L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2846

[Aleksey Nikolayev]

Andrey Dik #:

è chiaro che esiste una qualche formula, forse anche segreta, ma se fosse possibile assegnare dei pesi alle componenti del criterio complesso.... mmm, favoloso.

A giudicare dalla descrizione, si capisce che prima viene selezionata una parte dei passaggi migliori per un criterio, poi da quelli selezionati viene selezionata una parte dei passaggi migliori per il secondo criterio, e così via.

"Permette di selezionare i passaggi migliori passo dopo passo: prima in base al numero di operazioni, poi da questo campione in base all'aspettativa di redditività, poi in base al fattore di recupero, e così via."

[Andrey Dik]

Aleksey Nikolayev #:

A giudicare dalla descrizione, si capisce che prima viene selezionata una parte dei passaggi migliori secondo un criterio, poi tra quelli selezionati viene selezionata una parte dei passaggi migliori secondo il secondo criterio, e così via.

"Permette di selezionare i passaggi migliori passo dopo passo: prima in base al numero di operazioni, poi da questo campione in base all'aspettativa matematica di redditività, poi in base al fattore di recupero e così via".

il criterio viene calcolato in una volta sola, a ogni passaggio dell'ottimizzazione, non alla fine dell'ottimizzazione tenendo conto di tutti i risultati di ogni passaggio separatamente. ecco perché c'è un'incongruenza con il fatto e la descrizione nella guida.

[Evgeni Gavrilovi]

Maxim Dmitrievsky #:

Non ho notato immediatamente alcuna differenza o vantaggio.

Un nuovo modo di generare dati tabellari. Quanto è migliore? Oppure GMM è ancora fuori dalla concorrenza?

https://github.com/kathrinse/be_great

[Maxim Dmitrievsky]

Evgeni Gavrilovi #:

Un nuovo modo di generare dati tabellari. Quanto è migliore? O il GMM è ancora fuori dalla concorrenza?

https://github.com/kathrinse/be_great

Non lo so, non analizzo i dati tabellari.

Non va bene per le serie temporali

Probabilmente sarebbe meglio una T-gan

⚙️ Reti avversarie generative con trasformatore di serie temporali

Github: https://github.com/jsyoon0823/TimeGAN

Carta: https://arxiv.org/abs/2205.11164v1

Dati azionari: https://finance.yahoo.com/quote/GOOG/history

Dati sull'energia: http://archive.ics.uci.edu/ml/datasets/Appliances+energia+previsione

@ai_machinelearning_big_data

[Evgeni Gavrilovi]

Maxim Dmitrievsky #:
Un po' di T-gan sarebbe probabilmente meglio

E come si verifica la plausibilità? Confrontando le distribuzioni dei dati reali e sintetici separatamente per ogni serie?

[Maxim Dmitrievsky]

Evgeni Gavrilovi #:

Come si verifica la verosimiglianza? Confrontando le distribuzioni dei dati reali e sintetici separatamente per ogni serie?

Ho visto un confronto visivo tramite PCA da qualche parte, ma non ricordo subito. Forse più tardi.

[Maxim Dmitrievsky]

Evgeni Gavrilovi #:

Come si verifica la verosimiglianza? Confrontate le distribuzioni dei dati reali e sintetici separatamente per ogni serie?

https://hackernoon.com/a-gan-approach-to-synthetic-time-series-data-pe2r33fd

[Aleksey Vyazmikin]

Quali predittori si possono inventare per gli istogrammi?

Li ho allegati come file, poiché le immagini non vogliono essere inserite - probabilmente un altro bug.

[mytarmailS]

Aleksey Vyazmikin #:

Quali predittori possiamo trovare per gli istogrammi?

)))))))

Qual è la differenza tra un istogramma e i punti? Mi vergogno a chiederlo, a parte la visualizzazione.

[Aleksey Vyazmikin]

mytarmailS #:
)))))))

Qual è la differenza tra un istogramma e i punti? Mi vergogno a chiederlo, a parte la visualizzazione.

È possibile visualizzare qualsiasi forma con i punti. La visualizzazione è necessaria per stimolare il pensiero astratto, che stimola la generazione di idee.

In effetti, l'istogramma è un predittore binario del campione, le barre rosse significano che il segnale è scomparso (zero), e la loro altezza indica per quanto tempo non c'è stato alcun segnale "1" nel campione.

Presumo che il diverso carattere della distribuzione di frequenza della presenza del segnale nel campione possa servire a classificare l'ulteriore uso di questo predittore nell'addestramento. Di conseguenza, il predittore può essere escluso o raccomandato per l'uso solo per la costruzione di split di radici superiori.

Questo è il motivo per cui i predittori sono necessari per descrivere gli istogrammi. Sì, possiamo anche creare dei predittori per l'equilibrio TP+FP - anche le idee per la sua descrizione sono interessanti, ad eccezione di quelle già note.