Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1120
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
Este caso, e com o seu conjunto de dados... desculpe, mas muitas pessoas já lhe disseram muitas vezes que precisa de pelo menos milhares de amostras, e dado o barulho dos dados de mercado centenas de milhares de pontos é desejável, mas quando você aprender Java e usar XGB por exemplo, você vai rir da sua persistência no passado))
esta é uma declaração incorrecta
Por isso, arranjei uma métrica melhorada para o coeficiente do Matthews, mas o que posso dizer se você explodir aqui e for embora. :-(
Estou preso a passar uma matriz de uma classe para outra, e o inferno... ninguém a quem perguntar :-(
por que se preocupar com a métrica quando você tem a sua própria para o TC? por exemplo, você pode medir o fator de lucro em amostras e é isso
e as estimativas do modelo interno são secundárias, porque o menor erro não significa a maior estabilidade com novos dados
basta escolher um critério externo para avaliação através do desempenho do comércio sobre os novos dados
você não tem uma amostra grande para o teste você vai apenas lamber o parafuso... amostra pequena para uma bandeja não é crítico, está tudo bem.
Você poderia argumentar, mas no mercado não se trata de fidelidade, não de fidelidade alguma, é mais importante fazê-lo funcionar, e comigo normalmente quanto mais amostras, melhor o resultado))))
basta levar madeira ou xgb - eles não se importam quantas amostras para reaprender :) é só o modelo vai pesar os shows
mas a enumeração recursiva de características com métricas externas começou a produzir resultados mesmo em pequenas subamostras, e nem mesmo em subamostras externasTendência = 100k linhas. Nos restantes 8k+(teste)você aplica o modelo. Os dados estão embaralhados.
A métrica é logloss. Resultado, afixá-lo. Tendência =... teste =...
Isto não se faz com a série cronológica, claro. Mas por uma questão de interesse, eu coloquei-o quase por defeito no LightGBM sem tocar nos dados:
Trem: 0,6879388421499111
Teste: 0,691518161677127092
Fontes de teste, bônus com CatBoost:
https://yadi.sk/d/55DDn-hViNWP6Q
Quais são os seus resultados?
Por que se preocupar com métricas quando o TS tem suas próprias métricas? por exemplo, medir o fator de lucro em amostras e é isso
a estimativa interna do modelo é secundária, porque o menor erro não significa a maior estabilidade com novos dados
basta escolher um critério externo para avaliação através do desempenho do comércio sobre os novos dados
você não tem uma amostra grande para o teste você vai lamber o parafuso ... e uma amostra pequena para uma bandeja não é crítico, está tudo bem
Deve haver uma quantidade ilimitada de espaço para o teste em geral.
Se alguém quiser verificar a qualidade dos seus dados, deve colocá-los não na forma de alguns arquivos CSV obscuros, mas na forma de indicadores.
Você pode usar um modelo, embora não haja necessidade de marcar os alvos, é claro que eles devem ser lucrativos.
Depois podemos ensinar qualquer modelo, criar um Expert Advisor e testá-lo objetivamente junto com o indicador inicial.
Bem, isto é se quiseres fazer alguma coisa, mas se só quiseres falar...
Quanto mais ruído, mais amostras, deve ser claro ao nível das estatísticas elementares, e os dados do mercado são muito ruidosos, a reciclagem é outra questão, se você ensinar as características construídas corretamente e a correta orientação, então em um teste com dezenas ou centenas de milhares de amostras, a reciclagem é realmente difícil de alcançar. Isso é bom em grandes conjuntos de dados, eles são difíceis de se retrair, a menos que o cientista ou o negociante de dados sejam mazahistas ou quase mercadistas e misturem alvos com características. Razão óbvia para preocupação - o chip correlaciona-se com o alvo em mais de 3-5%, por isso deve espreitar, e melhor construir ficções para que não haja tal possibilidade em princípio, complicará um pouco os algoritmos, mas provavelmente se livrará de O principal erro cometido pelos principiantes de algotraders.
Vocês todos estão repreendendo comerciantes próximos ao mercado, eu estou, mas vocês parecem ser legais, comercializam algotrader e, a julgar pelos seus postos, vocês sabem qual período para ensinar e em que negociar.
Mas não sei e quando vi a discussão ontem não me envolvi e decidi apenas tentar, por isso treinei uma demonstração no EURUSD M1 de 8 a 18 de Outubro, desde que estivesse no meu corretor e dirigi o Expert Advisor em tempo real.
Então ele negocia com lucro até agora, mas a questão para você como especialista é: quando ele vai começar a perder, login - 2096584180, senha - na3tbvr, Tradize-Demo, mas especificamente, não sobre naves que rondam a vasta extensão do grande teatro (c)).
A amostra de aprendizagem é minúscula, a lógica do testador e otimizador não é transparente (caixa preta)...
Conclusão - 99,9999999999999% de que esta EA é aleatória, a equidade é uma vagueação geométrica aleatória com uma inclinação descendente devido aos custos comerciais.
Dependendo da frequência das negociações, só posso vang negative SR<-0.5 para o ano
1. há negociação em tempo real, testador MT4, rede neural.
2. a resposta está 100% errada - o Expert Advisor não é aleatório.
3. treinados em 8 dias de dados de negociação, mas previstos para um ano...?:)
ZS: Eu perguntei especificamente, por exemplo - a relação entre o período de negociação e o período de treinamento para 30% e o consultor começará a perder depois de amanhã, ou 10% - hoje, mas como a ciência é silenciosa...
Conclusão - 99,999999999999999% de que esta EA é aleatória, a equidade é uma vagueação geométrica aleatória com uma inclinação descendente devido aos custos comerciais.
hmm, essa é a minha fotografia, o que consegues ver aí?
;)
ao acaso, digo-te eu.
Eu também diria que não pode ser porque nunca pode ser. (c) E é irrealista treinar em 50 negociações, mas precisamos assistir a outras 30-40 negociações (ou seja, 3-4 dias) para tirar conclusões. Se os virmos, é claro.
Mas, em geral, já é estranho.
Aleatório, estou a dizer-te.
aqui está o teste dele - e chamas a isso aleatório?