Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2388
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
uma melhoria de 1-2% pode ser obtida através da requalificação do mesmo modelo várias vezes )
mas não 512 vezes ))
não funciona assim
remover características de baixa importância do modelo e parti-lo, depois comparar o seu rabo com o seu dedo (outras características), e assim por diante
Agora vou ter de lidar com muitas funcionalidades com os MAs e assim por diante.
A eliminação por 1 também já foi tentada. Pois é. Quando há muitos destroços o modelo quase não nota a perda de um lutador)
Isto é tudo afinação, não é uma forma de encontrar algum tipo de padrão, portanto a cauda não deve abanar o cão
Após selecionar a primeira melhor característica, a segunda será aquela com a melhor interação com a primeira, e assim por diante. Quando você chegar a 10, a próxima será aquela com a melhor interação com qualquer uma das 10 selecionadas anteriormente, mas muito provavelmente com todas elas.
Não sou adepto de descartar todas as possibilidades ao mesmo tempo, talvez esta abordagem também possa produzir uma variante interessante.
A questão é que não posso fazer múltiplos ciclos de paragem/início automaticamente, tendo em conta a peneiração de algumas funcionalidades a cada iteração.
Posso preparar os dados para uma iteração, então preciso prepará-los novamente - é por isso que preciso do Python.
A propósito, não me importo de tentar os meus preditores também com o seu método, se houver um autómato pronto para este fim.
Não sou adepto de descartar imediatamente todas as opções possíveis, talvez esta abordagem possa ser uma opção interessante.
A questão é que não posso fazer automaticamente muitos ciclos de paragem/início, tendo em conta a eliminação de quaisquer características em cada iteração.
Posso preparar os dados para uma iteração, então preciso prepará-los novamente - é por isso que preciso do Python.
A propósito, não me importo de tentar os meus preditores também pelo seu método, se houver um autómato pronto para este fim.
Se você for até lá, haverá quase 1000000 modelos treinados para 1000 características.
O autómato é simples - 2 ciclos aninhados. Você tem um problema com o início automático do treinamento. Resolva-o, tudo o resto será uma bagatela.
Se você for até o fim, haverá quase 1000000 modelos treinados para 1000 características.
Isso é muito - neste momento 1000 modelos levam cerca de um dia a treinar.
Pode ser mais rápido em uma floresta aleatória se você a paralela.
O autómato é simples - 2 ciclos aninhados. Você tem um problema com a aprendizagem automática. Resolva-o, tudo o resto será trivial.
Esse é o problema, não posso automatizar o processo.
É tudo afinação, não uma forma de encontrar um padrão, por isso a cauda não deve abanar o cão.
Você simplesmente não entendeu o que eu estava tentando dizer - o melhor padrão em termos de estatísticas de classificação não significa o melhor em termos de rentabilidade. Só o faz no caso de SL e TP fixos.
Estou à procura de um método para influenciar as curvas de receitas e despesas - curva verde e vermelha.
Esta é a distribuição de probabilidade da resposta do modelo à amostra, quando treinado:
É assim que fica quando a amostra independente é alimentada:
Como se pode ver, as curvas quase se fundiram, enquanto os padrões não se deterioraram tanto - a curva aquática é zero e a curva magnética é uma só - estão espaçadas de forma aceitável e os padrões estão mais ou menos globalmente preservados, mas o preço destes padrões não foi mais ou menos ponderado em termos de rendimento/despesa.
Esse é o problema, não posso automatizar o processo.
no próximo artigo, por favor adicionestop e tire lucro ao código python