L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1839

Nuovo commento
 
mytarmailS:

Ahahahaha )))) LOL !!!

Cagna è così le parole del Trickster. Lepre a plogiarizzare!!!! Aspettandolo con impazienza....
 

Vorrei il consiglio di tutti.
Nel pacchetto Darch ho trovato la seguente opzione di valutazione del modello:
Calcoliamo l'errore sulla traccia e sulle sezioni oob.
Poi l'errore totale è calcolato come
err = oob_error * comb_err_tr + train_err * (1 - comb_err_tr);

dove comb_err_tr = 0,62. Il moltiplicatore che controlla il contributo degli errori delle sezioni treno e oob. Se è impostato su 0, la stima è solo per treno. Se lo impostate a 1, la stima è solo per oob.

0,62 significa che l'errore oob ha un po' più peso nella stima totale del modello.

Ho usato questa formula per un po', ma ora ho dei dubbi.

L'errore su oob di solito ha un limite, e su train se il sovrallenamento è andato avanti, potrebbe scendere fino a 0.
Approssimativamente come questo: (il verde è l'errore stimato secondo la formula)




Secondo questa formula, l'errore continuerà a diminuire a causa della diminuzione dell'errore trn. E smetterà di scendere solo quando trn smetterà di diminuire. Allo stesso tempo, quando la riqualificazione è iniziata, l'errore su oob inizierà ad aumentare.
A mio parere, smettere di imparare quando errare per formula inizia a crescere è troppo tardi.
Anche nel punto in cui l'errore dell'oob è minimo non è ottimale. A causa di una fortunata randomizzazione troviamo accidentalmente il minimo da oob, ma potrebbe essere un tweak per oob.
Forse dovremmo prendere l'errore minimo su oob, e contarlo come limite per l'errore sul treno? Cioè smettere di addestrare il modello quando l'errore su trn diventa uguale all'errore migliore su oob (dove ho disegnato la linea verticale)? L'errore su oob sarà peggiore, ma non sarà adatto né al treno né a oob.

 
elibrarius:

Vorrei il consiglio di tutti.
Nel pacchetto Darch ho trovato la seguente opzione di valutazione del modello:
Calcoliamo l'errore sulla traccia e sulle sezioni oob.
Poi l'errore totale è calcolato come
err = oob_error * comb_err_tr + train_err * (1 - comb_err_tr);

dove comb_err_tr = 0,62. Il moltiplicatore che controlla il contributo degli errori delle sezioni treno e oob. Se è impostato su 0, la stima è solo per treno. Se lo impostate a 1, la stima è solo per oob.

0,62 significa che l'errore oob ha un po' più peso nella stima totale del modello.

Ho usato questa formula per un po', ma ora ho dei dubbi.

L'errore su oob di solito ha un limite, e su train se il sovrallenamento è andato avanti, potrebbe scendere fino a 0.
Approssimativamente così: (il verde è l'errore stimato secondo la formula)




Secondo questa formula, l'errore continuerà a diminuire a causa della diminuzione dell'errore trn. E smetterà di scendere solo quando trn smetterà di diminuire. Allo stesso tempo, quando la riqualificazione è iniziata, l'errore su oob inizierà ad aumentare.
A mio parere, smettere di imparare quando errare per formula inizia a crescere è troppo tardi.
Anche nel punto in cui l'errore dell'oob è minimo non è ottimale. A causa di una fortunata randomizzazione troviamo accidentalmente il minimo da oob, ma potrebbe essere un tweak per oob.
Forse dovremmo prendere l'errore minimo su oob, e contarlo come limite per l'errore sul treno? Cioè smettere di addestrare il modello quando l'errore su trn diventa uguale all'errore migliore su oob (dove ho disegnato la linea verticale)? L'errore sull'oob sarà peggiore, ma non sarà adatto né al treno né all'oob.

C'è una logica in questo. Il margine di errore è determinato da un modello probabilistico e sia una ragionevole dimensione del campione che il numero di sessioni di riqualificazione hanno una certa dimensione ottimale, il cui aumento non migliora il risultato

 
mytarmailS:

Un sistema di trading attraverso gli occhi di un algotrader

R - sei solo apuenen! :)

e i filtri digitali o i livelli? :D

 
Maxim Dmitrievsky:

I filtri digitali o i livelli mostrano qualcosa di interessante? :D

L'ultima cosa che ho fatto è stata cercare una sovrapposizione di modelli ...

Abbiamo un livello - quando il prezzo lo attraversa, fissiamo questo modello e lo fissiamo come campione di allenamento

I modelli possono essere diversi

Cerco qualsiasi modello che è emerso nel momento, qualsiasi insieme distinto che risolve qualcosa


Per estrarre le regole per i pattern uso le"regole associative" questo approccio differisce da quelli usuali per il fatto che ogni esempio di allenamento può contenere qualsiasi numero di elementi e non tiene conto dell'ordine dei segni, il che è anche buono in quanto per me


l'obiettivo - trovare un estremo dal quale ci sarà un aumento di 10 punti

 x[i]==min(x[(i-1):(i+10)])

non è la soluzione migliore, ma è quello di cui sto scrivendo, finora solo comprare


l'algoritmo di estrazione "apriori" dal pacchetto "arules


Ecco come appaiono le regole trovate

inspect(head(rules.sorted,20)) 
     lhs                              rhs   support     confidence lift     count
[1]  {(28)(28)(-1);1,(44)(45)(-1)} => {BUY} 0.001017018 0.5769231  3.046559 15   
[2]  {(25)(23)(-1);1,(5)(3)(-1)}   => {BUY} 0.001084819 0.5517241  2.913491 16   
[3]  {(31)(33)(-1),(8)(6)(-1)}     => {BUY} 0.001084819 0.5000000  2.640351 16   
[4]  {(49)(45)(-1),(54)(52)(-1)}   => {BUY} 0.001017018 0.5000000  2.640351 15   
[5]  {(25)(23)(-1),(82)(84)(-1)}   => {BUY} 0.001017018 0.4838710  2.555178 15   
[6]  {(46)(48)(-1),(56)(56)(-1)}   => {BUY} 0.001017018 0.4838710  2.555178 15   
[7]  {(25)(23)(-1);1,(40)(41)(-1)} => {BUY} 0.001017018 0.4838710  2.555178 15   
[8]  {(29)(30)(-1),(37)(39)(-1)}   => {BUY} 0.001017018 0.4838710  2.555178 15   
[9]  {(34)(32)(-1),(76)(74)(-1)}   => {BUY} 0.001898434 0.4745763  2.506096 28   
[10] {(25)(22)(-1),(7)(6)(-1);3}   => {BUY} 0.001152621 0.4722222  2.493665 17   
[11] {(17)(16)(-1);1,(49)(45)(-1)} => {BUY} 0.001017018 0.4687500  2.475329 15   
[12] {(46)(48)(-1),(62)(60)(-1)}   => {BUY} 0.001017018 0.4687500  2.475329 15   
[13] {(20)(21)(-1),(45)(46)(-1)}   => {BUY} 0.001017018 0.4687500  2.475329 15   
[14] {(19)(18)(-1);1,(60)(57)(-1)} => {BUY} 0.001220422 0.4615385  2.437247 18   
[15] {(25)(23)(-1);1,(47)(45)(-1)} => {BUY} 0.001152621 0.4594595  2.426268 17   
[16] {(40)(41)(-1),(71)(71)(-1)}   => {BUY} 0.001152621 0.4594595  2.426268 17   
[17] {(2)(1)(-1);4,(6)(6)(-1)}     => {BUY} 0.001084819 0.4571429  2.414035 16


ecco la regola "1" (la migliore) in azione sui nuovi dati

senza alcuna manomissione, così com'è, nella sequenza così com'è...

decidete voi stessi se questo è un argomento interessante o no

continuazione dello stesso


Poi è possibile aggiungere AMO a questi ingressi come "sopra" per filtrare l' entrata/uscita.

C'è un potenziale illimitato per aumentare la quantità e la qualità dei modelli

Forse qualcosa di fresco può venire fuori, ma non ho energia e miccia, sono andato su un creativo bere baldoria ((



Penso che i livelli siano lo strumento più promettente per creare TS...

Il livello di prezzo nella mia comprensione non è uno stupido frattale di Bill Williams, ma un evento ad un prezzo specifico, molto probabilmente "un sacco di mosse".

 
mytarmailS:

Poi si può aggiungere AMO a questi ingressi come se "in cima" per filtrare per entrare / non entrare

C'è un potenziale illimitato per aumentare la quantità e la qualità dei modelli

Forse uscirà qualcosa di figo, ma non ho né energia, né voglia di fare, sono in una baldoria creativa ((

Quando avrò abbastanza energia, leggerò).

 
Maxim Dmitrievsky:

Lo leggerò quando ci avrò preso la mano).

Cerca su Google qualcosa di più corto, non c'è molto da leggere.

 
Oh, che casino... la gente non beve, non beve mai, mai, mai....
 
mytarmailS:
Oh, che casino... la gente non beve, non beve mai, mai, mai....
So cosa intende. Anch'io sono in ripresa per il secondo giorno :-)
 

Vedo che stai cercando di trovare uno schema. È semplice come una monetina) È la teoria delle onde. Ma al momento non è di dominio pubblico.

Immaginate di essere sposati da 22 anni. Quanto è probabile che lei divorzi oggi o domani? Insegnate al machine learning questa comprensione e solo allora passate alle domande più semplici: i mercati finanziari.

Mi rendo conto di avere un approccio difficile all'argomento.

Rispettoso delle parole di Yusuf. Ha sempre avuto ragione della continuità della storia e del momento attuale. E l'importanza per il futuro.

1...183218331834183518361837183818391840184118421843184418451846...3399
Nuovo commento