L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3039
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
Nessun problema può essere risolto dal FF per definizione. O c'è COSÌ tanto da migliorare del singolo per cento o non c'è. Non si può migliorare la spazzatura, per quanto si possa scavare nella spazzatura, la spazzatura rimarrà spazzatura.
Pertanto, le considerazioni iniziali sulla relazione tra obiettivo e predittori sono iniziali . Inoltre, è necessaria una valutazione quantitativa di questa relazione, e non solo una valutazione della relazione, ma anche una valutazione quantitativa della capacità dei predittori di prevedere i valori futuri della variabile target (l'insegnante). Non c'è spazio per la FF in questa catena di ragionamenti, quindi si può prendere senza mezzi termini un algoritmo di MO, che ne esistono centinaia, e usarli come scatole nere, senza cercare di "migliorare" nulla negli algoritmi specifici.
Inoltre, le classi di FF sono una cosa difficile - l'odore di adattamento eccessivo alla storia è troppo forte.
Sapevo che non saresti passato dal mio post. inoltre, sapevo che avresti parlato. purtroppo, non ti rendi conto che ciò che è evidenziato in grassetto rosso è FF.... Non capisco perché sei così allergico a FF.
Tra l'altro, dalla spazzatura si possono ricavare un sacco di cose utili - il riciclo si chiama riciclo. dirò di più - la presenza di "spazzatura" permette solo di fare ancora un profitto stabile sui mercati, ci sono esempi anche su questo forum.
Ragionamento molto corretto e competente, ovviamente contraddittorio - "... non nella costruzione di TC sostenibili", proprio alla tecnologia di costruzione/selezione/evoluzione di TC sostenibili e redditizie e a cui tendere.
È come andare in un negozio per comprare dei vestiti, ma non si ha un'idea stabile di ciò che si vorrebbe, in quale stile, per quale stagione, e di conseguenza l'oggetto non verrà indossato e i soldi saranno sprecati.
Avete una colonna chiamata errore di classificazione, ora la classificazione è irrilevante.
Se non si stampa l'errore di classificazione sullo schermo, come si fa a sapere che è irrilevante? Stampate tutto ciò che è interessante.
Stampate e mostrate che anche il 9% può essere casuale e che il 10% si fonde già. Questo è interessante. Eccone uno per te con il 20%.
Il tuo grafico, a quanto ho capito, non lo vedremo.
Sapevo che non avresti passato il mio messaggio. infatti, sapevo che avresti parlato. purtroppo, non ti rendi conto che ciò che è evidenziato in grassetto rosso è FF..... Non capisco perché sei così allergico a FF.
Tra l'altro, dalla spazzatura si possono ricavare un sacco di cose utili - il riciclo si chiama riciclo. dirò di più - la presenza di "spazzatura" permette solo di fare ancora un profitto stabile sui mercati, ci sono esempi anche su questo forum.
Un post prima hai scritto
" Il problema è che finora nessuno è riuscito a trovare regole simili per FF (io non ne ho viste, almeno)."
Il compito è davvero difficile e impossibile sui modelli di MO non disponibili: avere il modello di MO come una scatola nera, cercare qualcosa nel potere predittivo dei predittori, avendo come obiettivo l'equilibrio.
Un compito follemente difficile.
E inutile.
Lo risolviamo passo dopo passo, che è quello che faccio in pratica: risolvo il problema della stima della capacità predittiva dei predittori, poi adatto il modello come una scatola nera, quindi lavoro con i risultati dell'adattamento. Ad oggi, già a livello di test EA, è emerso che il mio insegnante è un po' strano. Devo lavorare sull'insegnante (variabile target).
Ma l'aspetto principale del mio schema è che un problema già molto complesso, ulteriormente complicato dal tentativo di costruire una FF, viene scomposto in fasi indipendenti e il problema diventa osservabile.
Se non si stampa l'errore di classificazione sullo schermo, come si fa a sapere che non è importante? Stampate tutto ciò che è interessante.
L'ha stampato e ha mostrato che anche il 9% può essere casuale e che il 10% è già una perdita. È interessante. Eccone uno con il 20%, ad esempio.
Il tuo grafico, a quanto ho capito, non lo vedremo.
Tutto ciò che hai scritto non ha senso per me.
Un errore di classificazione (come è stato calcolato?) del 10% è un chiaro segno di sovrallenamento. Per confutare il sovrallenamento, è necessario un errore di classificazione sul set di formazione e "fuori campione" - dovrebbero essere approssimativamente uguali.
Ho un Expert Advisor abbastanza funzionante con un errore di classificazione leggermente inferiore al 20%. Allo stesso tempo, la percentuale di operazioni perdenti nel tester è di poco superiore al 20%.
Vorrei vedere cifre consistenti sulla classificazione, che dimostrino l'assenza di sovrallenamento, e capire come si ottiene il bilancio dalla classificazione.
All'inizio della giornata ha scritto
" Il problema è che nessuno è ancora riuscito a trovare regole simili per FF (io non ne ho viste, almeno)."
Il compito è davvero difficile e impraticabile con i modelli di IO non disponibili: avere il modello di IO come una scatola nera, cercare qualcosa nel potere predittivo dei predittori, con l'obiettivo dell'equilibrio.
Un compito follemente difficile.
E non è necessario.
Lo risolviamo passo dopo passo, che è quello che faccio io in pratica: risolvo il problema della stima della capacità predittiva dei predittori, poi adatto il modello come una scatola nera, quindi lavoro con i risultati dell'adattamento. Ad oggi, già a livello di test EA, è emerso che il mio insegnante è un po' strano. Devo lavorare sull'insegnante (variabile target).
Ma l'aspetto principale di questo schema è che un problema già molto complesso, ulteriormente complicato dal tentativo di costruire una FF, viene scomposto in fasi indipendenti e il problema diventa osservabile.
La parte in grassetto è che si usano SEMPRE delle funzioni di fitness. valutazione della capacità predittiva - criterio di bontà (stabilità), adattamento - criterio di identità, lavoro con i risultati - valutazione attraverso alcune metriche e selezione. Avete scomposto la valutazione integrale generale in piccole valutazioni differenziali, ma l'essenza non è cambiata, continuate a usare le FF nel vostro lavoro.
di chi è la colpa se si acquista una giacca scadente? - Il produttore? - Il venditore? - La pecora? - Potete scendere fino agli atomi che compongono la giacca, ma la situazione non migliorerà e non capirete perché la giacca fa schifo. la colpa è dei vostri criteri di valutazione di una giacca al momento dell'acquisto - FF.
Se nessuna giacca si adatta alla FF, allora o tale giacca non esiste e non dovete comprare nulla, oppure dovete cambiare la FF)))
di chi è la colpa se si acquista una giacca scadente? - Il produttore? - Il venditore? - La pecora? - Potete scendere fino agli atomi che compongono la giacca, ma la situazione non migliorerà e non capirete perché la giacca fa schifo. la colpa è dei vostri criteri di valutazione della giacca al momento dell'acquisto - FF.
Se nessuna giacca si adatta alla FF, allora o tale giacca non esiste e non dovete comprare nulla, oppure dovete cambiare la FF)))
E si può fare una giacca: adattare le maniche alla diversa lunghezza delle braccia, adattare accuratamente la gobba e riprodurre splendidamente un grumo di nervi sul davanti. E ci sarà una giacca. Questa è la differenza nei nostri approcci. Viva i sarti!
Oppure si può fare una giacca: adattare le maniche alle diverse lunghezze delle braccia, adattare con precisione la gobba e giocare splendidamente con il grumo di nervi sul davanti. E avrete una giacca. Questa è la differenza tra i nostri approcci. Viva i sarti!
Errore di classificazione (come è stato calcolato?)
Ci sono opzioni? ))))