L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3344

Nuovo commento
 
Forester #:

Probabilmente il filtro classico è: if( Spred > 10 pt ){non fare trading o mark up}. Oppure non in pips, spread medio * 2 o *3.... *10.

La particolarità è che anche senza conoscere lo spread reale, una parte dei trade cade quando lo si aumenta artificialmente nel tester. In altre parole, è possibile vedere immediatamente i punti deboli in cui non si dovrebbe operare. Per questo motivo ho fatto riferimento, condizionatamente, a un errore del modello.
 
Aleksey Nikolayev #:

Abbiamo bisogno di una buona previsione probabilistica per le serie, ma non così scadente come quella attuale (regressione quantile, per esempio). Non l'ho visto nell'articolo stesso, anche se l'elenco della letteratura sembra contenerlo.

C'è qualcosa di Yandex

Uncertainty in Gradient Boosting via Ensembles
Uncertainty in Gradient Boosting via Ensembles
  • research.yandex.com
For many practical, high-risk applications, it is essential to quantify uncertainty in a model's predictions to avoid costly mistakes. While predictive uncertainty is widely studied for neural networks, the topic seems to be under-explored for models based on gradient boosting. However, gradient boosting often achieves state-of-the-art results on tabular data. This work examines a probabilistic ensemble-based framework for deriving uncertainty estimates in the predictions of gradient boosting classification and regression models. We conducted experiments on a range of synthetic and real datasets and investigated the applicability of ensemble approaches to gradient boosting models that are themselves ensembles of decision trees. Our analysis shows that ensembles of gradient boosting models successfully detect anomalous inputs while having limited ability to improve the predicted total uncertainty. Importantly, we also propose a concept of a virtual ensemble to get the benefits of...
 

come è facile drenare il TS sulle ore con la diffusione

 
Maxim Dmitrievsky #:

come è facile drenare il TS sulle ore con la diffusione

Ad esempio, con uno spread di 7 punti sarà di 50/50.
E la variante redditizia guadagna in media solo 7 punti per operazione.
Sui conti ECN lo spread su EURUSD è di solito 0-5 (in media 3) + ~4 punti per la commissione. Cioè questa strategia funzionerà a 0 su ECN reale.
E gli swap sono ora -7.7 e +3.1 pts per alcuni trade saranno aggiunti per ogni rollover.
Spread + swap dovrebbero essere presi in considerazione nel markup. Forse il modello sarà migliore, perché non considererà alcune operazioni di successo durante l'addestramento.

 
Forester #:

Ad esempio, con uno spread di 7 punti, sarà 50/50.
E la variante redditizia guadagna in media solo 7 pts per trade.
Sui conti ECN lo spread su EURUSD è di solito 0-5 (in media 3) + ~4 pts per la commissione. Cioè questa strategia funzionerà a 0 su ECN reale.
E gli swap sono ora -7.7 e +3.1 pts per alcuni trade saranno aggiunti per ogni rollover.
Spread + swap dovrebbero essere presi in considerazione nel markup. Forse il modello sarà migliore, perché non considererà alcune operazioni di successo durante l'addestramento.

E come si può tenere conto dello spread nel markup se in seguito viene dedotto da ogni transazione, indipendentemente dal markup?

 
Maxim Dmitrievsky #:

e come tenere conto dello spread nel markup se viene dedotto da ogni transazione in seguito, indipendentemente dal markup.

Il markup deve quindi basarsi sul risultato finanziario. Aprire-chiudere la transazione e trasferire il risultato al markup. Questa è la variante esatta.

O sottrarre la variante peggiore, per EURUSD su ECN probabilmente 7-10pts, per altri forse di più, specialmente per i cross. + swap per ogni giorno.
Sui conti STD è ancora peggio.

 
Forester #:

Il markup deve quindi basarsi sul risultato finanziario. Aprire e chiudere un'operazione e trasferire il risultato al markup. Questa è la variante esatta.

O sottrarre la variante peggiore, per EURUSD su ECN probabilmente 7-10pts, per altri forse di più, specialmente per i cross. + swap per ogni giorno.
Sui conti STD è ancora peggio.

Lo trasferisco al markup, dopo l'allenamento si sente ancora male sullo spread.

Inoltre, raccolgo una collezione di operazioni perdenti e insegno a "non fare trading". Per il tipo di bestinterval. In realtà, il secondo metamodello fa questo, come negli articoli. Ma non è nemmeno molto bello.
 
Maxim Dmitrievsky #: In realtà, il secondo metamodello lo fa, come negli articoli. Ma non è nemmeno molto bello.

Che cosa vuoi? Stiamo quasi lavorando con la casualità. Non è come studiare la domanda di gelato in funzione della temperatura, come nel primo libro di Kozul, lanciato qui sei mesi fa)))))

 
Forester #:

Che cosa volete? Stiamo lavorando quasi a caso. Non è come ricercare la domanda di gelato in base alla temperatura, come in Kozul))).

Voglio lo zeekr 001.

 
Maxim Dmitrievsky #:

C'è qualcosa di Yandex

Grazie, articolo interessante e di qualità con un'ampia letteratura.

Sembra che non considerino il tipo di incertezza che è interessante: la dipendenza probabilistica dell'output dagli attributi. Studiano altri due tipi di incertezza: le incertezze legate alle imprecisioni degli attributi e dei parametri. Dovremmo chiamare la nostra variante incertezza target per analogia).

Imho, nel nostro caso gli "errori di misura" degli attributi sono assenti in linea di principio, e l'incertezza dei parametri del modello è scarsamente separabile dalla nostra "incertezza target".

1...333733383339334033413342334333443345334633473348334933503351...3399
Nuovo commento