Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3145
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
Adicionando. Em branco, o tempo é praticamente um recurso nulo
Entendo isso, você também poderia pesquisar sobre a floresta causal. A propósito, eu não a estudei, mas se alguém a descobrir, seria interessante ler sobre experimentos com ela
Não. Meu objetivo são os desvios da "capacidade de previsão". Nada tem a ver com a estimativa do modelo em si
Não. Meu comentário é sobre desvios na "capacidade de previsão". Não tem nada a ver com a avaliação do modelo em si
No decorrer de um experimento semelhante de seleção de recursos informativos, tentei todas as formas. Não é difícil. Começando com correlação, informações mútuas e knn, passando por OLS e SVM até floresta, bousting e redes neurais (não toquei nas profundas). O melhor resultado foi obtido por meio de bousting. O OLS está em segundo lugar.
Não. Meu comentário é sobre desvios na "capacidade de previsão". Nada a ver com a avaliação do modelo em si
É possível que os parâmetros do modelo saltem muito de etapa para etapa? Ou seja, apesar da boa "capacidade de previsão" em cada etapa, a dependência desejada é organizada de forma muito diferente e está mudando constantemente. Nesse caso, isso pode muito bem ser uma forma de treinamento excessivo.
Entendo que você também poderia pesquisar sobre a floresta causal. A propósito, eu não a estudei, mas se alguém a entende, seria interessante ler sobre experimentos com ela
Parece ser a mesma floresta aleatória, mas com uma interpretação causal. Portanto, você, como um popularizador entre nós de florestas e agora de florestas causais, tem as cartas em suas mãos).
Ainda assim, não entendo a aplicação do causal para negociação. Uma rápida pesquisa no Google não ajudou a encontrar aplicações diretas, apenas indiretas - como estudar a influência das ações no Forex.
Parece ser a mesma floresta aleatória, mas com uma interpretação causal. Portanto, você, como divulgador de florestas e interpretação causal entre nós, tem as cartas nas mãos).
Ainda assim, não entendo a aplicação do causal para negociação. Uma rápida pesquisa no Google não ajudou a encontrar aplicações diretas, apenas indiretas - como estudar a influência das ações no Forex.
É possível que, de uma etapa para outra, os parâmetros do modelo saltem muito? Ou seja, apesar da boa "previsibilidade" em cada etapa, a dependência desejada é organizada de forma muito diferente e está mudando constantemente. Nesse caso, isso pode muito bem ser um tipo de treinamento excessivo.
No meu caso, é impossível responder à sua pergunta: o modelo está sendo retreinado a cada etapa e, naturalmente, o conjunto de recursos pode ser diferente em etapas diferentes.
O erro de classificação varia de 20% a 10%. Nunca aconteceu um erro de 25%.
No decorrer de um experimento semelhante de seleção de recursos informativos, tentei todas as formas. Não é difícil. Começando com correlação, informações mútuas e knn, passando por OLS e SVM até floresta, bousting e redes neurais (não toquei nas profundas). O melhor resultado foi obtido por meio de bousting. O OLS está em segundo lugar.
Nenhum dos algoritmos acima NÃO oferece poder preditivo, nem centenas de algoritmos de MO que calculam estupidamente a importância, o que mostra a frequência com que o algoritmo usa um recurso: Se um algoritmo de MO for alimentado com lixo, qualquer algoritmo de MO calculará a importância desse lixo.
Nenhum dos algoritmos acima fornece poder preditivo, nem centenas de algoritmos de MO que calculam estupidamente a importância, o que mostra a frequência com que um recurso é usado pelo algoritmo: Se você colocar lixo em um algoritmo de MO, qualquer algoritmo de MO calculará a importância desse lixo.