L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2605

[mytarmailS]

Maxim Dmitrievsky #:

Si dice che il ballo del tamburello non sia più in voga

Si dice che se non si ha niente da dire, è meglio non dire niente.

[Доктор]

Aleksey Nikolayev #:

Anche se hai ragione, è un problema di premessa, non di costruzione. Ma suppongo che ci sia una fregatura nelle tue strategie. Per esempio, i profitti non sono molto più alti dell'interesse sui depositi o la sua volatilità è troppo alta. Altrimenti, si potrebbe sperare di trovare e assemblare molte di queste strategie in un portafoglio più capiente.

La percentuale di profitto è a tre cifre, la volatilità è minima. Ma non è scalabile, e il portafoglio può essere assemblato solo aumentando il numero di strumenti (mercati).La strategia nonè mia).

[Aleksey Nikolayev]

Medico #:

La percentuale di profitto è a tre cifre, la volatilità è minima. Ma non è scalabile, e il portafoglio può essere costruito solo aumentando il numero di strumenti (mercati).La strategia non è mia )).

Credo incondizionatamente a tutto ciò che è scritto lì. Mi dispiace solo che non ci siano risultati per gli ultimi due anni)

[Доктор]

Aleksey Nikolayev #:

Credo incondizionatamente a tutto ciò che è scritto lì. Mi dispiace solo che non ci siano risultati per gli ultimi due anni)

L'autore è molto conosciuto nei circoli ristretti. Alla domanda "ci saranno risultati per l'anno 20XX" di solito risponde che non ha senso scrivere, perché il risultato è lo stesso di anno in anno. Ultimo inserimento nella risorsa del 29.03.2021

[Renat Akhtyamov]

Medico #:

L'autore è molto conosciuto nei circoli ristretti. Alla domanda "ci saranno risultati per il 20XX", di solito risponde che non ha senso scrivere, perché il risultato è lo stesso di anno in anno. L'ultima voce sulla risorsa è datata 29.03.2021

leaked....

[Renat Akhtyamov]

Aleksey Nikolayev #:

1) Penso che sia ovvio che non c'è e non può esserci alcun modo di provare che un modello stabilito nella storia funzionerà necessariamente in futuro.

2) L'esistenza di un metodo che stabilisce un modello deterministico (non casuale) per il futuro basato su dati del passato sarebbe una negazione di (1)

Abbiamo solo la convalida incrociata, che può solo stabilire l'omogeneità di un modello sulla storia. Possiamo solo interpolare il modello, non estrapolarlo. Abbiamo solo una PROPOSIZIONE molto debole che un modello ben interpolato risulterà essere ben estrapolato. Questa non è un'inferenza deduttiva, ma semplicemente induttiva - una variante dell'inferenza per analogia.

Le regolarità emergeranno se il sistema è scritto, non filosofeggiato.

Ancora una volta vi dirò

scrivere il sistema con la mentalità di non affondare, di non fare soldi.

---

per non essere insostenibile, capirete/rileverete/vedrete le reazioni del kotier a certe azioni del sistema

di solito questi sono:

- GEP

- cigno nero

- tendenza

- piatto

- forcine e code lunghe

Tutte queste regolarità non sono legate in alcun modo alle cause generalmente accettate dai teorici

la teoria di cui hai bisogno e sapere abbastanza per costruire un sistema di tradingqui

[Aleksey Nikolayev]

Medico #:

L'autore è molto conosciuto nei circoli ristretti. Alla domanda "ci saranno risultati per il 20XX", di solito risponde che non ha senso scrivere, perché il risultato è lo stesso di anno in anno. L'ultima voce sulla risorsa è datata 29.03.2021.

Non fraintendetemi - non che io metta in dubbio ciò che questa particolare persona ha scritto o la vostra raccomandazione data a lui. È solo che questo forum, così come molti altri, è pieno di affermazioni simili nella forma a "Abbiamo questo tipo di dispositivi, ma non ve ne parliamo! Qui sopra è un buon esempio) Se crediamo in un caso, quale può essere la ragione per rifiutare di credere in altri simili? Ma è assolutamente impossibile costruire qualcosa di significativo su questo terreno molto traballante. Quindi, preferisco basarmi suaffermazioni più deboli, ma sostanziali e almeno in qualche modo verificabili.

[mytarmailS]

Aleksey Nikolayev #:

Credo incondizionatamente a tutto ciò che è scritto lì. Mi dispiace solo che non ci siano risultati per gli ultimi due anni)

Ahahahh 5 c ±.

Aleksey, fai commercio in generale o sei nella ricerca?

[Aleksey Nikolayev]

mytarmailS #:
Ahahah 5s ±

Alexey, fai trading o ne stai cercando uno?

Sto cercando di fare entrambe le cose, ma finora sono nettamente sbilanciato verso la teoria.

[Maxim Dmitrievsky]

C'è una domanda come questa:

Vengono utilizzati due modelli. Uno predice di comprare o vendere, l'altro di commerciare o non commerciare.

Prima si addestra il primo modello, poi si guarda dove predice male, si segnano questi esempi come "non scambiare", gli altri buoni come "scambiare", si insegna questo al secondo modello.

Il primo modello è testato non solo nell'area di addestramento ma anche nell'area aggiuntiva e il secondo modello è addestrato in entrambe le aree.

Ripetiamo questa operazione diverse volte, riaddestrando entrambi i modelli sullo stesso set di dati. I risultati migliorano gradualmente sui campioni. Ma non sempre sul campione di controllo.

In parallelo a questo teniamo un registro di cattive transazioni cumulative per tutti i passaggi, tutte le transazioni "cattive" per "not to trade" sono raccolte in esso per l'addestramento del secondo modello e filtrate secondo un certo principio come più copie di cattive transazioni per tutti i passaggi, più possibilità di segnarle come "not to trade"

to_mark = BAD_SAMPLES_BOOK.value_counts()
mean = to_mark.mean()
marked_idx = to_mark[to_mark > mean*bad_samples_fraction].index
pr2.loc[pr2.index.isin(marked_idx), 'meta_labels'] = 0.0

Per esempio, per ogni data viene accumulata una certa quantità di operazioni sbagliate per tutte le iterazioni di formazione, dove questo numero supera una soglia (media, media), quelle operazioni sono contrassegnate come "non negoziare". Gli altri trade sono saltati, altrimenti sarebbe possibile escludere tutti i trade se ci sono molte iterazioni di allenamento.

bad_samples_fraction

Il coefficiente permette di regolare il numero di compravendite all'uscita, più è basso, più le compravendite sono filtrate

... a questo punto sono già stanco di scrivere ...

Come si può migliorare una tale combinazione di modelli in modo che migliori i suoi risultati su un nuovo terreno indipendente?
C'è qualche filosofia sul perché questo possa funzionare? A parte il fatto che i modelli si migliorano naturalmente (l'errore scende) ad ogni giro di riqualificazione, ma come liberarsi del fit?

Illustrazione. Il grafico è diviso in 3 parti. L'ultimo allena il primo modello, il penultimo e ultimo il secondo, il primo terzo è un campione d'esame. Naturalmente l'ultima sezione sarà la migliore e il primo terzo la peggiore.

Qui ci sono state 15 iterazioni di riqualificazione di entrambi i modelli, utilizzando il log dei bad trades.

Iteration: 0, R^2: 0.025863859193577587
Iteration: 1, R^2: 0.20881945768090338
Iteration: 2, R^2: 0.38691567117849557
Iteration: 3, R^2: 0.8538667616323108
Iteration: 4, R^2: 0.6289257079331403
Iteration: 5, R^2: 0.49590724745042913
Iteration: 6, R^2: 0.6899198178561211
Iteration: 7, R^2: 0.7914478307518835
Iteration: 8, R^2: 0.6271633947453318
Iteration: 9, R^2: 0.5022724259087565
Iteration: 10, R^2: 0.8568310685006555
Iteration: 11, R^2: 0.042448644454852524
Iteration: 12, R^2: -0.17980715185584073
Iteration: 13, R^2: 0.8294648122002825
Iteration: 14, R^2: 0.7615234602466088