Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3174
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
Ele está conectado, porque você estabeleceu os parâmetros anteriormente, com base em seu conhecimento ou preferências. Inicialmente, você sabe como obter uma curva melhor, por meio de quais parâmetros. Além disso, você poderia ter negociado antes em um histórico anterior e, com base nessa experiência, construir um ts em um novo histórico. A profundidade dessa terapia gestalt pode ser enorme :)
Estou familiarizado com esse efeito de retreinamento do cérebro. Nesse caso, o TS foi escrito cronologicamente antes deste.
Fórum sobre negociação, sistemas de negociação automatizados e teste de estratégias de negociação
Aprendizado de máquina na negociação: teoria, modelos, prática e algo-trading
fxsaber, 2023.08.17 07:38
O gráfico mostra três anos de negociações diárias.
De qualquer forma, agradeço suas considerações.
Não entendo a necessidade de dividir em trem/teste/exame.
Por favor, esclareça qual é o objetivo desses intervalos?
No momento, estou imaginando um esquema como esse neles.
O primeiro ponto parece estranho. A la "teste avançado" no testador. É melhor do que apenas a otimização sem filtragem, mas em um intervalo combinado: treinamento + teste?
Eu não pratico esse tipo de autoengano. Essa é a única maneira de fazer isso.
Você está fazendo a mesma coisa que eu descrevi, releia com mais atenção.
Fórum sobre negociação, sistemas de negociação automatizados e teste de estratégias de negociação
Aprendizado de máquina na negociação: teoria, modelos, prática e algo-trading
mytarmailS, 2023.08.16 13:23
Imagine que você tenha apenas 1.000 variantes de TS, em geral.
Suas etapas 1 e 2
1) Você começa a otimizar/pesquisar uma boa TS, isto é, dados de treinamento (ajuste/pesquisa/otimização).
Digamos que você tenha encontrado 300 variantes em que o TC ganha dinheiro...
2) Agora, você está procurando um TC dentre essas 300 variantes que passará no OOS são os dados de teste. Você encontrou, digamos, 10 TCs que ganham tanto na linha de base quanto no teste ( OOS ).
Eu não faço a segunda etapa.
Eu não faço a segunda etapa.
Sua segunda etapa que você "não faz" ))
Qual é a diferença?
1. Não entendi bem a pergunta. O OOS esquerdo é de um ano. Ele deve ser ampliado para o passado?
2. Presumo que uma indicação de que não há erros no código é que o código faz exatamente o que foi planejado antes da programação. Nesse sentido, está tudo bem.
E, no caso geral, um TC com erros no código ainda é um TC. Apenas não é exatamente o que o autor pretendia originalmente.
1. Sim.
2. Sim.
Se uma ameixa acentuada estiver sempre logo após o treinamento, então negocie para trás e pronto (mas esse é um cenário muito estranho e é difícil explicar os motivos). Mas, é claro, é provável que a ameixa imediatamente após o treinamento nem sempre aconteça (por acaso), então isso indica uma capacidade de previsão fraca do modelo.
Declarações altamente categóricas sem um mínimo de dúvida. Fiz uma postagem sobre o assunto da localização do OOC.
Não é a primeira vez que me deparo com a aversão ao testador. Não sei o que há de errado com o triturador de números.
Não entendo como se pode olhar para frente ao otimizar.
Sobre a metodologia. Não entendo a necessidade de dividir em treinamento/teste/exame. Afirmar, mesmo com o estudo estatístico mais favorável, que o TC NÃO está com excesso de treinamento parece ser uma crença muito própria.
O máximo que consigo obter em uma conclusão é "é provável que o TC tenha encontrado algum padrão que estava presente algum tempo antes e depois do intervalo de treinamento". Ao mesmo tempo, não há garantia de que esse padrão já não tenha se rompido."
Minha alta categorização baseia-se na abordagem descrita, que é padrão no MO. Ainda não mencionei a validação cruzada para a descrição. Essa é a abordagem profissional para a análise de mercados em IO.
O que você descreve é um nível amador, nível TA, em que é impossível justificar as conclusões com estatísticas. Por isso, as estatísticas são substituídas pelo testador, que em sua base NÃO está relacionado às estatísticas.
Se você entender isso, poderá e deverá usar um testador SOMENTE após cálculos preliminares, cujas conclusões são baseadas em estatísticas.
É por isso que a abordagem que descrevi, de preparar os dados brutos, vai além do testador e é DEFINITIVAMENTE uma garantia de treinamento excessivo e de olhar para frente. Compare os testes sequenciais e os testes com dados misturados.
O fato de você não entender como o OOS à esquerda pode ser uma consequência de olhar para frente NÃO significa que não seja. Observando a imagem, isso é altamente suspeito. Por exemplo, é bem provável que o algoritmo esteja procurando algo no futuro para o segmento OOS que forneça a mesma imagem bonita que o OOS. Assim que você passa para o futuro em relação ao segmento de teste, isso é uma chatice imediata.
Conclusão.
A imagem em que a ameixa está à direita do teste é uma evidência de excesso de treinamento e/ou de olhar para o futuro.
Separadamente, sobre o testador.
O testador tem um gráfico de otimização na forma de uma "superfície bidimensional".
Ele pode ser usado para monitorar o treinamento excessivo.
Se nessa superfície você puder identificar uma parte em que uma célula está cercada por outras células de aproximadamente a mesma cor, então essa célula central fornecerá os parâmetros do TC NÃO treinado em excesso. Essa posição corresponde ao fato de que o ótimo encontrado representa um platô.
No entanto, se a "superfície" se parecer com a pele de um leopardo, o TS não tem esperança, pois o testador encontrou um grande número de máximos, o que indica uma probabilidade extremamente baixa de atingi-los no futuro.
Umareferência para os fãs de modelos de mercado em geral.