora sono non stazionari (rumore ecc.) dovremmo seguire?
Tutti i pacchetti (modelli) possono essere divisi in due categorie:
Le prestazioni di quei pacchetti che sono "fondamentalmente buoni" sono circa le stesse, le differenze non sono significative.
Il problema non è il modello, ma l'insieme dei predittori e il loro precondizionamento. Se prendiamo un certo insieme di predittori, la possibilità di costruire un modello NON sovrallenato, così come la grandezza dell'errore è poco dipendente dal cambiamento del modello. Quindi si dovrebbe prendere il modello più semplice e veloce tra quelli che "in linea di principio si adattano".
PS.
Dalla mia esperienza personale. A me più del 75% dell'input di lavoro nella costruzione di TC è la selezione dei predittori, se è possibile scegliere un tale insieme per una particolare variabile obiettivo.
Quali modelli, di cosa stai parlando ... è come una persona che chiede "che ora è?". e la risposta è "cosa vuoi che balli?". :)
Mai, per favore, mai più, è più facile scrivere 10 righe di testo che leggere due righe di domande
Forse qualcuno sarà interessato, ho trovato un pacchetto che può simulare il trading e costruire sistemi di trading chiamato quantstrat
http://www.rinfinance.com/agenda/2013/workshop/Humme+Peterson.pdf
San Sanych, ciao.
Ma se con la tua metodologia otteniamo diversi valori del predittore su 3 segmenti di dati non intersecanti in allenamento, allora sono non stazionari (rumore ecc.) dovremmo seguire?
La rilevanza dei predittori si ottiene solo una volta - quando il modello viene addestrato. Allora quel modello è APPLICABILE, non insegnato.
Bisogna insegnarlo più volte, se ricordo bene?
Impossibile!
Ancora una volta.
1. prendiamo una grande quantità di predittori di serie temporali, per esempio 10 000 osservazioni (linee).
2. Lo dividiamo in due parti, rigorosamente meccaniche: 7000 prima parte e 3000 seconda parte.
3. Dividiamo la prima parte in tre parti a caso: per l'addestramento, il test e la validazione
4. Insegniamo (fit - adattamento) il modello sul campione di allenamento.
5. Applicare il modello addestrato ai campioni di test e di convalida.
6. Se su tutti e tre i campioni - training, testing e validazione - l'errore è approssimativamente uguale, allora la clausola 7.
7. Applicare il modello sulla seconda parte, che è una serie temporale ininterrotta nella sua sequenza temporale.
8. Se l'errore anche su questa parte è più o meno uguale ai tre precedenti, allora:
Impossibile!
Ancora una volta.
1. prendere un gran numero di predittori di serie temporali, ad esempio 10.000 osservazioni (righe)
2. Lo dividiamo in due parti, rigorosamente meccaniche: 7000 prima parte e 3000 seconda parte.
3. Dividiamo la prima parte in tre parti a caso: per l'addestramento, il test e la validazione
4. Insegniamo (fit - adattamento) il modello sul campione di allenamento.
5. Applicare il modello addestrato ai campioni di test e di convalida.
6. Se su tutti e tre i campioni - training, testing e validazione - l'errore è approssimativamente uguale, allora la clausola 7.
7. Applicare il modello sulla seconda parte, che è una serie temporale ininterrotta nella sua sequenza temporale.
8. Se l'errore anche su questa parte è più o meno uguale ai tre precedenti, allora:
Così così è solo una mancanza di cervello e di tempo.
Bisogna iniziare con la variabile obiettivo e poi selezionare i predittori per essa, e poi ricontrollare con la matematica, o così. Comunque, il processo è lento e non posso formalizzarlo.
Così così - solo non abbastanza cervello e tempo.
Bisogna iniziare con la variabile obiettivo, e poi bisogna abbinarla ai predittori, e poi ricontrollarli con la matematica, per così dire. In ogni caso, il processo è doloroso e non formalizzabile per me.