L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3348
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
No, non c'è alcun problema. Non importa quale sia il margine di profitto. Ciò che conta è l'errore di classificazione. Cresce quando si aggiunge la diffusione all'addestramento o rimane invariato.
Ma il modello non inizia a funzionare meglio quando lo spread viene preso in considerazione nel markup, non dà un profitto, ma senza lo spread funziona come se fosse stato addestrato senza di esso. Per questo motivo ho associato lo spread, in modo condizionato, all'errore di classificazione. Cioè, la risposta del modello non consente di batterlo.
Tenere conto dello spread nel markup significa aumentare la lunghezza dei trade che lo superano. Cioè, faccio operazioni più lunghe, poi le alleno, e il risultato del test sull'aumento dello spread è quasi uguale al risultato di un altro modello addestrato su operazioni più brevi.
La conclusione è piuttosto inequivocabile: con i miei segnali, diciamo, il MO non può battere lo spread.
Ma a volte ci riesce, con certe macchinazioni legate a kozul. Cioè, se c'è qualche indicatore statistico della dedotta "affidabilità" dei segnali, allora questi funzionano anche quando lo spread aumenta.
Non importa quale sia il profitto calcolato,ciò che conta è l'errore di classificazione.
Con questo approccio si classificano "correttamente" i trade potenzialmente perdenti. In realtà, la situazione è molto peggiore non solo a causa dello spread. In un EA reale passare da una classificazione "corretta" a un sistema redditizio rimane un problema, come non è sorprendente.
Non importa quale sia il margine di profitto, maquale sia l'errore di classificazione successivo.
Con questo approccio si classificano "correttamente" le operazioni potenzialmente perdenti. In realtà, la situazione è molto peggiore, non solo a causa dello spread. In un EA reale passare da una classificazione "corretta" a un sistema redditizio rimane un problema, come non è sorprendente.
Per prima cosa il markup viene reso il più redditizio possibile. Poi gli esempi "affidabili" vengono ricampionati e filtrati in base agli errori del modello, mentre il resto viene contrassegnato come spazzatura. Perché è chiaro che non ci sarà mai un trade ideale come con il markup iniziale (senza spread sarà quasi un graal). La redditività scende a un certo livello, la stabilità sui nuovi dati cresce. Si sceglie un equilibrio tra questo e quello.
Sembra logico e non così vago come altri giustificano i loro TS.
Nell'articolo ho descritto la variante più semplice da capire, potete verificarla voi stessi, il cuore dell'algoritmo è semplice.
In primo luogo, il markup viene reso il più redditizio possibile. Poi gli esempi "affidabili" vengono ricampionati e filtrati sulla base degli errori del modello, mentre il resto viene contrassegnato come spazzatura. Perché è chiaro che non ci sarà mai un trade ideale come con il layout iniziale del Graal (senza spread sarà quasi un Graal). La redditività scende a un certo livello, la stabilità sui nuovi dati cresce. Si sceglie un equilibrio tra le due cose.
Sembra logico e non così vago come altri giustificano i loro TS.
La variante più semplice da capire è descritta nell'articolo, potete verificarla voi stessi, il cuore dell'algoritmo è semplice.
Ho dato una rapida occhiata all'articolo.
Fin dall'inizio ho individuato una premessa fondamentale, su cui si basa tutto il resto:
Se addestriamo il modello molte volte su sottocampioni casuali e poi testiamo la qualità della previsione su ciascuno di essi e sommiamo tutti gli errori, otteniamo un quadro relativamente affidabile dei casi in cui il modello sbaglia molto e dei casi in cui indovina spesso.
Non sono assolutamente d'accordo.
Qualsiasi convalida incrociata non può, per definizione, migliorare la qualità del modello. La convalida incrociata consente di calcolare un valore di errore più VALIDO a scapito di un insieme di statistiche. Tutti. e l'errore di classificazione risultante può avere o meno a che fare con la predizione sul file esterno, cioè nel trading reale.
La qualità della previsione di un modello è determinata dall'insieme dei predittori per un particolare insieme di etichette e non ha nulla a che fare con il modello. Prima di modellare, è necessario rispondere alla domanda: i predittori e le loro etichette sono compatibili? È impossibile rispondere a questa domanda con l'aiuto di un modello, e voi state cercando di farlo.
È impossibile rispondere a questa domanda con un modello, e voi state cercando di farlo.
Con cosa volete rispondere?
e con cosa vuoi rispondere?
Argomento vecchio e già scritto molte volte.
Argomento vecchio e già scritto molte volte.
supporto per la visualizzazione, la verniciatura, l'abbonamento dello sviluppatore del pacchetto R rusquant
È la stessa cosa
Nel vostro articolo non c'è un grafico per la modalità "avanti" del tester, con il quale si può veramente giudicare il modello.
Tra l'altro, voi utilizzate mashki, indipendentemente dalla differenza di prezzo, e dovreste fare attenzione, perché in determinate condizioni di test dei modelli da parte dei vostri tester, poiché non è divertente e contraddice l'intero TA, i mashki guardano avanti. Utilizzando la modalità "forward", se c'è un look ahead, si otterrà una grande discrepanza nei risultati tra il forward e la trama principale.
rusquant
Il sito dice cheè supportata l'interazione con le API Tinkoff, Finam e Alor. Qualcuno ha controllato?