Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3275
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
Por alguma razão, você acha que seu hobby é o mais fascinante.
Você está certo.
Cada um tem a sua opinião.
Mas eu também estou interessado em mim.
Mas por que eu pisaria no mesmo ancinho?
Sentirei o resultado positivo da pesquisa aqui e me juntarei de bom grado aos especialistas estabelecidos nesse campo.
Entretanto, os erros de pensamento são visíveis a olho nu.
E eu realmente quero que você siga na direção certa para alcançar o resultado esperado em um curto período de tempo.
sobre os anseios das estratégias
https://buildalpha.wordpress.com/2018/11/20/buildalpha-ensemble-strategies-reduce-overfitting-by-combining-strategies/
----------------------------------------
Portanto, tudo o que você precisa é de uma métrica de retreinamento de estratégia para saber se uma estratégia funcionará com novos dados ou não; todo o resto é solucionável....
----------------------------------------
Há uma ideia de adotar várias abordagens para detectar o treinamento excessivo, a minha é baseada em auto.arima, Prado "PBO". É possível fazer outra coisa, usar como preditores e ensinar o AMO a prever a probabilidade de treinamento excessivo e transformá-la em uma métrica.
Como alternativa.
métrica de retreinamento de estratégia para saber se uma estratégia funcionará com novos dados ou não.
outra variante da palavra graal? :-) "para saber se ela funcionará no futuro"
outra variante da formulação da palavra graal? :-) "para saber se funcionará no futuro"
Não sou preciso, precisamos de uma probabilidade honesta, por exemplo - funcionará com novos dados com 69% de probabilidade.
sobre p-hacking e estratégias
https://mathinvestor.org/2019/04/p-hacking-and-backtest-overfitting/
Se me permite, gostaria de contribuir com esse tópico tão interessante e importante.
O aprendizado de máquina , ML, é uma classe de métodos de inteligência artificial, cuja característica não é a solução direta de um problema, mas o aprendizado por meio da aplicação de soluções a um conjunto de problemas semelhantes. Para criar esses métodos, são usadas ferramentas de estatística matemática, métodos numéricos, análise matemática, métodos de otimização, teoria da probabilidade, teoria dos gráficos e várias técnicas para trabalhar com dados em formato digital.
P.Z.
P.Z.
o mais importante aqui é não escrever muitas palavras, já estou tão cansado de pesquisar que uma ou duas frases não serão lidas
sobre p-hacking e estratégias
https://mathinvestor.org/2019/04/p-hacking-and-backtest-overfitting/
Portanto, a otimização ou o aprendizado da estratégia deve ser mais ou menos assim:
onde a pontuação média é o análogo do resultado ao usar a validação cruzada
Portanto, a otimização de uma estratégia ou treinamento deve ser mais ou menos assim:
onde a pontuação média é o análogo do resultado ao usar a validação cruzada