Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3304

Novo comentário
 
MetaQuotes #:
O artigoModelos de classificação da biblioteca Scikit-learn e sua exportação para o ONNX foi publicado

Aqui está uma lista dos modelos suportados do próprio site

https://onnx.ai/sklearn-onnx/supported.html

Obrigado pelos exemplos prontos no artigo.

Supported scikit-learn Models#
  • onnx.ai
, # This version of the operator has been available since version 13. Absolute takes one input data (Tensor ) and produces one output data (Tensor ) where absolute value, y = abs(x), is applied to the tensor elementwise. T tensor(uint8), tensor(uint16), tensor(uint32), tensor(uint64), tensor(int8), tensor(int16), tensor(int32), tensor(int64...
 
Petros Shatakhtsyan #:


Naquela época, as corretoras ainda não coletavam valores de ticks. Eu mesmo fiz isso. Coletei ticks reais e os armazenei em arquivos em partes por cerca de 6 meses. Eu os apliquei no testador e obtive uma imagem completamente diferente.


Você tem sorte de ter decidido fazer um negócio sensato uma vez... agora as corretoras não coletam mais cotações de ticks, mas as pegam/fornecem de algum lugar; isso pode estar relacionado às atualizações do servidor MT.

Às vezes, é possível ver a olho nu - aqui estão os ticks novos, e aqui está uma besteira geral. E mesmo com minutos

na verdade, os arquivos de ticks reais, como realmente eram, vieram de um determinado DC - uma mercadoria muito cara. (mesmo com o sublinhado)

 
Petros Shatakhtsyan #:

Estou surpreso que você esteja surpreso.

Não posso explicar, é mais preciso. Uma coisa é escrever um scalper de ticks para os gerados, fazendo um graal. Outra é não ser um scalper de forma alguma, com fechamento por meio do SL, que foi definido antecipadamente. Nos ticks gerados, o SL é executado com slippage negativo. Mas ainda é um graal.
 
Maxim Kuznetsov #:

você tem sorte de ter decidido fazer um negócio sensato uma vez... agora as corretoras não coletam mais cotações de ticks, mas recebem/fornecem de outro lugar; isso pode estar relacionado às atualizações do servidor MT.

Às vezes, é possível ver a olho nu - aqui estão os ticks novos, e aqui está uma besteira geral. E mesmo com minutos

na verdade, os arquivos de ticks reais, como realmente eram, vieram de um determinado DC - uma mercadoria muito cara. (mesmo com o sublinhado)

Você está errado. Cada corretor coleta os ticks reais e, no testador do dia seguinte, você pode obter os ticks reais do dia anterior.

E exatamente esses ticks que, após a filtragem, são enviados pela corretora ao MT5. Você pode verificar isso no modo "Every tick based on real ticks" ou copiá-lo.

 

Um bom artigo sobre como fazer a representação BP adequada para redes neurais. As FFTs podem ser eliminadas, é claro. E mais comparações de modelos diferentes.

A diferença fundamental é que o pré-processamento é incorporado à arquitetura da rede. Mas ele pode ser feito separadamente.

O LSTM fica em segundo plano, porque não leva em conta as variações entre períodos.

O Bousting também está perto do final da classificação, com base em seus testes.
 
Maxim Dmitrievsky #:

Um bom artigo sobre como fazer a representação BP adequada para redes neurais. As FFTs podem ser eliminadas, é claro. E mais comparações de modelos diferentes.

A diferença fundamental é que o pré-processamento é incorporado à arquitetura da rede. Mas ele pode ser feito separadamente.

O LSTM fica em segundo plano, porque não leva em conta as variações entre períodos.

O Bousting também está perto da parte inferior da classificação, com base em seus testes.
O nível do texto é bastante alto, mas eles aplicam sua ciência a séries com multiperiodicidade, e essas claramente não são preços. Embora, é claro, os radioamadores locais possam argumentar)
 
Não faz muito tempo, no fórum, alguém deu o nome do efeito (ainda não o encontrei), por causa do qual as séries próximas a SB parecem ter um período. Esse efeito está associado a muitos momentos vergonhosos na ciência, quando, por meio de Fourier, foi "encontrada" a periodicidade nos processos, e os radioamadores nunca sobreviverão a isso no fórum.)
 
Alguém pode me explicar o problema dos testes múltiplos.
Por que, quanto mais iterações durante a otimização, mais aumenta a probabilidade de treinamento excessivo?


Não, eu entendo que quanto mais você pesquisar (iterações), maior será a probabilidade de encontrar algo aleatório que se pareça com algo que NÃO é aleatório.....

Mas se tivermos uma ideia e depois combinarmos os parâmetros com ela em 10 iterações em vez de 10.000, isso pode ser considerado um modelo não treinado?

Afinal de contas, a própria frase"tivemos uma ideia" também implica algum tipo de processo de pensamento (iterações).


Como o modelo final sabe se foram iterações do cérebro ou do computador e se há alguma diferença entre as duas?


A pergunta surgiu depois de ler o artigo de Prado

Pseudo-Mathematics and Financial Charlatanism: The Effects of Backtest Overfitting on Out-of-Sample Performance
  • papers.ssrn.com
We prove that high simulated performance is easily achievable after backtesting a relatively small number of alternative strategy configurations, a practice we
 
Aleksey Nikolayev #:
Não faz muito tempo, no fórum, alguém deu o nome do efeito (ainda não o encontrei), por causa do qual as séries próximas a SB parecem ter um período. Esse efeito está associado a muitos momentos vergonhosos na ciência, quando, por meio de Fourier, "descobriram" a periodicidade nos processos, e os radioamadores, por causa disso, nunca sobreviverão no fórum).

Como provar o contrário?

Na minha opinião, há eventos ligados ao tempo - a mesma notícia. Acho que se as dividirmos em três subamostras - esperada, pior, melhor e levarmos em conta o contexto, perceberemos um comportamento semelhante dos participantes do mercado.

Outra opção é a sazonalidade das mercadorias.

 
mytarmailS combinarmos os parâmetros com ela em 10 iterações em vez de 10.000, isso pode ser considerado um modelo não treinado?

Afinal de contas, a própria frase"tivemos uma ideia" também implica algum tipo de processo de pensamento (iterações).


Como o modelo final sabe se foram iterações do cérebro ou do computador e se há alguma diferença entre as duas?


A pergunta surgiu depois de ler o artigo de Prado

A superaprendizagem decorre da memorização de fenômenos raros. Esses fenômenos são isolados de forma puramente estatística, pois não há um modelo que descreva a causa e o efeito.

Dito isso, uma perda nem sempre significa que o modelo está supertreinado.

1...329732983299330033013302330333043305330633073308330933103311...3399
Novo comentário