L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2555

Nuovo commento
 
mytarmailS #:
Allora perché la classe non prevede correttamente? Perché le quotazioni non sono quelle che il modello si aspetta, distribuzione sbagliata. Se generiamo citazioni dalla distribuzione corretta, probabilmente è buono...

Prova, non ricordo se l'ho fatto o no, ho avuto un'idea simile

Ma probabilmente non c'è alcuna connessione tra il passato e il futuro. Cioè lo stato futuro per n barre non è facile da prevedere, e può essere più difficile di 1-2 passi avanti.
 
Maxim Dmitrievsky #:

Prova, non ricordo se l'ho fatto o no, ho avuto un'idea simile

ma molto probabilmente non c'è alcuna connessione tra il passato e il futuro. Cioè lo stato futuro per n barre non è facile da prevedere, e può essere ancora più difficile che per 1-2 passi avanti.
In teoria: prevedere la distribuzione futura è quasi lo stesso che prevedere la media mobile della serie, e questo è più facile che prevedere il prezzo stesso, c'è più inerzia... forse proverò domani se sono in vena
 
Maxim Dmitrievsky #:

Supponendo che il modello debba funzionare anche in futuro, ci saranno sempre errori di tutti i tipi (compreso il rumore), e la sfida è trovare un equilibrio. Quindi stiamo parlando della stessa cosa, in sostanza.

In realtà, stavo risolvendo questo problema in un modo diverso, ecco perché sto scrivendo le domande principali

Se lo si guarda da un punto di vista globale, sono d'accordo con te. Non importa quale serie di algoritmi venga presa alla fine - i problemi quando la si usa saranno sempre gli stessi.

A proposito, un'idea un po' simile (espulsione di operazioni con valori dell'indicatore lontani da quelli tipici) è stata espressa da fxsaber nel suo blog oggi.

 
Ho letto un libro degli anni 70 che dice che se non c'è autocorrelazione, allora non ci può essere predizione. C'è qualcosa di più moderno sull'argomento?
 
Aleksey Nikolayev #:

Da una prospettiva globale, sono d'accordo con te. Non importa quale insieme di algoritmi venga usato alla fine - i problemi quando lo si usa saranno sempre gli stessi.

A proposito, un'idea un po' simile (espulsione dei trade con valori dell'indicatore che sono lontani da quelli tipici) è stata espressa da fxsaber nel suo blog oggi.

Sono completamente d'accordo. Le fluttuazioni nel corridoio con ampiezza dinamica implica una scelta di equilibrio nella previsione e la sua probabilità.

 
Come nuovo arrivato, ottimizzare un EA in un tester/ottimizzatore è un MO?
 
Sceptorist #:
Puoi dire a un principiante se l'ottimizzazione di un EA in un tester/optimiser è MO?

L'ottimizzazione è più simile al processo di formazione di una rete neurale.

Una volta c'erano anche soluzioni per automatizzare l'ottimizzazione per ottenere i set più rilevanti.

 

Una lezione sulla selezione dei modelli

in modo che non ci siano equivoci, per così dire


 
Sceptorist #:
Un principiante, l'ottimizzazione di un EA in un tester/optimiser è un MO?

MO è solo un insieme di algoritmi. Per alcuni di loro l'ottimizzazione del tester è abbastanza buona. Per esempio, se avete bisogno di trovare il K ottimale in KNN. Ma la maggior parte degli algoritmi hanno il loro modo specifico di ottimizzazione. Per esempio, la discesa del gradiente nelle reti neurali.

In generale, la risposta dipende dalla capacità di adattare il modello specifico agli algoritmi di ottimizzazione dati (forza bruta e ottimizzazione genetica)

 
Maxim Dmitrievsky #:

Una lezione sulla selezione dei modelli

così non ci sono malintesi, per così dire.


Vorontsov è probabilmente il miglior esperto di MoD in Russia. Il corso è quindi destinato ad essere buono, ma essendo per gli informatici, omette la matematica di base e importante per noi. Ho notato molte volte che per l'applicazione di metodi matematici nel trading, pochi sono adatti nella loro forma base e semplificata.

Il MO si basa (vedi per esempio Tibshirani) sull'assunzione che ci sia una distribuzione congiunta costante di predittori e risposte P(X,Y). Da esso, la probabilità condizionata Py(Y|X) può essere calcolata, da cui la regressione Y=f(X) può essere calcolata. Alla fine, questa regressione è approssimata da alcuni modelli MO. Nel mondo fisico questa teoria funziona più o meno. Ma non nel trading. Si scopre che P(X,Y) cambia in modo imprevedibile con il tempo (non stazionarietà) e l'intera teoria crolla un po'.

L'approccio più popolare è semplicemente ignorare la non stazionarietà e poi essere sorpresi dai risultati e lamentarsi dell'IR).

1...254825492550255125522553255425552556255725582559256025612562...3399
Nuovo commento