L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3092
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
sai, i profitti e le perdite, giusto?
Quindi prendiamo i ricavi da questi stati quando la posizione è aperta.
Sì.
invece di diverse impostazioni di TS, prenderò solo il trading su diverse sezioni, penso che possa essere equiparato.
Non sono sicuro.
E in generale. leggere l'articolo per capire cosa si sta facendo, ci sono limitazioni. Ad esempio, è necessario dare impostazioni ovviamente di successo, non -1000000 a +1000000. Se si fornisce tutto in una riga, la media OOS sarà in fondo e non ha senso confrontarsi con essa. Anche un intervallo molto ristretto di 0,95...,0,98 è negativo dal punto di vista della DR: i risultati saranno molto vicini.
sì
Non ne sono sicuro.
E in generale. leggere l'articolo per capire cosa si sta facendo, ci sono delle limitazioni. Ad esempio, è necessario fornire impostazioni ovviamente di successo, non da -1000000 a +1000000. Se si fornisce tutto in fila, la media OOS sarà in fondo e non avrà senso confrontarsi con essa. Anche un intervallo molto ristretto di 0,95...,0,98 è negativo: i risultati saranno molto vicini.
Mi sembra di capire che si debba presentare un TS redditizio e non una qualsiasi cosa....
Ho già delineato l'algoritmo per testare questa cosa, ma c'è solo una sfumatura con le metriche
Devo ottimizzare tutte e 4 le metriche + 1?
O solo
Mi risulta che si debba presentare un TC redditizio e non una cosa qualsiasi.
Ho già illustrato l'algoritmo per testare questa cosa, ma c'è solo una sfumatura nelle metriche.
Ho bisogno di ottimizzare tutte e 4 le metriche + 1
O solo
Ma non capisco come facciano la convalida incrociata senza addestramento. Si limitano ad alimentare un set pronto di rendimenti e poi lo mischiano su 12000 varianti. Dovrebbe essere addestrato su ognuno dei 12000 IS e prevedere su ogni OOS corrispondente.
È così che viene addestrato.
Forse è il momento di dare un'occhiata al pacchetto.
È così che viene insegnato.
Credo che stia solo valutando la stabilità delle previsioni del modello esterno.
Dove sono gli iperparametri della foresta/NS? No, quindi non si tratta di addestramento. Neanche i predittori vengono alimentati.
Credo che valuti solo la stabilità delle previsioni del modello esterno.
A quanto ho capito, stima la stabilità attraverso la regressione lineare.
C'è qualcosa nel documento che riguarda le foreste/NS?Non capisco un po' il concorso. Profsreda, non profsreda, c'è un compito, e la discussione sulla correttezza del compito è più rilevante, e se corretta, perché no?
Rispetto le opinioni di tutti i partecipanti all'holivar, ma ho un altro))))))
Senza parametri esterni o di altro tipo tutto è molto complicato, o piuttosto vicino alla macchina del moto perpetuo))))) Ma con parametri esterni lo stesso grande problema)
Il ritorno alla media è il più semplice da capire ed eterno apparentemente ed è chiaro che su tf piccoli gli errori sono minori, ma anche le zecche di Saber danno cigni neri)))))
stima la stabilità attraverso la regressione lineare, a quanto mi risulta.
C'è qualcosa nell'articolo che riguarda le foreste/NS?O forse è semplice? Come Rattle?
Prendiamo due file, il primo è grande, il secondo può essere più piccolo, ma con le date più recenti rispetto al primo.
Dividiamo il primo file con un campionamento casuale in tre parti: treno, test, validazione nelle proporzioni 70/15/15.
Per il treno si usa la convalida incrociata, per esempio con 5 pieghe. Se una piega corrisponde a un minimo di 1500 barre, allora train = 7500 barre. In un cerchio 15000 battute per due file sorgente saranno sufficienti.
Eseguiamo il modello addestrato su test e validazione e otteniamo un errore di classificazione su ciascuno di essi .
Quindi eseguiamo la finestra di 1500 barre sul secondo file. Raccogliere l'errore di classificazione.
Se TUTTI gli errori di classificazione ottenuti rientrano nel canale del 5%, allora tutto va bene: possiamo fidarci dell'errore di classificazione ottenuto e non c'è bisogno di riqualificare.
Che ne dite di mantenere le cose semplici?
Vedremo.
Per prima cosa dovreste provare a eseguire l'algoritmo e testarlo, se non funziona allora buttatelo via e dimenticatelo... al 99%.
Se funziona, allora si può approfondire l'articolo, approfondire il metodo, cercare di migliorare / cambiare / sostituire l'1%.