L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 352
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
Come è sbagliato, state creando un modello di classificazione. Più grande è il campione, più forte è la generalizzazione, il modello diventa più robusto in generale e meno accurato in particolare, rispettivamente, più piccolo è il profitto
Mettiamola in termini di efficienza. Se l'efficienza del sistema diminuisce a causa dell'aumento della complessità, il sistema non è interessante. Una diminuzione del profitto + perdita indica una diminuzione dell'efficienza.
Con l'aumento della sostenibilità, l'efficienza dovrebbe aumentare. L'efficienza può essere definita come il rapporto profitto/(profitto+perdita). Si può anche prendere l'efficienza per scambio.
Mettiamola in termini di efficienza. Se l'efficienza del sistema diminuisce a causa dell'aumento della complessità, il sistema non è interessante. Una diminuzione del profitto + perdita indica una diminuzione dell'efficienza.
Con l'aumento della sostenibilità, l'efficienza dovrebbe aumentare. L'efficienza può essere definita come il rapporto profitto/(profitto+perdita). Possono essere considerati anche i KPI per commercio.
Non può essere applicato a VS)) risulta che l'efficienza di lungo periodo aumenta e quella di breve periodo diminuisce) Se vuoi fare un esempio... C'è una strategia e una tattica... L'apprendimento a breve termine aiuta NS a vincere tatticamente, e a lungo termine - la strategia, diversi fattori possono influenzarla...
Mettiamola in termini di efficienza. Se l'efficienza del sistema diminuisce a causa dell'aumento della complessità, il sistema non è interessante. Una diminuzione del profitto + perdita indica una diminuzione dell'efficienza.
Con l'aumento della sostenibilità, l'efficienza dovrebbe aumentare. L'efficienza può essere definita come il rapporto profitto/(profitto+perdita). Puoi anche prendere KPI per trade.
Evitiamo le biciclette chiamate KPI.
L'econometria utilizza criteri informativi.
Ecco la definizione
Ilcriterio informativo è una misura della qualità relativa dei modelli econometrici (statistici) applicata in econometria (statistica) che tiene conto del grado di "adattamento" del modello ai dati corretto (penalizzato) dal numero utilizzato di parametri stimati. Cioè, i criteri sono basati su un compromesso tra la precisione del modello e la complessità.
I criteri informativi sono utilizzati esclusivamente per confrontare i modelli tra loro, senza dare un'interpretazione significativa ai loro valori. Non permettono di testare i modelli nel senso di test di ipotesi statistica. In generale, più bassi sono i valori dei criteri, più alta è la qualità relativa del modello.
Se prendiamo un pacchetto in cui si presume la selezione del modello, uno dei criteri di informazione sarà utilizzato.
Faa scrive il punto giusto, ma non lo enuncia correttamente.
Avete una serie e un insieme di predittori. Si divide la serie in tre parti: un campione di allenamento e un forward (il caso più semplice).
Si costruiscono, per esempio, 20 modelli.
Il punto è che la selezione di un modello dalla lista non è eseguita dal migliore sul campione di allenamento e non dal migliore su quello in avanti. E selezioniamo il modello che dà quasi gli stessi punteggi di qualità sul campione di allenamento e su quello in avanti.
Abbiamo entrambi ragione.
Un criterio informativo viene utilizzato per selezionare quello più semplice, ma il criterio informativo non preclude in alcun modo il test in avanti.
Saltiamo le biciclette chiamate KPI.
L'econometria utilizza criteri informativi.
Uno non interferisce o sostituisce assolutamente l'altro. In economia ci sono criteri di efficienza nel senso assolutamente corrispondente a KPI. Non c'è bisogno di inventare nulla.
In questo caso, stiamo valutando il risultato, non il processo. Non ci interessano più i criteri di processo. Il sistema è una scatola nera. Ecco perché stiamo confrontando le caratteristiche delle scatole.
Ci sono anche criteri di valutazione - efficacia per 1 rublo di investimento, efficienza media di un affare, ecc. Tutto il business si basa su questi criteri. Cosa stiamo facendo alla fine?
Bene. Avete aumentato la stabilità del sistema eliminando i drawdown. Anche se il profitto totale non è nemmeno diminuito, ma rimane costante. La domanda è: cosa è successo agli accordi che ti hanno permesso di uscire da quelle fosse? Se non li aveste rimossi, solo loro avrebbero aumentato il profitto del sistema.
Se si allena il neurone su diversi intervalli di tempo, si otterranno risultati diversi, non c'è nulla da confrontare. Non ho rimosso nulla)
Se si addestra il neurone a diversi intervalli di tempo, si otterranno risultati diversi, non c'è nulla da confrontare... i segnali saranno diversi, il modello sarà addestrato in modo diverso e non si può influenzarlo in alcun modo. Non ho rimosso nulla)
È comprensibile che l'ottimizzatore venga rimosso. Ma la ripetibilità dei risultati è un requisito di qualsiasi esperimento. Cioè se abbiamo risultati diversi nel test quando ci alleniamo su sezioni diverse, è un motivo per pensare.
Immaginate che insegniamo a NS identici a riconoscere il parlato usando lo stesso ToR e poi decidiamo che non possono nemmeno essere confrontati, perché sono stati addestrati in modo diverso.
È comprensibile che l'ottimizzatore venga rimosso. Ma la ripetibilità dei risultati è un requisito di qualsiasi esperimento. Cioè se abbiamo risultati diversi nel test quando ci alleniamo su sezioni diverse, è un motivo per pensare.
Immaginate che insegniamo a NS identici a riconoscere il parlato usando lo stesso ToR e poi decidiamo che non possono nemmeno essere confrontati, perché sono stati addestrati in modo diverso.
Beh, più o meno sì, ma nel modello attuale non è possibile, non è così complesso da approssimare allo stesso modo un piccolo insieme di dati e un enorme
Beh, più o meno, sì, ma nel modello attuale è impossibile, non è così complesso approssimare allo stesso modo un piccolo insieme di dati e uno enorme.
In generale, se parliamo di minuti, il mercato è statisticamente omogeneo, cioè le statistiche cambiano poco (stabili) di settimana in settimana, di mese in mese. Non lo so, non ho studiato la questione. Per quanto mi ricordo, state lavorando su 1 minuto.
In linea di principio, i sistemi semplici dovrebbero convergere più velocemente se sono convergenti. Vale a dire che hanno un solo massimo alto. A proposito, noi stessi generiamo questi massimi usando predittori "sbagliati".