L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1205

Nuovo commento
 
Aleksey Nikolayev:

Perché i prezzi e non gli incrementi?

Non so cosa sia meglio... e la lunghezza del campione può essere variata... un sacco di confusione con tutto questo

c'è di più sull'interpretabilità... come cosa c'è da interpretare? c'è solo una metrica
 
FxTrader562:

Ciao maxim

C'è qualche nuovo articolo di cui state discutendo qui?

Se puoi fornirmi il link?

Ciao, non ancora pubblicato, in attesa di moderazione

 
FxTrader562:

Ok, se vuoi, allora puoi fornirmi il codice in modo che io possa dargli un'occhiata.

Meglio se aspettate solo l'articolo, perché ho troppe versioni

 
mytarmailS:

E c'è una dipendenza...

Ho addestrato "SMM" (modello di Markov nascosto) sui ricorsi, l'ho diviso in 10 stati e gli ho insegnato senza un insegnante, così ha diviso diverse distribuzioni da solo


distribuzioni di stato.


E qui ho raggruppato i rendimenti per stati, cioè ogni riga è uno stato di mercato separato

Alcuni stati (1,4,6,8,9) hanno troppo poche osservazioni, quindi non possono essere presi affatto

E ora cercherò di rigenerare la serie, cioè di fare una somma cumulativa, se si trova qualche tendenza in alcuni degli stati - la regolarità nella direzione

Ho fatto un riassunto cumulativo.

Gli Stati 5 e 7 hanno un modello coerente, 5 per la baia e 7 per il villaggio.

stai finalmente iniziando ad andare nella giusta direzione :)

basta forzare il tutto con una semplice forza bruta e scegliere il modello migliore

Con la deduzione logica e il grande metodo della deduzione, non si può mai trovare uno schema redditizio, ci sono troppe variazioni
 
Maxim Dmitrievsky:

Finalmente stai iniziando ad andare nella giusta direzione :)

tutto quello che dovete fare è forzare tutte queste cose con una semplice ricerca a forza bruta e scegliere il modello migliore

Non troverete mai uno schema redditizio per deduzione logica e il grande metodo della deduzione, ci sono troppe varianti

ma la cosa divertente è che questi stati 5 e 7 cambiano più spesso, non sono continui nel tempo e un'altra cosa è che si scambiano tra loro))


il grafico delle transizioni di stato


Questo è ciò che appare quando li scambiate. Il rosso è vendere e il blu è comprare


 
Maxim Dmitrievsky:

Ora voglio aggiungere ai parametri ottimizzati la dipendenza dei segnali dalle distribuzioni, l'ho fatto per l'inizio, per vedere

se la curtosi è superiore a un certo valore (possiamo optare per questo), allora abbiamo una situazione piatta ed è possibile comprare/vendere con la stessa probabilità (e quindi correggere tutti quelli sbagliati)

inoltre sull'asimmetria, se c'è un certo lato, allora la probabilità del segnale di comprare o vendere è spostata

Questo è un primitivo, ma è approssimativamente il modo in cui l'ottimizzatore può selezionare gli obiettivi

Tutto quello che dovete ottenere dalle metriche è l'errore di classificazione su un campione di prova (da addestrare su un campione di allenamento). Gli iperparametri sono enumerati nell'ottimizzatore, e viene selezionato il modello con l'errore più basso. Cosa c'è di non interpretabile qui? Hai solo bisogno di sapere se tale modello può generalizzare o meno guardando gli errori sui dati di prova.

Ho appena fatto un esempio di come lavorare con questo tipo di merda.


La questione è nell'interpretabilità del modello eventualmente scelto (che effettivamente commercia).

 
mytarmailS:

ma la cosa divertente è che questi stati 5 e 7 cambiano più frequentemente, non sono continui nel tempo e anche la cosa divertente è che si scambiano tra loro))


grafico delle transizioni di stato


Questo è ciò che appare quando li scambiate. rosso vendere e blu comprare


Fallo con RL, il modello di Markov ha bisogno di approssimazione

 
Aleksey Nikolayev:

La questione è l'interpretabilità del modello risultante (che sarà effettivamente scambiato).

i modelli induttivi non sono interpretabili, di regola, che si tratti di programmazione genetica o di reti neurali... ci vuole molto tempo per riprendere i pezzi

python e r probabilmente hanno pacchetti corrispondenti

esempio per gli alberi
How to visualize decision tree
How to visualize decision tree
  • explained.ai
Decision trees are the fundamental building block of gradient boosting machines and Random Forests(tm), probably the two most popular machine learning models for structured data. Visualizing decision trees is a tremendous aid when learning how these models work and when interpreting models. Unfortunately, current visualization packages are rudimentary and not immediately helpful to the novice. For example, we couldn't find a library that visualizes how decision nodes split up the feature space. So, we've created a general package (part of the animl library) for scikit-learn decision tree visualization and model interpretation.
 
Maxim Dmitrievsky:

Beh, facendo tutto tramite RL, il modello di Markov deve essere approssimato da qualcosa

Perché approssimarlo? È già suddiviso in 10 stati dall'algoritmo di Viterbi, come un cluster in sostanza.

Penso che il prezzo dovrebbe essere approssimato prima di fare i resi o non fare i resi?

 

A proposito, se qualcuno vuole dilettarsi in "cmm" ecco un articolo con codice ed esempi in R

http://gekkoquant.com/2014/09/07/hidden-markov-models-examples-in-r-part-3-of-4/

Hidden Markov Models – Examples In R – Part 3 of 4
Hidden Markov Models – Examples In R – Part 3 of 4
  • 2014.09.07
  • GekkoQuant
  • gekkoquant.com
This post will explore how to train hidden markov models in R. The previous posts in this series detailed the maths that power the HMM, fortunately all of this has been implemented for us in the RHmm package. HMMs can be used in two ways for regime detection, the first is to use a single HMM where each state in the HMM is considered a “regime”...
1...119811991200120112021203120412051206120712081209121012111212...3399
Nuovo commento