L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3356
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
Speravo che qualcuno cercasse almeno su Google il suggerimento.
Mostra il risultato del modello su intervalli di "probabilità" con un passo di 0,05. CatBoost pone la separazione delle classi a 0,5 in modo abbastanza accurato (magnetta è 1, aqua è 0).
Si può notare che il risultato della pinna è positivo a partire da 0,35 - la curva verde sale sopra la curva rossa.
È questo che si vuole calibrare: spostare il punto di separazione delle classi verso il punto di generazione delle entrate?
È proprio questo che si vuole calibrare: spostare il punto di divisione di classe al punto di generazione del reddito?
No, non è vero.
Allora qual è lo scopo?
Credo che tutti abbiano sentito parlare di calibrazione, ma non ha alcuna utilità pratica, proprio perché il campione non è rappresentativo.
La stima probabilistica delle singole foglie, a mio avviso, fornisce un risultato più ragionevole rispetto alla riponderazione della somma delle foglie del modello.
Credo che tutti abbiano sentito parlare di calibrazione, ma non ha alcuna utilità pratica, solo perché il campione non è rappresentativo.
La stima probabilistica delle singole foglie, a mio avviso, fornisce un risultato più ragionevole rispetto alla riponderazione della somma delle foglie del modello.
Tutti hanno sentito tutto, ma nessuno ha risposto a niente. Per non parlare di altre sfumature che non vengono rivelate, ma solo intuite che si rivelano essere queste.
Ora mi è venuta l'idea di una calibrazione costante, con un certo peso - qualcosa come EMA per ogni intervallo. Così almeno ci sarà un effetto di adattamento alla volatilità del mercato e all'obsolescenza del modello.
Non vedo il senso di una calibrazione statica su alcuni dati separati. Per quanto riguarda i miei predittori, ho esaminato la questione della stabilità degli indicatori statistici, e ci sono pochi indicatori di questo tipo, e il modello è pieno di predittori erratici. Ecco perché sto cercando una stabilità a cui applicare qualcosa di simile.....
Nella schermata qui sopra ho mostrato il modello in sezione - si può vedere quanto sia basso il richiamo ai margini, il che già parla di misure statistiche non uguali per la stessa ponderazione, e spesso non saranno sufficienti per parlare, anche in teoria, di stabilità in questo intervallo di "probabilità". Quindi, anche da questo punto di vista, calibrare il totale sembra un'idea dubbia.
Sono più interessato all'idea di riponderare i valori in foglie, tuttavia, ne ho già scritto in precedenza, ma non ho ricevuto alcun riscontro qui - quindi è tutto nelle mie mani....
https://education.yandex.ru/handbook/ml/article/veroyatnostnyj-podhod-v-ml
https://education.yandex.ru/handbook/ml/article/kak-ocenivat-veroyatnosti