L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1912
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
In altre parole, l'algoritmo assegnerà un peso irragionevolmente alto a questi due vettori vicini....
Ma perché è irragionevole? Se qualcosa viene ripetuto spesso, diciamo 100 volte, e dà un risultato statisticamente significativo, allora è giusto dare più peso a questo che a un esempio con una sola osservazione e un risultato poco chiaro.
1) hai visto le nuvole 100 volte e ha piovuto il 70% delle volte.
2) il tuo ginocchio prudeva una volta e pioveva.
Perché pensi che a questi due modelli si debba dare lo stesso peso? tutto il mondo la pensa diversamente, anche la neuronica :)
Ma perché non è giustificato? Se qualcosa viene ripetuto spesso, diciamo 100 volte, e dà un risultato statisticamente significativo, è adeguato dargli più peso di un esempio con una sola osservazione e un risultato poco chiaro.
1) hai visto le nuvole 100 volte e ha piovuto il 70% delle volte.
2) il tuo ginocchio prudeva una volta e pioveva.
Perché pensate che a questi due modelli si debba dare lo stesso peso? tutto il mondo la pensa diversamente, e anche la neuronica :)
e queste statistiche non vi insegnano nulla?
Si guadagna 100 volte e si vince XZix volte.
;)
Ma perché non è giustificato? Se qualcosa viene ripetuto spesso, diciamo 100 volte, e dà un risultato statisticamente significativo, è adeguato dargli più peso di un esempio con una sola osservazione e un risultato poco chiaro.
1) hai visto le nuvole 100 volte e ha piovuto il 70% delle volte.
2) il tuo ginocchio prudeva una volta e pioveva.
Perché pensate che a questi due modelli si debba dare lo stesso peso? tutto il mondo la pensa diversamente, e anche la neuronica :)
Colleghi perdonatemi generosamente, ma mi sono perso nella mia dichiarazione. Anche se ho un set di allenamento composto da meno righe che colonne. Tuttavia, l'addestramento stesso avviene su un campione di 11 colonne. Comunque, non l'ho fatto apposta. Non sapevo cosa stavo facendo :-(
(Perdonami) se sei stato riflessivo, l'hai capito...
Ma non ho ancora sentito la risposta alla mia semplice domanda - PERCHE' i valori unici sono migliori di quelli statisticamente significativi?
Inoltre, se vuoi rendere uniche tutte le righe ti ho dato un'idea di come farlo, perché non lo fai?
===============================================
Bel video - come e in che modo i problemi reali sono stati risolti in MO, c'è un problema anche con BP, molto interessante
Perdonatemi) coloro che hanno guardato con attenzione hanno capito...
Ma non ho ancora sentito la risposta alla mia semplice domanda - PERCHE' i valori unici sono migliori di quelli statisticamente significativi?
Inoltre, se vuoi rendere uniche tutte le righe ti ho dato un'idea di come farlo, perché non lo fai?
===============================================
Bel video - come e in che modo i problemi reali sono stati risolti in MO, c'è un problema anche con BP, molto interessante
Sì, grazie per il codice, l'ho salvato ma non l'ho ancora studiato... Penso che lo guarderò in settimana...
Perché i vettori statisticamente significativi possono essere utilizzati a testa alta, senza NS. Nell'apprendimento NS sarà meglio imparare quei vettori che sono raggruppati nella stessa area. Se in futuro appariranno gli stessi vettori, va bene, ma se un vettore appare nel prossimo futuro, ma è di un'altra classe, la rete farà un errore del 100%, perché non ha capito che questo gruppo appartiene a una certa classe. IMHO
Gli stessi vettori, allora va bene, ma se un vettore appare nelle vicinanze, ma è di una classe diversa, allora la rete farà un errore del 100%, perché ha notificato che questo gruppo appartiene a una classe specifica. IMHO
Ahhhhhh, bene, ho capito il tuo punto...
Senta, mi dispiace di averla aggredita, a volte non sto bene.
La domanda è come una rete neurale predice il desiderio della banca di comprare o vendere un certo volume di valuta (per esempio)? Qualsiasi rete neurale può cogliere l'inerzia nella direzione solo quando i volumi speculativi vengono venduti e il prezzo si muove attivamente. Ma una rete neurale non mostrerà mai il momento esatto dell'entrata del partecipante che cambierà il prezzo (price driver), anche se non è necessario - 99% se sai come identificare il price driver e la sua direzione le tue transazioni saranno sempre prima dell'attuazione e avrai un profitto stabile. La mia azienda ha anche un dipartimento di trading algoritmico, ma è più focalizzato sullo scalping molto veloce - la rete neurale cattura anche l'inerzia degli algoritmi hft e sulla base della sua analisi i nostri robot fanno operazioni copiando completamente l'hft (solo per certi mercati e simboli). Il trading di base è fatto a mano alla vecchia maniera perché il driver del prezzo non può essere previsto (e non ce n'è bisogno), lo si può solo vedere = la macchina vi mostrerà l'indicatore prima di cambiare direzione (si capisce che la rete neurale non può prevedere quando l'indicatore di questa o quella macchina si accenderà).
ha deciso di vedere come sarebbero stati i dati tipici per l'allenamento 3d di NS ))
i dati sono 31 indicatori, l'obiettivo è uno zigzag
ho diminuito la dimensionalità a tre dimensioni con tre algoritmi - pca, t-sne, umap (gli ultimi due sono considerati i più avanzati)
che cos'è comunque -https://en.wikipedia.org/wiki/Dimensionality_reduction
how it can help -https://ru.wikipedia.org/wiki/%D0%9F%D1%80%D0%BE%D0%BA%D0%BB%D1%8F%D1%82%D0%B8%D0%B5_%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8
Così i dati 31 indicatore obiettivo zigzag, prima abbiamo PCA
prossimo t-sne
umap
come possiamo vedere non possiamo dividerlo per classi, quindi o l'obiettivo è spazzatura o caratteristiche, o tutte insieme))
Una superficie con una buona separabilità dovrebbe assomigliare a questa, ma ci sono tre classi qui, ma penso che capirete l'idea
una domanda - come fa una rete neurale a prevedere il desiderio della banca di comprare o vendere un certo volume di valuta (per esempio)?
I grandi acquisti non sono fatti in un secondo, ci vuole tempo, durante questo tempo il prezzo mostrerà un modello per questi acquisti, questo modello può essere cercato con l'aiuto di algoritmi di apprendimento automatico