L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3103
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
Intendevo dire se esiste un approccio di questo tipo nella scienza ufficiale, dato che ho già sentito esattamente gli stessi pensieri sul confronto con SB
Mi chiedo se esistano tecniche consolidate.
Ecco uno schizzo.
a sinistra c'è un grafico reale dell'euro m5
a destra i tick dell'SB (somma cumulativa) convertiti in m5
Visivamente i grafici sono simili)).
L'eteroscedasticità viene modellata in econometria e in tutti i tipi di statistica applicata. Esistono molti test. R dovrebbe averli tutti. Il problema è che forniscono una stima del passato e non è detto che sia adatta al momento attuale.
Alla follia dei coraggiosi :)
È qui che si colloca lo sviluppo dell'intera umanità.
Se si comprendono le ragioni per le quali un modello non funziona, addestrato con metodi standard, allora dobbiamo cercare una soluzione al problema. Che non sia perfetta, ma che permetta di applicare il modello sul mercato con maggiore sicurezza e probabilità di successo. E poi già con le entrate per studiare ulteriormente il problema e migliorarlo.
Se consideriamo i neuroni, allora forse sarebbe possibile dividere il campione in bachs e aumentare il numero di bachs (aree di cambiamento nella distribuzione di probabilità) con l'obiettivo di un loro uguale contributo al processo di apprendimento. Con gli alberi è più difficile, anche se CatBoost utilizza bachi simili su campioni di grandi dimensioni, ma non è possibile controllarli o gestirli. Anche se. c'era una tecnologia per l'apprendimento continuo - non l'ho sperimentata.... E voi?
Visivamente, i grafici sono simili).
L'eteroscedasticità viene modellata in econometria e in tutti i tipi di statistica applicata. Ci sono molti test inventati. R dovrebbe averli tutti. Il problema è che forniscono una stima del passato e non è detto che sia adatta al momento attuale.
Non la vedo nello stesso modo in cui vedo l'uso di SB.
Ad esempio, se trovo un pattern complesso nel mercato, posso generare un SB e vedere se è presente.
Se non è presente nell'SB, è un bene, ho trovato una proprietà che è inerente solo al mercato.
Non so, è un male che ci sia un pattern su entrambi?
Mi piacerebbe leggere persone intelligenti che hanno già posto questa domanda.
È qui che si colloca lo sviluppo dell'intera umanità.
Se c'è una comprensione delle ragioni per cui il modello non funziona, addestrato con metodi standard, è necessario cercare una soluzione al problema. Anche se non ideale, ma che permetta di applicare il modello sul mercato con maggiore sicurezza e probabilità di successo. Quindi con il guadagno per impegnarsi in un ulteriore studio del problema e nel miglioramento.
Se consideriamo i neuroni, allora forse sarebbe possibile dividere il campione in bachs e aumentare il numero di bachs (aree di cambiamento nella distribuzione di probabilità) con l'obiettivo di un loro uguale contributo al processo di apprendimento. Con gli alberi è più difficile, anche se CatBoost utilizza bachi simili su campioni di grandi dimensioni, ma non è possibile controllarli o gestirli. Anche se. c'era una tecnologia per l'apprendimento continuo - non l'ho sperimentata.... E voi?
Ho fatto delle varianti con il preapprendimento, ma non ha funzionato così. Nel bousting, i pesi delle iterazioni passate non cambiano durante la scalpellatura, come nei neuroni, ma solo sopra. Questo è uno svantaggio.
Ho fatto anche neuroni di tutte le architetture, compresi i codificatori-decodificatori per la generazione di dati sintetici. Non è molto necessario nemmeno nel foreach.Non la vedo nello stesso modo in cui vedo l'uso di SB.
Ad esempio, se ho trovato un pattern complesso nel mercato, posso generare un SB e verificare se è presente.
Se non c'è, allora è un bene, ho trovato una proprietà che è inerente solo al mercato.
E se è presente nell'SB, è un male? Non lo so, è un male che il pattern sia presente e ci sia?
Beh, mi piacerebbe leggere persone intelligenti che hanno già posto questa domanda.
Beh, è una specie di trucco da gentiluomo standard per un trader-tester. Si trova un pattern nel mercato. Poi lo si verifica su una quotazione basata sullo SB. Se la previsione sullo SB è 50/50, allora ci si può più o meno fidare del test. Se la percentuale di previsione è più o meno la stessa, allora si cerca un punto di riferimento per il futuro. Se non c'è, allora si cerca un'astuta sbirciatina nel futuro. Se non c'è, si cerca un'occhiata al futuro molto intelligente. Qualcosa del genere.
Beh, è una specie di trucco da gentiluomo per un commerciante di test.
Alla follia dei coraggiosi :)
Ghirlande scontate :).
Abbiamo finito con il PBO?
Avete parlato abbastanza e ve ne siete dimenticati?
Il PBO è pronto?
Avete parlato abbastanza e ve ne siete dimenticati?
Non dimenticato, ma scartato.
Si dovrebbe sempre fare un test su due file.
Il primo è diviso in tre parti per campione: 70%, 15%, 15%. Sul primo si impara con un controllo incrociato con almeno 5 pieghe e una piega sufficientemente grande. Per RF è di 1500. Poi si esegue sul secondo e terzo campione, e quindi sul secondo file, che è "così com'è". Gli errori di classificazione su tutti i campioni dovrebbero essere circa uguali.
Cosa aggiungerà la RFO a tutto questo?Che cosa offre RHE in aggiunta a questo?
Cosa fa è scritto nell'articolo