Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 235
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Vejo que eles já começaram a escrever livros sobre r))))
allitebooks.com/automated-trading-with-r-2/
Pelo bem do desporto, eu ultrapassei um pouco, vou parar por aí. Os recursos são um pouco gratuitos, e não querem nada e não foram,
só apoiou a ideia de um "bilhete de entrada para o ramo". < 0.69, por um palpite, não é um grande problema para se safar.> < 0.68 dunno, é um bocado esticado lá))))
https://numer.ai
Por favor, diga-me qual modelo, como foi ensinado?
O erro de previsão de classe é inferior a 30%. Pode ser muito menos de 30%, mas menos de 20% não pôde ser alcançado. Mas há boas razões para dizer que o modelo NÃO é excessivamente treinado. O importante é que não é demasiado treinado - um modelo demasiado treinado não é de todo necessário, é um lixo perigoso.
Modelos: floresta aleatória e ada. Geralmente a escolha do modelo tem pouco efeito sobre o resultado, se é que é treinado. Nos meus palpiteiros, nnet não está treinado de todo.
O erro de previsão de classe é inferior a 30%. Ocorre muito menos do que 30%, mas menos do que 20% não pôde ser alcançado. Há, no entanto, boas razões para acreditar que o modelo NÃO é reeducado. O principal é não ser excessivamente treinado - um modelo excessivamente treinado não é de todo necessário, é um lixo perigoso.
Modelos: floresta aleatória e ada. Geralmente a escolha do modelo tem pouco efeito sobre o resultado, se é que é treinado. Nos meus preditores nnet não está treinado de todo.
Que tipo de perda de madeira é que tens aí?
O erro de previsão de classe é inferior a 30%. Ocorre muito menos do que 30%, mas menos do que 20% não pôde ser alcançado. Há, no entanto, boas razões para acreditar que o modelo NÃO é reeducado. O principal é não ser excessivamente treinado - um modelo excessivamente treinado não é de todo necessário, é um lixo perigoso.
Modelos: floresta aleatória e ada. Geralmente a escolha do modelo tem pouco efeito sobre o resultado, se é que é treinado. Nos meus preditores nnet não está treinado de todo.
O que é logloss?
Eu acho que você está falando sobre sua pontuação emhttps://numer.ai mas não em loglose mas em termos de hashing (% erro). Masloglose é uma coisa complicada, você deve não só adivinhar a classe mas também a probabilidade.
Eu entendo que você está falando sobre seu medidor emhttps://numer.ai mas não em logloss mas no hemming (% erro), maslogloss é uma coisa complicada, não só você precisa adivinhar a classe mas também a probabilidade.
Estou a escrever sobre o meu EA. Tem um modelo.
Eu uso pacotes e eles têm uma estimativa aproximada, que não tem nada a ver com logloss. Além disso, os resultados dos pacotes podem ser estimados por outros meios.... Eu não me lembro de Loglos.
E a classe, nesses pacotes que vi, é derivada da probabilidade, ou seja, na realidade, a probabilidade é contada e depois calibrada. É padrão ao meio para duas classes, mas você pode entrar e dirigir.
Estou a escrever sobre a minha EA. Tem um modelo.
Eu uso pacotes e há uma avaliação neles, num relance, que não tem nada a ver com loglos. Além disso, os resultados dos pacotes podem ser avaliados por outros meios.... Eu não me lembro de Loglos.
E a classe, nesses pacotes que vi, é derivada da probabilidade, ou seja, na realidade, a probabilidade é contada e depois calibrada. É padrão ao meio para duas classes, mas você pode entrar e dirigir.
Não pode dizer nada então, no mínimo precisa de um conjunto de dados em que tenha obtido tais resultados. Loglos concordo, para o nosso caso não é realmente a escolha certa, é um tributo ao kaggle, não ao erro de 20-30% de precisão, isso parece-me muito poderoso, francamente acho difícil de acreditar.
Para loglos, o truque é que, por exemplo, para duas classes se você tiver 0% de erro, então as probabilidades de resposta serão próximas de 100% e 0%, {0,1,0,1....}. quando o erro é 10%, afecta não só a probabilidade de respostas incorrectas, mas também a probabilidade de respostas correctas, pelo que as respostas correctas, que eram 1 e 0, devem agora ser, por exemplo, 0,8 e 0,2, quando o erro é 45%, tudo deve oscilar em torno de 0,5 +- 0,1, pelo que a perda de logloss seria óptima, tal alquimia ....
Aconteceu apenas de olhar para o perfil do lucky_teapot, havia um tópico no fórum com um link para um artigo nele. Acho que tudo foi transferido do fórum mql4.com, que eu mal estudei, graças à MetaQuotes se ela realmente o transferiu de lá.
O artigo tem quase 9 anos, mas encontrei muitas coisas úteis que posso muito bem tentar agora. Acho que até entendi sobre o espaço de atraso dimensional, que Alexei já mencionou algumas vezes neste tópico.
O artigo em si, eu acho muito útil -https://www.mql5.com/ru/articles/1506
Eu li isso... Eu estava interessado em uma coisa, o autor diz que você pode modificar um pouco os dados, aumentando assim a amostra e o modelo funcionará melhor, pois a base de conhecimento do modelo será mais ampla...
Estou a trabalhar com spreads e os spreads ainda são pequenos em comparação com o total da amostra.
Acho que se tirarmos uma amostra multimilionésima e ensinarmos o modelo a captar reversões, haverá muitos exemplos e acho que o padrão de reversões é o mesmo em ambos os mercados(quero dizer muitos padrões)
E aqui tenho outra pergunta, ou melhor, uma ideia, mas ainda sem solução...
Acho que se separarmos todas as inversões destes valores multimilionários e deixarmos apenas aquelas como amostra de treino, o modelo aprenderá apenas as inversões em si, é tão rápido, mas quando precisamos de distinguir uma reversão de uma não-volta nos novos dados, como é que o modelo o fará se não faz ideia do que é uma não-volta...? ((.
Eu li isso... Eu estava interessado em uma coisa, o autor diz que você pode modificar um pouco os dados, aumentando assim a amostra e o modelo funcionará melhor, pois a base de conhecimento do modelo será mais ampla...
Estou trabalhando com pivots e os pivots ainda são pequenos em comparação com a amostra total
O que é um pivô? Um bar como em ZZ?
Gosto muito da ideia (pescado aqui no fio) quando uma inversão é considerada como uma certa sequência de barras, após o que, no futuro, haverá um lucro pré-determinado. Esta abordagem reduziria grandemente o desequilíbrio de classes. Essa é uma. Segundo, a própria classe teria uma clara propriedade preditiva.