Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2762

 
Ivan Butko #:

São possíveis sinais indiretos? Por exemplo, cães e gatos brigam com frequência, mas é mais provável que os cães persigam os gatos. Temos dois objetos e seus movimentos.

No processo de "pensamento" e multiplicação de pesos, a rede neural classificou para nós que um objeto sempre corre à frente e o outro atrás (MA_5[0] > MA_10[0]) e fez uma suposição: o cão está se movendo à frente agora?

Agora a rede neural sabe como determinar quem é um gato e quem é um cachorro por meio da luta e do movimento dos objetos. Ao mesmo tempo, ela não recebeu patas, pedaços de pelo, dentes, latidos ou miados como entrada.

Ou seja, o recurso nesse caso não representa informações parciais sobre o objeto que está sendo classificado, mas uma solução é possível.

Esses não são sinais - são dinâmicas do desenvolvimento do processo no tempo - séries dinâmicas ...

e as dependências são estudadas como séries estacionárias ...

(mas o tempo também pode ser chamado de sinal - exógeno, o fator tempo acrescenta dinâmica).

você não obteve nem miau nem cabelo na entrada, mas obteve suavização da trajetória - as redes neurais não se importam com o que você aproxima - é que a dinâmica sempre mostra o resultado com uma defasagem - precisamente porque ela precisa do fator tempo como uma janela para coletar uma amostra e estimar a taxa de alteração da variável dependente a partir do tempo ... MAS a dependência (do tempo) deve estar lá para analisar a dinâmica (é ela que você coloca no modelo que descreve - se você chamar as coisas pelos nomes "qual é o fator e o que você quer saber/avaliar" no modelo - então haverá menos rabiscos de (des)compreensão mútua no fórum)...

equação linear - mostra a velocidade (tangente em um ponto da curva da trajetória), a quadrática (parábola) também mostrará a aceleração... e a convergência de (f-a)^2 será avaliada no tempo e mostrará o resultado em um segmento finito dessa janela de tempo - a MLE (estimativa de máxima verossimilhança) sempre funciona da mesma forma, pelo menos ao aproximar a estática, pelo menos ao equalizar a dinâmica.

a menos que você pense sobre o que está analisando - um fator (qualitativo/quantitativo) ou sua dinâmica (+ fator de tempo) - não é possível distinguir dependências e padrões de desenvolvimento - e, portanto, você não entende o que está analisando e se é o que realmente precisa e o que depende do quê... e limitações do tipo de análise - análises de dinâmica SEMPRE mostram resultados com defasagem.

realmente, argumentos cansativos sobre quem olha para o que de forma torta e vê o que de forma torta e interpreta de forma torta, e como ele mesmo entende de forma torta suas interpretações e tenta convencer os outros, e alguns nos posts acima até mesmo com espuma na boca.... se você abstrai tudo e todos a ponto de distorcer os significados com sua liberdade de expressão - não há liberdade de expressão nas ciências naturais! há formulações exatas e seus significados exatos... não conhecimento pseudocientífico... não o conhecimento pseudocientífico, que você promove aqui devido à sua ignorância dos fundamentos básicos (e tenta apresentá-lo como argumentos)_

você cria esses modelos (curvas) sem saber o que colocar na saída (o que você quer saber) como resultado da modelagem... Em quais fatores você está interessado nessa dependência?

Tudo é muito subjetivo neste tópico, portanto, é impossível chegar à objetividade (que é o verdadeiro e principal objetivo da modelagem).

 
JeeyCi #:

Esses não são sinais - são a dinâmica do desenvolvimento de um processo ao longo do tempo - uma série dinâmica ...

e as dependências são estudadas como séries estacionárias....

(mas o tempo também pode ser chamado de sinal - exógeno, o fator tempo acrescenta dinâmica).

você não obteve nem miau nem cabelo na entrada, mas obteve suavização da trajetória - a rede neural não se importa com o que você aproxima - apenas a dinâmica sempre mostra o resultado com uma defasagem - exatamente porque ela precisa do fator tempo como uma janela para coletar uma amostra e estimar a taxa de alteração da variável dependente a partir do tempo ... MAS a dependência (do tempo) deve estar lá para analisar a dinâmica (é ela que você coloca no modelo que descreve - se você chamar as coisas pelos seus nomes "qual é o fator e o que você quer saber/avaliar" no modelo - haverá menos rabiscos de (não) compreensão mútua no fórum)...

equação linear - mostra a velocidade (tangente em um ponto da curva da trajetória), a quadrática (parábola) também mostrará a aceleração... e a convergência de (f-a)^2 será avaliada no tempo e mostrará o resultado em um segmento finito dessa janela de tempo - a MLE (estimativa de máxima verossimilhança) sempre funciona da mesma forma, pelo menos ao aproximar a estática, pelo menos ao equalizar a dinâmica

a menos que você pense sobre o que está analisando - um fator (qualitativo/quantitativo) ou sua dinâmica (+ fator de tempo) - não é possível distinguir dependências e padrões de desenvolvimento - e, portanto, você não entende o que está analisando e se é o que realmente precisa e o que depende do quê... e limitações do tipo de análise - análises de dinâmica SEMPRE mostram resultados com defasagem

argumentos realmente cansativos sobre quem olha para o que de forma torta e vê o que de forma torta e interpreta de forma torta, e como ele mesmo entende de forma torta suas interpretações e tenta convencer os outros, e alguns nos posts acima até mesmo com espuma na boca.... se você abstrai tudo e todos a ponto de distorcer os significados com sua liberdade de expressão - não há liberdade de expressão nas ciências naturais! existem formulações exatas e seus significados exatos... não conhecimento pseudocientífico... não o conhecimento pseudocientífico, que você está promovendo aqui devido à sua ignorância dos fundamentos básicos (e tentando apresentá-lo como um argumento)_

você cria esses modelos (curvas) - sem saber o que colocar no resultado (o que você quer saber) como resultado da modelagem ... e em quais fatores você está interessado nessa dependência

Tudo é muito subjetivo neste tópico, portanto, é impossível chegar à objetividade (que é o verdadeiro e principal objetivo da modelagem).

Obrigado por sua resposta detalhada.

 
Alguém já experimentou os exemplos dos artigos de RL neste site? Aprendizado de Q, crítica de ator.
Funciona ou não?
 
Ivan Butko #:

São possíveis sinais indiretos? Por exemplo, cães e gatos brigam com frequência, mas é mais provável que os cães persigam os gatos. Temos dois objetos e seus movimentos. A tarefa: determinar qual deles é um gato e qual é um cachorro, tendo verificado uma vez por meio de dados factuais e, nas vezes seguintes, determinar independentemente quem é quem. Sabemos com certeza que um deles é um gato e o outro é um cachorro, mas não podemos ver sua silhueta nem ouvi-los, nem mesmo podemos ver seus traços, apenas a coordenada do movimento. Alimentamos a rede neural com o movimento de objetos para frente e para trás (COMPRA-VENDA). No processo de "pensamento" e multiplicação de pesos, a rede neural nos classificou que um objeto está sempre correndo à frente e o outro atrás dele (MA_5[0] > MA_10[0]) e fez uma suposição: o cão está se movendo à frente agora? Verificou isso com os dados reais, obteve a resposta (NÃO), corrigiu os dados, presumiu que era um gato, verificou - (SIM). Agora a rede neural sabe como determinar quem é um gato e quem é um cachorro pela luta e pelo movimento dos objetos. Ao mesmo tempo, ela não recebeu patas, pedaços de pelo, dentes, latidos ou miados.

Ou seja, parece que a rede neural pode ser alimentada com muitas coisas e encontrará algo e o encontrará de tal forma(Hercule Poirot) que dará a resposta necessária. Ou seja, o recurso, nesse caso, não representa informações parciais sobre o objeto que está sendo classificado, mas uma solução é possível.

É possível, mas, para começar, você deveria pelo menos separar os gatos dos cachorros

Sobre o MAshki ser uma comparação ruim, você precisa entender claramente a diferença entre marcas de compra e venda. É por isso que se chama aprendizado com um professor. Ele não fará nada sem um professor. A rede neural apenas o ajudará a avaliar a exatidão de suas conclusões com base em novos dados.

Você vê como é simples. Basta olhar para a definição do que é aprender com um professor.
 
JeeyCi #:


realmente, discussões cansativas sobre quem olha para o que de forma torta e vê o que de forma torta e interpreta de forma torta, e como ele mesmo entende de forma torta suas interpretações e tenta convencer os outros, e alguns nos posts acima até mesmo com espuma na boca.... se você abstrai tudo e todos a ponto de distorcer os significados com sua liberdade de expressão - não há liberdade de expressão nas ciências naturais! existem formulações exatas e seus significados exatos... não conhecimento pseudocientífico... não o conhecimento pseudocientífico, que você promove aqui devido à sua ignorância dos fundamentos básicos (e tenta apresentá-lo como um argumento)_

você cria esses modelos (curvas) - sem saber o que colocar no resultado (o que você quer saber) como resultado da modelagem ... e em quais fatores você está interessado nessa dependência

Tudo é muito subjetivo neste tópico, portanto, é impossível chegar à objetividade (que é o verdadeiro e principal objetivo da modelagem).

Argumentos realmente cansativos em diferentes idiomas)))))) Seria bom sem emoções, com uma explicação literal e lúcida do entendimento.... mas, como sempre, é raro as pessoas entenderem que as pessoas são diferentes e entendem muitas semelhanças de forma diferente. ))))

Formulações precisas e terminologia exata não são possíveis na linha de frente de nenhum campo científico (no estágio de novas pesquisas), infelizmente. Por isso, as explicações sobre o entendimento de cada um neste tópico são cruciais para os resultados dos holivares)))))

 
Valeriy Yastremskiy #:

Argumentos realmente cansativos em diferentes idiomas)))))) Seria bom sem emoções, com uma explicação literal e lúcida do entendimento ... mas, como sempre, é raro as pessoas perceberem que as pessoas são diferentes e entendem muitas semelhanças de forma diferente.))))

Formulações precisas e terminologia exata não são possíveis na linha de frente de nenhum campo científico (no estágio de novas pesquisas), infelizmente, e é por isso que as explicações de seus entendimentos neste tópico são cruciais para os resultados dos holivares)))))

Não há avançado aqui, NÃO há conhecimento das ferramentas disponíveis. Um avançado pode ser formado após o domínio das ferramentas disponíveis e a tentativa de eliminar as deficiências identificadas nelas.


Formulações absolutamente precisas são possíveis em todos os casos quando os termos são suportados pelo código.


Por exemplo, rede neural é um termo generalizante sem conteúdo específico.

Uma rede neural no pacote nnet, por outro lado, tem um conteúdo absolutamente preciso.

Da mesma forma, o termo "capacidade preditiva do preditor", usado por mim e por alguns outros autores, também é um termo generalizante, mas "capacidade preditiva", entendida como a diferença entre as medianas de dois vetores obtidos pela divisão do preditor por classes, é absolutamente precisa.

 
Maxim Dmitrievsky #:
As características são o que é alimentado na entrada NS, e os rótulos de classe são alimentados na saída.

Um recurso deve representar informações parciais sobre o objeto que está sendo classificado, é isso que é um recurso. Uma insígnia, se preferir.

Do meu ponto de vista, desde que não seja definido o que exatamente está sendo classificado, todas essas 100 formas sofisticadas de ajuste terão o mesmo resultado

Os recursos são as causas reais entre o ruído (não os recursos de que precisamos) que estamos procurando, os rótulos de classe são os resultados de que precisamos, concordo com Sanych: o par alvo-preditores está relacionado e o par existe precisamente porque está relacionado.

E eles são difíceis de encontrar)

Os atributos são incrementos no tempo entre outros incrementos no tempo, ou em uma série, apenas em ordem, sem levar em conta o tempo. Os incrementos podem ser considerados tanto separadamente, em relação aos anteriores, quanto como uma figura, função ou padrão de incrementos consecutivos. Para encontrá-los, examinamos um gráfico, uma janela, mas, para diferentes recursos, precisamos de tamanhos diferentes dessa janela. A abordagem de Sanych é fazer isso em cada novo resultado de dados, enquanto a sua é apenas no que foi identificado como necessário.

Também precisamos de rótulos de classe/resultados, pelo que entendi, encontrar os corretos é uma tarefa separada.

Acho que entendi tudo corretamente))))?

 
Valeriy Yastremskiy #:

Os sinais são as causas reais entre o ruído (não os sinais de que precisamos) que estamos procurando, os rótulos de classe são os resultados de que precisamos. Concordo com Sanych: o par "alvo-preditores" está relacionado e o par existe precisamente porque está relacionado.

E eles são difíceis de encontrar)

Os atributos são incrementos no tempo entre outros incrementos no tempo, ou em uma série, apenas em ordem, sem levar em conta o tempo. Os incrementos podem ser considerados tanto separadamente, em relação aos anteriores, quanto como uma figura, função ou padrão de incrementos consecutivos. Para encontrá-los, exploramos um gráfico, uma janela, mas, para diferentes recursos, precisamos de tamanhos diferentes dessa janela. A abordagem de Sanych é que isso deve ser feito em cada novo resultado de dados, ou seja, somente naquele identificado como necessário.

Também precisamos de rótulos de classe/resultados, pelo que entendi, encontrar os corretos é uma tarefa separada.

Acho que entendi tudo corretamente)))))?

Precisamos definir objetos classificados com seus atributos. O que é uma negociação de compra ou venda e quais são seus atributos. Como eles se diferenciam.
 
СанСаныч Фоменко #:

Aqui não há vanguarda, NÃO há conhecimento das ferramentas disponíveis. A vanguarda pode ser formada após o domínio das ferramentas disponíveis e a tentativa de eliminar as deficiências identificadas nelas.


Uma redação absolutamente precisa é possível em todos os casos quando os termos são apoiados pelo código.


Por exemplo, rede neural é um termo generalizante sem conteúdo específico.

Mas a rede neural no pacote nnet tem um conteúdo absolutamente preciso.

Da mesma forma, o termo "capacidade preditiva do preditor", usado por mim e por alguns outros autores, também é um termo generalizante, mas "capacidade preditiva", entendida como a diferença entre as medianas de dois vetores obtidos pela divisão do preditor por classes, é absolutamente precisa.

Não vou discutir, concordo que tudo no código é absolutamente preciso.

É claro que o fato de não conhecer ou ter níveis diferentes de conhecimento das ferramentas não permite o entendimento total entre os participantes. Mas também os requisitos categóricos para estudá-las nem sempre são bons para o entendimento total. Além disso, o assunto da disputa/holivar pode ser definido com precisão suficiente.

 
Maxim Dmitrievsky #:
É necessário definir objetos classificados com seus atributos. O que é uma transação de compra ou venda e quais são seus atributos. Como eles diferem.

Os sinais das negociações são seus resultados, as propriedades das negociações ainda estão lá, mas os sinais para tomar uma decisão sobre as negociações são os incrementos e o tempo (não gosto do número de série).