L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2106
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
Dove si va?
Beh, non per minimizzare l'RMSE o qualsiasi altra cosa, ma per metterci il tuo canestro di fitness.
Com'è?
Sto solo prevedendo il modello 500 punti avanti.
È facile fare una previsione a 4 sinusoidi (modello), di fatto una previsione lineare.
L'ho cancellato, ho pensato che nessuno fosse interessato, posso inviarvi il codice, ma ho bisogno di tradurlo in forma leggibile
A proposito, ho affrontato l'instabilità del metodo di ricottura, non so nemmeno come lavorarci, i risultati sono molto instabili, i parametri saltano molto...
Sono arrivato a questo
Prima inizializzo in modo casuale il punto di partenza,
poi quando si trova una soluzione la salvo
Poi ricomincio il burnout, ma con i parametri di partenza della soluzione trovata, e così via...
Per favore, scrivetemi una riga.
La ricottura è instabile. Usare rgenout. Testato, affidabile.
I modelli applicano la funzione di perdita. Scrivi il tuo e se il modello ti permette di inserire la tua funzione di perdita, provalo.
Sto solo facendo una previsione di 500 punti del modello risultante
ma penso di scambiare solo i primi 1-2 scambi
e devono imparare a trovare i parametri
Si possono usare 2 modelli diversi
Ho provato a insegnarlo separatamente usando la mia strategia di base - i risultati sono stati peggiori, penso a causa del campionamento sbilanciato - ottengo troppi zeri e imparo da loro.
Voglio provare un'altra variante: insegnare la direzione con un modello separato. Si scoprirà che il primo modello si allena sulla volatilità, e il secondo sul suo vettore. Ma di nuovo, la dimensione del campione dovrebbe essere grande.
Ho provato a insegnare la mia strategia di base separatamente - i risultati sono stati peggiori, penso a causa di un campionamento sbilanciato - ci sono troppi zeri e l'allenamento si basa su di essi.
Voglio provare un'altra opzione: insegnare la direzione con un modello separato. Si scoprirà che il primo modello si allena sulla volatilità, e il secondo sul suo vettore. Ma di nuovo, il campione dovrebbe essere grande.
È possibile utilizzare il sovracampionamento per le classi sbilanciate. Ho usato sia il modello 2 che il modello 3, non c'è essenzialmente nessuna differenza.
Cioè le righe duplicate con obiettivo "1"? Provato - il mio risultato non è cambiato affatto con CatBoost. Probabilmente bisogna aggiungere un po' di rumore.
Cioè linee duplicate con un obiettivo "1"? Provato - il mio risultato non è cambiato affatto con CatBoost. Probabilmente bisogna aggiungere un po' di rumore.
Cioè linee duplicate con un obiettivo "1"? Provato - il mio risultato non è cambiato affatto con CatBoost. Probabilmente bisogna aggiungere un po' di rumore.
Nessuna duplicazione. Googlando oversampling, come SMOTE. Inoltre non imparo con grandi squilibri. Dopo il sovracampionamento, tutto va bene.
Ebbene sì, essenzialmente aggiungendo rumore alla metrica del predittore. Potrebbe influenzare i limiti di quantizzazione aumentando la selezione delle aree con uno, ma per idea lo stesso effetto dovrebbe essere con l'aggiunta di duplicati, l'unica cosa che assumo è che i duplicati sono tagliati dall'algoritmo CatBoost prima di iniziare l'apprendimento (necessità di verificare), quindi sì - opzione.