트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩

Aleksey Nikolayev 2023.03.20 17:37 #29751

Forester #:

그럴지도 모르지만 물고기가 보이지 않아요. 저는 정량화를 전혀 사용하지 않습니다. 저는 플로트 데이터를 탐색하는 것을 선호합니다.

제가 알기로는 "양자화"(히스토그램)는 속도를 높이기 위해 부스팅에 사용되므로 스플릿에 대한 변형이 적습니다. 그렇다면 이 솔루션은 보편성에서는 좋지만 특정 경우에는 실제 경계가 사라질 수 있어 좋지 않을 수 있습니다.

Forester 2023.03.20 18:00 #29752

Aleksey Nikolayev #:

제가 알기로는 "양자화"(히스토그램)는 부스팅에서 속도를 높이기 위해 사용되므로 분할에 대한 변형이 적습니다. 그렇다면 이 솔루션은 보편성 측면에서는 좋지만 특정 경우에는 실제 경계가 사라질 수 있다는 점에서 좋지 않을 수 있습니다.

네, 맞습니다. 속도가 빨라지고 정규화에 기인할 수 있습니다. 하지만 정확한 분할도 잃게 됩니다.

Aleksey Vyazmikin 2023.03.20 18:53 #29753

Forester #:

그럴지도 모르지만 물고기가 하나도 보이지 않습니다. 저는 정량화를 전혀 사용하지 않습니다. 저는 플로트 데이터를 탐색하는 것을 선호합니다.

저를 믿지 않으셔서 유감입니다.

샘플에 대한 효과를 입증하고 학습 곡선을 비교할 수 있습니다.

Aleksey Vyazmikin 2023.03.20 18:58 #29754

Forester #:

네, 맞습니다. 속도가 빨라지고 정규화에 기인할 수 있습니다. 하지만 정확한 분할도 잃게 됩니다.

히스토리에 대한 정확한 분할. 예측값 분포의 특성을 알면 정량화를 통해 특징적으로 안정적인 동작을 하는 범위를 정확히 찾아낼 수 있습니다. 트레이딩의 경우 관련성이 있습니다.

Forester 2023.03.20 20:12 #29755

Aleksey Vyazmikin #:

히스토리에 대한 정확한 분할. 예측값 분포의 특성을 알면 정량화를 통해 특징적으로 안정적인 동작을 하는 범위를 정확히 찾아낼 수 있습니다. 트레이딩의 경우 관련성만 있으면 됩니다.

범위/분할을 찾는 작업은 트리 학습으로 해결됩니다. 적어도 목표와 관련하여 행을 구분하는 의미 있는 공식이 있습니다.
양자화에서는 단지 카운터 + 더블 건너뛰기일 뿐입니다. 양자화는 목표 함수에 대한 확인 없이 이루어집니다.
.

목표에 대한 훈련이 있는 트리가 안정성을 제공하지 않거나 매우 약한 안정성을 제공하는 경우, 목표와 관련이 없는 카운터는 어떻게 안정성을 제공하나요? 무작위적이고 때로는 무작위로 좋은 세그먼트 만 시간이 지나면 더 이상 그렇게되지 않습니다.

Aleksey Vyazmikin 2023.03.20 20:31 #29756

Forester #:
범위/분할을 검색하는 작업은 훈련 중에 트리로 해결됩니다. 적어도 목표와 관련하여 행을 구분하는 의미 있는 공식이 있습니다.
양자화에서는 카운터 + 더블 건너뛰기에 불과합니다. 양자화는 목표 함수에 대한 확인 없이 이루어집니다.
.

목표에 대한 훈련이 있는 트리가 안정성을 제공하지 않거나 매우 약한 안정성을 제공하는 경우, 목표와 관련이 없는 카운터는 어떻게 안정성을 제공하나요? 무작위적이고 때로는 무작위로 좋은 세그먼트 만 시간이 지나면 더 이상 그렇게되지 않습니다.

각 예측자에 대해 퀀트 테이블을 선택해야 합니다. 운 좋게 랜덤이 맞았다고 가정하면, 제가 식별하고 싶은 것은 바로 그거죠. 무작위든 아니든. 100% 신뢰도는 아니지만 무작위성을 30%만 제거해도 학습된 모델의 품질을 향상시킬 수 있습니다.

저는 나무의 단점 인 탐욕을 줄여야하는 분할 추정 함수 (알고리즘)를 개발하고 있습니다.

물론 이상하게도 저는이 주제에 대해 수년 동안 작업 해 왔고 다양한 샘플로 많은 실험을 해왔으며 접근 방식의 효과에 대한 통계가 있으며 방법이 효과가 있다고 말하지만 불신에 부딪 힙니다.

확률, 패턴으로 바꾸는 방법 전문 고문 - 기타 교차 EMA 5 x

Forester 2023.03.20 20:43 #29757

Aleksey Vyazmikin #:

각 예측자에 대해 퀀텀 테이블을 선택해야 합니다. 운 좋게 랜덤이 맞았다고 가정해 봅시다. 랜덤이든 아니든.

대상이 양자화 지점 선택에 관여하지 않는다면 어떻게 대상과 관련하여 무작위가 아닐 수 있나요? 무작위일 뿐입니다.

Aleksey Vyazmikin 2023.03.21 02:53 #29758

Forester #:

대상이 양자화 지점 선택에 관여하지 않는다면 어떻게 대상과 관련하여 무작위가 아닐 수 있나요? 무작위일 뿐입니다.

무작위이지만 패턴은 무작위가 아닙니다. 즉, 미래에도 지속될 것입니다. 예측은 동일한 대상을 고려합니다.

반면에 대상을 고려하여 예측자를 양자 세그먼트로 더 정확하게 즉시 분할하는 것을 막을 수는 없습니다.

Forester 2023.03.21 05:52 #29759

Aleksey Vyazmikin #:
반면에 대상을 고려하여 예측자를 한 번에 더 정확하게 양자 세그먼트로 분할하는 것을 막는 사람은 아무도 없습니다.

목표 오른쪽과 왼쪽 섹션의 클래스 순도를 최대화할 수 있도록 최적의 분할 지점을 찾는 것이 트리의 임무입니다.

정량화 중에 순도를 추정하고 싶으신가요? 기본적으로 나중에 트리가 할 것과 동일한 작업을 수행하려고 합니다. 정량화를 끄면 원하는 결과를 얻을 수 있습니다. 트리는 목표가 주어지면 최적의 분할 지점을 선택합니다.

Aleksey Vyazmikin 2023.03.21 12:05 #29760

Forester #:

트리의 임무는 대상 오른쪽과 왼쪽 클래스의 순도를 최대화할 수 있도록 최적의 분할 지점을 찾는 것입니다.

정량화 중에 순도를 추정하고 싶으신가요? 기본적으로 나중에 트리가 수행하는 것과 동일한 작업을 하고 싶을 것입니다. 정량화를 끄면 원하는 결과를 얻을 수 있습니다. 트리는 목표가 주어지면 최적의 분할 지점을 선택합니다.

"최선"이 최선의 선택이 아닌 경우가 많다는 것을 설명하는 데 지쳤습니다.

질문 대신 진술 - 마치 종교를 하는 것처럼....

트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2976