L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3325

 
mytarmailS #:

È una trollata?

Cos'è il trolling?

Ecco il video.


 
Aleksey Vyazmikin #:

Qual è la trollata?

Ecco il video

Ècosì.

 
mytarmailS #:

come questo

Da parte mia si trattava di un luogo su Internet, cioè di un link.

 
Aleksey Vyazmikin #:

Da parte mia si trattava di un luogo su Internet, cioè di un link.

Non ricordo l'articolo esatto,

ma non ce ne sono milioni, cercatelo.

 
mytarmailS #:

Non ricordo quale articolo,

ma non ce ne sono un milione, cercatelo.

Ho fatto una ricerca e non ho ancora trovato nulla.

 
Aleksey Vyazmikin #:

È quello che ho capito. Sto solo chiedendo se è stata determinata la causa di questo problema. Non cosa è rotto, ma perché i segnali sono mancanti.

La ragione è semplice, come era nelle intenzioni: i segnali sono mancanti perché sui nuovi dati i segnali sono al di fuori di un ristretto intervallo accettabile.

Si può fare un paragone con la classificazione: ci sono schemi chiari e conosciuti e altri oscuri e sconosciuti. Con il passare del tempo, ci sono sempre più incognite e non rimane più nulla nella classe "nota".

 
Aleksey Vyazmikin #:

Si sostiene che con questo algoritmo sia stato possibile conquistare i primi posti su cagle, non credo che ci fossero compiti semplici...

Vogliamo provare a capirlo? Non capisco le formule - con mio grande dispiacere.

Neanche a me piacciono le formule, ma le idee.
E se si analizza l'idea, è pessima per i dati di mercato.

Suggerisce di eliminare coppie di esempi di classi diverse che sono molto vicine tra loro. Se osserviamo il terzo esempio, idealmente tutti gli esempi da 0,2 a 0,8 saranno rimossi e rimarranno solo le aree al di sotto di 0,2 e al di sopra di 0,8 con assoluta purezza di classi. Qualsiasi modello li classificherebbe facilmente.
In precedenza ho già dimostrato che un esempio così semplice e l'albero si dividono facilmente, se si utilizzano foglie con un'elevata purezza di classi (e non si dividono le foglie fino a 1 esempio in una foglia).
Ma questo è un esempio artificiale.

Sui dati di mercato non ci saranno blocchi così puri con predominanza di una classe. In altre parole, dovrete pulire quasi tutto. Ad esempio, ci sono 1000 punti, 900 sono stati puliti, il resto ha raggiunto in qualche modo la pulizia delle foglie, ad esempio il 70% - non sembra male, e si può guadagnare. Ma quando si inizia a fare davvero trading, allora ci saranno esempi, di cui ci siamo sbarazzati durante la pulizia (9 rifiuti per 1 rimanente) e gli indicatori dal 70% scenderanno al 53% per esempio e si perderà su spread, slippage, ecc

Preferisco un albero e una foglia con onesto 53% di purezza di una delle classi. E non lo userò.
 
Aleksey Vyazmikin #:

Ho fatto una ricerca e non è ancora emerso nulla.

succede

 
Aleksey Vyazmikin #:

Non vedo il nesso. Da cosa deriva?

Leggendo il testo del tuo link, c'era persino un teorema sulla loro connessione. Non essere pigro per leggere almeno i tuoi link.
 
Forester #:
Non sto usando formule, ma idee.
E se si analizza l'idea, non è così buona per i dati di mercato.

Suggerisce di rimuovere coppie di esempi di classi diverse che sono molto vicine tra loro. Se osserviamo il terzo esempio, idealmente tutti gli esempi da 0,2 a 0,8 saranno rimossi e rimarranno solo le aree al di sotto di 0,2 e al di sopra di 0,8 con una purezza assoluta di classi. Qualsiasi modello li classificherebbe facilmente.
In precedenza ho già dimostrato che un esempio così semplice e l'albero si dividono facilmente, se si utilizzano foglie con un'elevata purezza di classi (e non si dividono le foglie fino a 1 esempio in una foglia).
Ma questo è un esempio artificiale.

Sui dati di mercato non ci saranno blocchi così puri con predominanza di una classe. In altre parole, dovrete pulire quasi tutto. Ad esempio, ci sono 1000 punti, 900 sono stati puliti, il resto ha raggiunto in qualche modo la pulizia delle foglie, ad esempio il 70% - non sembra male, e si può guadagnare. Ma quando si inizia a fare davvero trading, allora ci saranno esempi, di cui ci siamo sbarazzati durante la pulizia (9 rifiuti per 1 rimanente) e gli indicatori dal 70% scenderanno al 53% per esempio e si perderà sullo spread, sugli slippage, ecc.

Preferisco un albero e una foglia con un onesto 53% di purezza di una delle classi. E non lo userò.

A questo punto i nostri pensieri sono in accordo, per quanto riguarda il risultato. Sì, mi aspetto un campione molto assottigliato, ma da quanto ho capito il processo è iterativo, il che significa che si può conoscere la misura e fermarsi molto prima e utilizzare gli stessi dati per costruire gli stessi modelli di legno, che avranno meno spaccature e valori più affidabili nelle foglie.

Ho capito bene che i centri iniziali sono posizionati in modo casuale?