L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3118
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
Per me l'idea di filtrare gli errori è del tutto incomprensibile.
Si scopre che se il modello predice 50/50, buttando via i 50 errori il resto predice il 100%? È solo superapprendimento e nient'altro.
L'errore di classificazione deriva dal fatto che gli stessi valori dei predittori in alcuni casi predicono correttamente, e in altri casi non correttamente, e questo è il problema, di cui ci si può sbarazzare solo nella fase di filtraggio della "forza della relazione" predittori e variabile target, e del tutto impossibile, se Dio vuole filtrare i predittori e a questo costo ridurre l'errore di classificazione del 10 per cento.
La sua filosofia è chiara da tempo, dove sono i risultati? ) Quali sono, mostratemeli.
Ho ottenuto un miglioramento su OOS e mi sono rallegrato, continuo a migliorare finché l'approccio non si esaurisce.Chiamiamo il primo modello il modello principale, che divide lo spazio delle caratteristiche in acquisto/vendita con una linea nera. Il secondo è il metamodello, che divide lo spazio totale delle caratteristiche in compravendita/non compravendita (linea rossa).
Ora immaginiamo un'altra variante, quando ci sono due meta-modelli e ciascuno di essi divide i diversi spazi delle caratteristiche delle classi BUY e SELL in trade/non-trade separatamente (due linee rosse).
Una domanda puramente teorica "su cui riflettere" è se la seconda opzione sia migliore. E se lo è, perché. Si prega di commentare.
Una richiesta, probabilmente anche ad Alexei Nikolaev, su come determinare l'effetto di tale "intervento". Dopo tutto, si otterranno due distribuzioni di probabilità di due metamodelli, che possono essere confrontati/valutati/diffusi.Se da un punto di vista pratico, sono d'accordo con l'opinione di Forester.
Da un punto di vista puramente teorico, non si possono contrapporre i due approcci. Per capirlo, si può semplicemente pensare alle linee rosse rette della seconda figura come parti di un'unica linea curva. In sostanza, ciò significa semplicemente che la seconda opzione è più flessibile e complessa, il che le conferisce un maggior numero di opzioni (in senso positivo e negativo).
Da un punto di vista pratico, concordo con l'opinione di Forester.
Da un punto di vista puramente teorico, è possibile non contrapporre questi due approcci. Per capirlo, basta pensare alle linee rosse rette della seconda figura come parti di un'unica linea curva. In sostanza, ciò significa semplicemente che la seconda opzione è più flessibile e complessa, il che le conferisce un maggior numero di opzioni (in senso positivo e negativo).
Avete bisogno di una misura quantitativa della forza della relazione tra predittore e obiettivo. Ho scritto molte volte su questo forum, ho fatto riferimento a pacchetti R e ho persino citato i risultati dei miei calcoli.
Sono d'accordo, ma a volte un paio di caratteristiche migliorano la qualità della previsione. Ecco un semplice esempio. Il riscaldamento diurno è influenzato dalla quantità di copertura nuvolosa e dall'umidità.
Tutti i previsori sanno che con un'umidità elevata, anche con un cielo senza nuvole, il riscaldamento sarà meno significativo che con un'umidità bassa. Dobbiamo quindi esaminare la "relazione" dei segnali.
Sono d'accordo, ma a volte un paio di segni possono migliorare la qualità di una previsione. Ecco un semplice esempio. Il riscaldamento diurno è influenzato dalla quantità di copertura nuvolosa e dall'umidità dell'aria.
Tutti i previsori sanno che con un'umidità elevata, anche con un cielo senza nuvole, il riscaldamento sarà meno significativo che con un'umidità bassa. Dobbiamo quindi esaminare la "relazione" dei segnali.
In quale modello del MoD è possibile tenerne conto?
Se non lo si filtra, si ottiene comunque un errore heh-heh. Il MO è essenzialmente un adattamento della storia, che non deve essere ripetuta esattamente.
Le notizie, le dichiarazioni degli intermediari del potere mondiale lasceranno il Ministero della Difesa all'oscuro. Altrimenti i governanti dovrebbero parlare in direzione del MoD e le notizie dovrebbero uscire secondo le istruzioni del MoD. La coda scodinzola al cane (c).
Ma le cose non sono così tristi se si utilizzano modelli di mercato. Forse c'è meno spazio per la precisione, ma c'è una maggiore probabilità di vedere la direzione e la durata del movimento.
Il fatto che tu legga i miei post e segua i miei suggerimenti mi rende felice).
In quale modello MOE è possibile tenerne conto?
Esiste un modello catboost.
https://catboost.ai/en/docs/concepts/python-reference_catboostclassifier_get_feature_importance
Penso che i tori e gli orsi operino in modo diverso. Lo stesso euro di solito scende rapidamente e poi risale lentamente. Un comportamento diverso.
Se non lo si filtra, si ottiene comunque un errore heh-heh. Il MoD è essenzialmente un adattamento di una storia che non deve essere esattamente la stessa.
Le notizie, le dichiarazioni dei mediatori di potere del mondo lasceranno il Ministero della Difesa all'oscuro di tutto. Altrimenti i governanti dovrebbero parlare in direzione del Ministero della Difesa e le notizie dovrebbero uscire secondo le istruzioni del vostro Ministero della Difesa. La coda scodinzola al cane (c).
Ma le cose non sono così tristi se si utilizzano modelli di mercato. Forse c'è meno spazio per la precisione, ma c'è una maggiore probabilità di vedere la direzione e la durata del movimento.
Il fatto che tu legga i miei post e segua i miei suggerimenti mi rende felice).
Non solo il modus operandi non aiuta, ma nemmeno la probabilità.
Le regole del margine.
Esiste uno script che mostri questa differenza? Io stesso ho una visione leggermente diversa(link a una versione generalizzata).
Forse è stato ricordato sulle emozioni perché ha prosciugato il mio deposito. Non escludo che tutto sia pari o anche viceversa)))