L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3189
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
Con questa espressione è bene leggere poesie o vendere cetrioli al mercato.
Dov'è la critica costruttiva?
Bene, e un'altra aggiunta non del tutto scientifica: l'indicatore raccolto nel campione deve essere in qualche modo correlato al profitto. La differenza rispetto all'SB sulla base di una caratteristica completamente di sinistra non ha senso, IMHO.
Bene e la semplificazione dello schema di calcolo, oltre a velocizzare, darà maggiore fiducia nell'assenza di errori e, di conseguenza, una minore probabilità di autoinganno.
Elaborare uno schema di calcolo semplificato per le simulazioni.
Per una certa sicurezza (non assoluta) sulla significatività, il risultato dei dati reali dovrebbe cadere almeno nella coda del 5% del campione (a sinistra o a destra). Ma il campione dovrebbe essere almeno di diverse migliaia.
Se modifico le condizioni dell'esperimento con le seguenti:
1. Sul campione originale troviamo i segmenti quantici che si suppone verranno utilizzati in futuro; di conseguenza viene formata una tabella quantica - in seguito lavoreremo solo con essa.
2. Generiamo a caso un campione di destinazione con gli stessi parametri dell'originale - 1000 cicli.
3. Contare quanti segmenti quantici vengono selezionati rispetto alla variante originale. Possono essere uguali o inferiori.
4. Valutare attraverso la deviazione standard. Se la deviazione è piccola, allora i bersagli casuali hanno una grande possibilità di entrare nei segmenti quantici selezionati.
Cosa ne pensate?
Bene, e un'altra aggiunta non del tutto scientifica: l'indicatore raccolto nel campione deve essere in qualche modo correlato al profitto. La distinzione dal SB sulla base di una caratteristica completamente di sinistra non ha senso, IMHO.
Cioè cambiare l'obiettivo in modo che il profitto sia paragonabile a quello originale? Non sono del tutto sicuro di cosa si intendesse.
È il traguardo, cosa c'è da criticare?). Ti sei reso conto di quello che hai fatto e perché? Se l'hai fatto, perché l'hai chiesto al forum?)
Ora si tratta di non capire cosa sto facendo, e lo vedo mentre valuto i feedback su domande e affermazioni da parte tua.
Quando lo capirai, torneremo a dialogare.
Ora si tratta di non capire quello che sto facendo, ed è ovvio per me mentre valuto i commenti alle domande e alle affermazioni da parte tua.
Quando l'avrai capito, torniamo al dialogo.
Se modifico le condizioni dell'esperimento come segue:
1. Sul campione originale si trovano segmenti quantici che si suppone possano essere ulteriormente utilizzati; di conseguenza si forma una tabella quantica - e si lavora solo con essa.
2. Generiamo a caso un campione di destinazione con gli stessi parametri dell'originale - 1000 cicli.
3. Contare quanti segmenti quantici vengono selezionati rispetto alla variante originale. Possono essere uguali o inferiori.
4. Stimare attraverso la deviazione standard. Se la deviazione è piccola, i bersagli casuali hanno una grande possibilità di entrare nei segmenti quantici selezionati.
Cosa ne pensate?
Mettetelo in relazione in qualche modo con il profitto, almeno approssimativamente, e confrontate il profitto reale con un campione di profitti casuali. Verificate che non ci siano errori e che il profitto medio sul campione sia uguale a zero. Verificare la significatività della positività del profitto reale rispetto al campione - la regola dei tre sigma.
Non sono pronto ad entrare nei dettagli del vostro compito, poiché i miei compiti sono troppo impegnativi.
Cioè cambiare l'obiettivo in modo che il profitto sia paragonabile a quello originale? Non sono sicuro di cosa si intenda.
I vostri quants sono progettati per ottenere un profitto? Esiste uno schema per questo? Rendetelo estremamente semplicistico in modo da poter calcolare, anche se in modo approssimativo, un campione veloce e verificare se il risultato reale colpisce la coda di quel campione.
La vostra volontà di richiedere alle persone di approfondire la vostra mentalità, accompagnata dalla vostra totale indisponibilità ad approfondire idee semplici e ampiamente conosciute come Monte Carlo, è stancante.
Penso di averne avuto abbastanza.
La tua volontà di pretendere che le persone entrino nella tua mentalità è stancante, accompagnata dalla tua totale indisponibilità a entrare in idee semplici e ampiamente conosciute come Monte Carlo.
Penso di averne abbastanza.
Si cercano sequenze diverse da quelle di qcn. Non se ne trovano.
Sulla sequenza rigorosa ho scritto solo come esempio per chiarezza. E ho scritto che la soluzione di questo problema può migliorare la stabilità del modello. Ma la soluzione può essere diversa.
Anche senza risolvere il problema di cui sopra - la selezione della tabella quantistica corretta migliora l'apprendimento, cosa che è stata testata da me su decine di campioni.
Poi ho mostrato come è possibile eseguire rapidamente la preelaborazione per l'addestramento, ripulendo il campione dai dati incoerenti. Nelle immagini si può vedere che con questo metodo è possibile ottenere un modello redditizio anche su nuovi dati.
Nel complesso, l'approccio funziona e il suo sviluppo è il mio obiettivo.
Quindi dire che non funziona significa negare la realtà.
Non credo che il prezzo sia in forma di SB puro, la cui natura non può essere analizzata almeno in parte. Se è una SB pura, allora l'intera branca è un errore.