L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2581

 
Maxim Dmitrievsky #:
Con python è conveniente ora. Ho scritto il mio tester, ma è possibile portare i modelli o commerciare attraverso l'api. Se ONNX viene aggiunto, sarà un vero cannone.

Mi sono messo in contatto con l'M1 mac, ora sto aspettando da mezzo anno che arrivi il catbusta, promettono un rilascio in 2 settimane. Finora tramite macchina virtuale su vin.
C'è un pacchetto per python per il backtest, perché non lo usi?

O hai scritto un tester con ottimizzazione?
 
mytarmailS #:
C'è un pacchetto backtest per python, perché non lo usi?

O hai scritto un tester con ottimizzazione?
Non mi piacciono quelli già pronti, non sono abbastanza flessibili. L'ho scritto appositamente per i miei compiti con le mie metriche. Approssimativamente, per le citazioni di input e i risultati del modello. In più ora ho 2 modelli "avversari" che vengono riqualificati più volte, migliorando iterativamente. I risultati dei miglioramenti sono anche presi dal mio tester.
 
Maxim Dmitrievsky #:
Un modello impara a fare trading, l'altro filtra i segnali.
Capisco che è in voga creare algoritmi generativi, ma qual è l'effettivo vantaggio di due algoritmi condizionatamente semplici che convergono e si migliorano a vicenda da un algoritmo complesso che lo fa da solo, solo approssimativamente parlando costruisce in sé regole decisionali più complesse delle tue due...
Onestamente non capisco i benefici, è solo una moda
 
mytarmailS #:
Bene, capisco che ora è in voga l'uso di algoritmi generativamente calmati, ma qual è l'effettivo vantaggio di due algoritmi condizionatamente semplici che si calmano e migliorano a vicenda da un algoritmo complesso che lo fa da solo, solo grossolanamente parlando costruisce in sé regole decisionali più complesse delle tue due...
Onestamente non capisco i benefici, è solo una moda
Così ho creato qualcosa di simile a questo e ho visto che è buono ) Il problema sono gli errori dei modelli e la ricerca di modelli veramente stabili, sull'automatico. Questa è un po' l'idea di base fin dall'inizio. È qui che gli approcci possono già differire. Un modello non può correggersi, due sì.

Diciamo che allenate una modella e lei è cattiva. Cosa fare? Passare attraverso qualcosa da solo? Assolutamente no, l'uomo non è nato per il lavoro duro, si sostituisce l'uomo con un secondo modello.
 
Maxim Dmitrievsky #:
Diciamo che si addestra un modello, che è cattivo. Che cosa fai? Devi lavorare a qualcosa da solo? No, un uomo non è nato per il lavoro intensivo, si sostituisce la persona con un secondo modello.
Ascoltate, finalmente conoscete gli algoritmi di ottimizzazione e le funzioni di fitness e smettete di reinventare la bicicletta su ruote quadrate
 
mytarmailS #:
Guarda, conoscere algoritmi di ottimizzazione, funzioni di fitness e smettere di reinventare la bicicletta su ruote quadrate
Questo è diverso. Attraverso l'ottimizzazione ci sarà un adattamento. Attraverso l'analisi e la correzione degli errori del modello è anche un adattamento, ma si trovano modelli stabili buttando fuori cose inutili. Almeno si trova qualche altopiano dove c'è stabilità. Attraverso la semplice enumerazione genetica è più difficile, più un lavoro di mano.
 
Maxim Dmitrievsky #:
Questo è diverso. Attraverso l'ottimizzazione ci sarà un adattamento. Attraverso l'analisi e la correzione degli errori del modello è anche un adattamento, ma si trovano modelli stabili scartando le cose inutili. Almeno si trova qualche altopiano dove c'è stabilità. Attraverso la semplice enumerazione genetica è più difficile, più un lavoro di mano.

Esempio elementare.

hai bisogno di allenare AMO per il massimo profitto cosa farai?


1) si fa un obiettivo

2) si adattano i modellicon metriche standard come RMSE (questo è profondamente irrilevante)

3) creare un gruppo di modelli migliori

4) scegliere il modello migliore dal gruppo con il profitto più alto


Perché pensate che il vostro gruppo sia in assoluto il top dei modelli in senso globale? Avete fatto passare i modelli attraverso due filtri soggettivi

(1) il vostro obiettivo e (2) la misura dell'errore RMSE.


Non è meglio cambiare i pesi (se è un neurone) e creare regole (se è un albero) allo scopo di ottenere il massimo profitto, la domanda è retorica ... certo, è meglio e più veloce

Il punto è che ti stai perdendo altri gruppi di modelli che guadagnano e questi gruppi fanno milioni

 
mytarmailS #:

Un esempio elementare.

avete bisogno di formare AMO per massimizzare i profitti cosa farete?


1) si fa un obiettivo

2) si adattano i modellicon metriche standard come RMSE (questo è profondamente irrilevante)

3) creare un gruppo di modelli migliori

4) scegliere il modello migliore dal gruppo con il profitto più alto


Ora una domanda: perché pensate che il vostro gruppo sia il top assoluto dei migliori modelli in senso globale? Avete fatto passare i modelli attraverso due filtri soggettivi

(1) il vostro obiettivo e (2) la misura dell'errore RMSE.


Non è meglio cambiare i pesi (se è un neurone) e creare regole (se è un albero) allo scopo di ottenere il massimo profitto, la domanda è retorica ... certo, è meglio e più veloce

Il punto è che vi state perdendo altri gruppi di modelli che stanno guadagnando e questi gruppi hanno milioni

Seleziono R2 in base all'equilibrio, più il numero minimo di trade perdenti, ma con l'entropia più bassa (logloss) e la massima precisione. Quindi i modelli sono più redditizi per difetto. È un criterio combinato. Inoltre sarebbe bello aggiungere i risultati della convalida incrociata alla stima. Non l'ho ancora fatto.
 
Maxim Dmitrievsky #:
Seleziono R2 in base al saldo, più il numero minimo di trade perdenti, ma con la più bassa entropia (logloss) e la massima precisione. Ecco perché le modelle sono le più redditizie di default.

Puoi scegliere tra modelli già pronti o creare un modello. Questa è la differenza

 
mytarmailS #:

Potete scegliere tra i modelli pre-fatti, o potete creare un modello. Questa è la differenza.

È quando sai cosa creare e perché. Non sono pronti, gli affari sono campionati in modo casuale come negli articoli. Non ci sono supposizioni a priori o euristiche in nessuna fase della preparazione dei dati, ci sono alcuni intervalli di valori come i tempi massimi e minimi di mantenimento dell'affare.

In pratica, tutto il meccanismo funziona per trovare l'ignoto, ma si suppone che ci sia, ma non sappiamo cosa.