Dov'è la linea di demarcazione tra l'adattamento e i modelli reali? - pagina 4
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
La risposta è sbagliata. Proprio quando addestro NS prendo il periodo di OOS meno del periodo del campione di allenamento. Perché la BP non è stazionaria e se si fa il contrario, si ottiene solo un fit a campione corto e un risultato molto discutibile sull'OOS.
E non ho detto che l'OOS deve essere maggiore o uguale al campione di allenamento.
Sto dicendo che quando la dimensione dell'OOS diminuisce, cioè quando la rilevanza dell'ottimizzazione aumenta, anche la rappresentatività dell'OOS stesso diminuisce. Cioè, molto rapidamente si raggiunge quella sella, che hai giustamente menzionato, c'è un effetto molto sgradevole di ottimizzazione con OOS troppo piccolo, in cui TC è ottimizzato su OOS, ma non sul campione di formazione - "apprendimento al contrario".
Come sempre, la media aurea è da qualche parte nel mezzo. :) E questa via di mezzo per ogni particolare TS si trova in posti diversi.
In breve, non c'è e non può esserci una chiara raccomandazione su quali dimensioni dovrebbe avere l'OOS. Puoi solo fare affidamento sul tuo istinto e sulla tua esperienza.
montaggio della seconda istanza...
;)
montaggio della seconda istanza...
;)
:) Però è un'iniezione di fiducia!
Il problema con questo è che continua a diventare sempre più alto...
Non adatto all'età.
;)
Dov'è la linea di demarcazione tra i modelli di adattamento e quelli reali?
Guardando il mercato vediamo che i modelli eventualmente esistenti non possono essere parametricamente costanti. Ogni sistema ha un livello di adattamento e un livello di regolarità di uno o più eventi.
E la preponderanza verso il secondo livello è responsabile della razionalità dell'idea di trading stessa.
Pensare in modo astratto. I pensieri degli altri sarebbero interessanti.
Dipende da molti fattori, e la dipendenza principale è dal sistema stesso. Per esempio:
1.Grande campione - beh questo è sempre buono, se a 6000 di fila funziona costantemente - perché non lavorare di più?
2. La correlazione di alcune caratteristiche attese - per esempio, l'influenza di un evento sul mercato è attesa e confermata dalla storia - allora si può prendere in considerazione un campione non molto grande, diciamo, circa 100 eventi, o anche meno.
3. Corrispondenza dei parametri con alcuni parametri attesi. In linea di principio lo stesso del punto 2, ma dall'altro lato - per esempio per i sistemi di tendenza la % di operazioni di successo e il rapporto tra il profitto medio e la perdita sono approssimativamente chiari.
E così via.
La cosa più importante è che non esiste un metodo di lavoro al 100%. Anche se, da un punto di vista ingegneristico, ce n'è uno - si chiama "diversificazione". :)
Stesso posto - dove il pendolo è...
:o)... La risata attesa... Ma davvero, le statistiche sono più fighe di molte altre persone. Sono solo gli stereotipi imposti dal sistema che molte persone non riescono a uscire dal cerchio in cui camminano. È una serie di libri di testo di AT dove tutto inizia con le medie mobili... La domanda è, perché preoccuparsi di studiarli se l'intera direzione con i dati di media è spazzatura. Mostrano il presente al massimo. Sto parlando di TUTTI gli indicatori incorporati in MT :o). Tranne forse uno zigzag, che è come il latte per tutti. E dove andare? Come diciamo in Deribasovskaya... È quello che facciamo :o).
.... Vale a dire il 5/95% non in meglio....
Ci dica, per favore, dove ha preso queste statistiche?
E questa è una compilation. Ho insegnato per due anni in un'accademia di scambio TA... Circa 60 settimane per 10 - 15 persone - circa 700 persone, di cui in un paio d'anni vedo solo 20 persone, e non significa che tutte guadagnino. Sono l'unico che guadagna :o))
:o)...risate attese...
E questa è una collezione di roba.Ho insegnato in un'accademia di azioni TA per due anni... Circa 60 settimane di 10 - 15 persone - circa 700 persone, di cui dopo un paio di anni vedo solo 20 persone. Sono l'unico che guadagna :o))
Nibora! Tu?
;)
E questa è una compilazione. Ho insegnato in un'accademia TA per due anni. Circa 60 settimane per 10 - 15 persone - circa 700 persone, di cui in un paio d'anni ne vedo solo 20. E non significa che tutti guadagnino. Sono l'unico che guadagna :o))
Il punto è che tali affermazioni senza specificare il periodo di tempo e come sono state ottenute sono completamente prive di senso. anche per gli insegnanti.
E le statistiche reali per esempio che ha postato rann. Ma non è nemmeno sui clienti, ma sui conti.
E non ho detto che l'OOS dovrebbe essere più grande o uguale al campione di allenamento.
Sto dicendo che con la diminuzione della dimensione dell'OOS, cioè con l'aumento della rilevanza dell'ottimizzazione, la rappresentatività dell'OOS stesso diminuisce. Cioè, molto rapidamente si raggiunge quella sella che hai giustamente menzionato, c'è un effetto molto sgradevole di ottimizzazione quando OOS è troppo piccolo, quando TC è ottimizzato su OOS, ma non sul campione di formazione - "apprendimento al contrario".
Come sempre, la media aurea è da qualche parte nel mezzo. :) E questa via di mezzo per ogni particolare TS si trova in posti diversi.
In breve, non c'è e non può esserci una chiara raccomandazione su quanto grande dovrebbe essere l'OOS. Puoi solo fare affidamento sul tuo istinto e sulla tua esperienza.
Non c'è bisogno di alcuno stile qui. Il periodo di campionamento e l'OOS all'utilizzo dei pacchetti della rete neurale sono selezionati empiricamente una volta per input specifici e in seguito non vengono modificati. Cioè, se gli input di NS sono adeguati, allora tutto il resto è una questione di tecnica, piuttosto che di intuizione.
Per quanto riguarda il tester MT, tutto è più complicato perché, come già detto, non c'è modo di separare le mosche dalle cotolette, cioè il campione ottimizzato da quello in avanti ed è quasi impossibile cogliere il momento in cui l'ottimizzazione si trasforma in adattamento. Per essere precisi è possibile interrompere manualmente l'ottimizzazione ed eseguire in avanti un numero gradualmente crescente di passaggi per catturare il momento, ma tenendo conto che il tempo di ottimizzazione può essere abbastanza lungo e in avanti è necessario cambiare data ogni volta, allora l'interesse in tale approccio va molto in basso.
Nibora! Tu?
;)
Non ha capito...
Ho insegnato per due anni in un'accademia TA. Circa 60 settimane a 10 - 15 persone - circa 700 persone, di cui un paio di anni vedo solo persone 20. Sono l'unico che guadagna :o))
Il punto è che tali affermazioni senza specificare il periodo di tempo e come sono state ottenute sono completamente prive di senso. anche per gli insegnanti.
E le statistiche reali per esempio che ha postato rann. Ma non si tratta nemmeno di clienti, ma di conti.
Conosco le statistiche reali e anche tu lo sai, se fai qualcosa nel mercato. Soprattutto perché il periodo e il metodo sono chiaramente scritti in alto.