L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3282
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
Ho preso un campione dal 2010 al 2023 (47k righe), l'ho diviso in 3 parti in ordine cronologico e ho deciso di vedere cosa sarebbe successo scambiando queste parti.
Le dimensioni dei sottocampioni sono: treno - 60%, test - 20% ed esame - 20%.
Ho fatto queste combinazioni (-1) - questo è l'ordine standard - cronologico. Ogni sottocampione ha il suo colore.
Ho addestrato 101 modelli con diversi semi per ogni serie di campioni e ho ottenuto il seguente risultato
Tutte le metriche sono standard, e si può notare che è difficile determinare il profitto medio dei modelli (AVR Profit), così come la percentuale di modelli il cui profitto supera i 3000 punti sull'ultimo campione che non ha partecipato all'addestramento.
Forse il tasso di successo relativo delle varianti -1 e 0 nella dimensione del campione di addestramento dovrebbe essere ridotto? In generale, sembra che Recall reagisca a questo.
Secondo voi, i risultati di queste combinazioni dovrebbero essere comparabili tra loro nel nostro caso? Oppure i dati sono irrimediabilmente obsoleti?
Un altro fai-da-te...
C'è la validazione incrociata, tutto viene masticato e masticato..., ampiamente utilizzato....
Un altro autocostruito...
C'è una validazione incrociata, tutto viene masticato e masticato..., ampiamente utilizzato.....
Questo è il punto, la validazione incrociata potrebbe non funzionare in modo efficace.
E qual è il senso di questa autoprogettazione? Maxim capovolge il campione in base alla cronologia - supponendo che il risultato sarà identico - il mio esperimento mostra la fallacia. Oppure tutto è individuale e la validazione può rivelare un modello o un'occorrenza casuale in tutto il campione.
Questo è il punto: la convalida incrociata potrebbe non funzionare in modo efficace.
E dov'è l'autocelebrazione? Maxim capovolge il campione cronologicamente, presumendo che il risultato sarà identico: il mio esperimento mostra la fallacia. Oppure tutto è individuale e la validazione può rivelare uno schema o un'occorrenza casuale in tutto il campione.
non spostare le frecce su Maxim, soprattutto se non ha fatto o pensato a nessuna delle cose suggerite.
Non dovreste rigirare la frittata a Maxim, soprattutto quando lui non ha fatto nulla di ciò che avete suggerito.
Cosa vuol dire che non l'ha fatto? Non stai già addestrando il modello sulla storia più recente?
Quando nessuna matrice è in grado di gestirlo.
Ci vogliono tre secondi per trovare stringhe simili di lunghezza 30K in una stringa di 10M.
Non si tratta di contare tutti i possibili modelli correlati, ma di confrontare la fonte con altri dati. Non serve una matrice, ma solo un vettore.
Cosa vuol dire che non l'ho fatto? Non stai già addestrando il modello sulla storia più recente?
Non ricordo chi ci ha pensato per primo. Qualche nerd. Non ha importanza nel mio caso.
Non riesco a ricordare chi l'abbia scelto per primo. Nel mio caso non ha importanza.
In che modo il suo caso è diverso dal mio?
In che modo il suo caso è diverso dal mio?
perché non mi piace comunicare con sofisti e psicologi analfabeti )
queste persone non producono contenuti utili
perché non mi piace parlare con sofisti e psicologi analfabeti )
Queste persone non producono contenuti utili
Il tuo "amore" influenza i dati in qualche modo magico?
Non si tratta di contare tutti i possibili modelli correlati, ma di confrontare la fonte con altri dati. Non è necessaria una matrice, è sufficiente un vettore.
Questo è il cuore del calcolo riga per riga della matrice.