L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1778
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
E la capacità di prevedere è determinata da come?
Beh, non per correlazione...
forse per correlazione incrociata attraverso la stima dei ritardi...
Infilando stupidamente tutto il mondo nel modello?
Perché no? Nella formazione, la validazione incrociata eliminerà ciò che non è necessario, o alcune statistiche...
Come si fa a sapere "cosa è cosa" Come si fa a sapere "cosa è cosa" finché non si controlla?
Non hai ancora detto come fare trading su di esso - quindi non so che tipo di TS inventare.
Come? È ovvio)) ZZ su significa comprare, giù significa vendere.
Prevede la direzione delle ZZ, vero?
non per correlazione...
forse per correlazione incrociata attraverso la stima dei ritardi...
Perché no? La convalida incrociata estirperà ciò che non serve nella formazione, o alcune statistiche...
Come si fa a sapere "cosa è cosa" fino a quando non l'avrete testato?
Beh, parlerei a lungo del problema della ridondanza, particolarmente rilevante per NS, ma sono pigro.
Per inciso, è questo problema che spesso diventa la causa della scarsa capacità predittiva del modello
Come? È ovvio)) ZZ su è un acquisto, giù è una vendita.
Stai prevedendo la direzione di ZZ, vero?
Questo si rivelerebbe un tic, probabilmente.
Hai provato a fare la media/lisciatura dell'indicatore di classificazione con la finestra per eliminare gli outlier?
Questo si rivelerà essere un twitch, probabilmente.
Hai provato a fare la media/lisciatura dell'indicatore di classificazione con la finestra per eliminare gli outlier?
In questo caso, la media è uguale al ritardo. È necessario migliorare la qualità della classificazione, lo smussamento non è un'opzione.
Provalo così com'è!
Beh, parlerei a lungo del problema della ridondanza, particolarmente rilevante per NS, ma sono pigro.
A proposito, questo stesso problema è spesso la causa della scarsa capacità predittiva del modello
Ecco perché penso che in questa direzione, i segni possono essere già formati da AMO o da regole di lavoro, questi segni dovrebbero essere informazioni qualitative, compresse e il mio mini esperimento nella pagina precedente lo ha dimostrato.
Ma ancora non capisco come prevedere la correlazione (non lo so).
E come prevedere per correlazione non l'ho ancora capito (
Previsione di nuovo....
Il coefficiente di correlazione aiuta a identificare in anticipo i predittori più significativi - più alta è la correlazione tra la variabile dipendente e il predittatore, più significativa è quella variabile per il modello.
Quindi, nel tuo esempio, ci sono due modi di procedere. Il primo, il tuo, è quello di sostituire un predittore alla volta nel modello e vedere quanto migliora l'accuratezza della previsione. È molto tempo.
Il secondo, usare il coefficiente di correlazione per schermare in anticipo i predittori non importanti che disturbano il modello.
Semplicemente il problema della ridondanza è che si possono aggiungere 100+1 nuovi predittori al modello, ma 100 predittori aggiungeranno lo 0,01% alla qualità della previsione, mentre 1 aggiungerà il 10%. E non ha senso sovraccaricare il modello con quei 100 nuovi predittori - overfitting
E a proposito, su un gran numero di predittori l'albero fa schifo, la foresta casuale domina
Previsione di nuovo....
Il coefficiente di correlazione aiuta a identificare in anticipo i predittori più significativi - più alta è la correlazione tra la variabile dipendente e il predittatore, più significativa è quella variabile per il modello.
Quindi, nel tuo esempio, ci sono due modi di procedere. Il primo, il tuo, è quello di sostituire un predittore alla volta nel modello e vedere quanto migliora l'accuratezza della previsione. È molto tempo.
In secondo luogo, usate il coefficiente di correlazione per eliminare in anticipo i predittori non importanti che disturbano il modello.
Beh, la correlazione è solo una delle opzioni di setacciamento e sicuramente non è la migliore... Si può anche usare la cointegrazione, la correlazione incrociata, la correlazione non lineare ecc. e sarà ancora meglio, ma sono tutti gerarchicamente più bassi del semplice errore di classificazione, ecco perché ho scelto i criteri di errore di predizione di un tratto
E a proposito, su un gran numero di predittori l'albero fa schifo, la foresta casuale domina
Sono parzialmente d'accordo, ma in termini più ampi la foresta è la stessa regola, l'unica differenza è la complessità.
C'è un pacchetto in R che può comprimere una foresta di 200 alberi in una o tre regole rimuovendo tutte le regole inutili e superflue, la perdita di qualità della classificazione è dello 0,5-2%, questa è una compressione delle informazioni a cui dovremmo tendere + interpretabilità
In questo caso, la media è uguale al ritardo. È necessario migliorare la qualità della classificazione, lo smussamento non è un'opzione.
Provalo così com'è!
Non è un'opzione. C'è troppo inceppamento nell'appartamento.
Naturalmente, è possibile spostare la soglia di attivazione 0,65 - comprare, 0,35 - vendere.
Non è un'opzione. C'è troppa confusione nell'appartamento.
Si potrebbe, naturalmente, spostare la soglia di attivazione a 0,65 - comprare, e 0,35 - vendere.
Mostrami un grafico con gli scambi