Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1477

 

Eu também tenho uma ideia de como cortar o preço.

Pegamos num preço e agrupamo-lo em, digamos, 10 clusters, treinamos a rede, vemos o erro...

Depois largamos um aglomerado, digamos o décimo, treinamos a rede novamente e vemos o erro. E assim tentamos todas as combinações até encontrarmos algo interessante... No final, pode acontecer que apenas 1,3,9 clusters devam ser deixados na série para fazer boas previsões.

 
mytarmailS:

Eu também tenho uma ideia de como cortar o preço.

Pegamos num preço e agrupamo-lo em, digamos, 10 clusters, treinamos a rede, vemos o erro...

Depois largamos um aglomerado, digamos o décimo, treinamos a rede novamente e vemos o erro. E assim tentamos todas as combinações até encontrarmos algo interessante... Afinal, podemos descobrir que devemos manter apenas 1,3,9 clusters na fila para fazer boas previsões.

Uma analogia é atirar folhas para fora da árvore, como fez o Alexei.

Mas o problema é que 1 árvore é sempre pior que 100-200 árvores em uma floresta.

 
elibrarius:
Uma analogia - atirar folhas para fora da árvore, como Alexei

Não, isso é diferente...

Deitar fora as folhas está a mudar as regras na árvore de decisão que prevê o processo

Estou a sugerir mudar o processo em si

 
Maxim Dmitrievsky:

Não é uma merda, é só uma piada).

Koldun começa mais quatro meses de férias, enquanto o professor continua a arar em "levantar a sua imagem". Que pio))) hilariante...

 
mytarmailS:

Também surgiu uma ideia de como cortar o preço.

A dimensionalidade pode ser diminuída de muitas maneiras, seria uma boa ideia. O exemplo mais simples. Preto fino - cloze, pontos azuis
intersecções, vermelho - uma tentativa primitiva de reconstruir o vr original a partir dos pontos syn.dots. Há muitos métodos de recuperação.
Você pode julgar a "qualidade do desbaste" pela simplicidade da função utilizada para a reconstrução. Mais simples é melhor...


 
elibrarius:

A analogia é atirar folhas de uma árvore, como o Alexei.

Mas o problema é que 1 árvore dá sempre resultados piores do que 100-200 árvores na floresta.

Não atirar fora, mas a abater. É como montar diferentes mini-estratégias em uma grande piscina. E depois ou a decisão colegial ou dar a cada folha um lote fixo, que é o que estou a fazer agora.

mytarmailS:

Deixar cair as folhas significa mudar as regras na árvore de decisão que prevê o processo.

Porque é que as regras mudariam? Não, apenas remove aquelas folhas que estão mais confiantes nos seus resultados, às custas daqueles que gostariam de fazer qualquer previsão para o bem do sistema. Em outras palavras, uma árvore pode não ter apenas uma solução para uma situação, mas quando centenas de árvores diferentes são utilizadas e uma seleção é feita sobre elas, a chance de não ter uma solução para a situação torna-se insignificante.

 
Vizard_:

Wizard começa mais 4 meses de férias, o professor continua a arar em "para elevar a imagem". Que história engraçada)))) hilariante...

já estás a falar de ti na terceira pessoa, estás totalmente excêntrico.) A imagem está bem.

 
Vizard_:

A dimensionalidade pode ser reduzida de diferentes maneiras para que funcione. O exemplo mais simples. Preto fino - cloze, pontos azuis -
e vermelho - uma tentativa primitiva de restaurar a imagem inicial nos pontos syn.dots. Há muitos métodos de recuperação.
Você pode julgar a "qualidade do desbaste" pela simplicidade da função utilizada para a reconstrução. Mais simples é melhor...


Obrigado, isso é interessante! Existem nomes científicos em "desbaste" e "funções de recuperação" ? seria interessante ler sobre isso



Porque é que as regras estão a mudar? Não, eles simplesmente eliminam aqueles que estão mais confiantes nos seus resultados, às custas daqueles que se queixam de qualquer previsão para o bem do sistema. Em outras palavras, uma árvore pode não ter apenas uma solução para uma situação, mas quando centenas de árvores diferentes são utilizadas e uma seleção é feita sobre elas, a chance de não ter uma solução para a situação torna-se insignificante.

Bem, isto é uma mudança de regra, não importa como você gire, e em que direção ela mudou é outra questão.

 
mytarmailS:

Quando olho para o teu desenho com o cruzamento das carroças fico espantado com o quão fixe e muitas vezes o preço gira nos cruzamentos, mas na direcção oposta)) contra os sinais da multidão.

Mas é claro que nem sempre funciona devido à variabilidade das propriedades do mercado, eu preciso de um indicador adaptativo. E tenho uma ideia se podemos ensinar NS a adivinhar os períodos de tempo "certos" no modo de tempo real para apanhar reversões com precisão?

Quem tem idéias sobre o alvo e quais parâmetros de preço devem ser tomados como preditores?

Bem, é um clássico, já escrevi acima quando se trata de prever o melhor das características e resultados da TC (Equidade/Pnl...).

Se "diretamente", o princípio é o mesmo que com os retornados ou volos, para cada amostra, dividir a amostra em "antes" e "depois" por algum preço(t) de ponto móvel, calcular quaisquer valores para {price(t-N),price(t)} e valores-alvo {price(t+1),price(t+K)} e correr t através de toda a série. Neste caso, os alvos serão os ótimos ondulantes em {price(t+1),price(t+K)} em alguma janela no futuro, e as características podem ser basicamente qualquer coisa, desde estocásticos ou momentos de períodos diferentes, a ondulação de ótimos ou outros TCs sobre o período anterior{price(t-N),price(t)}.

 
Farkhat Guzairov:

Que versão do JPrediction você está usando?

14 ao que parece.