Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 179
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
Você está falando de análise de componentes PCA ou algo mais? Não me lembro de todos os exemplos que coloquei aqui :)
Se estás a falar de PCA, não podes fazer um doce com o lixo de qualquer maneira. Você tem que ter bons preditores misturados com maus, então o PCA pode tirar os maus dos bons.
Você subestima os resultados positivos da sua experiência. Não há grãos. Mas existe uma ferramenta abrangente para combater males como o sobretreinamento.
O primeiro passo é remover o lixo - que é o que tem um impacto decisivo no sobretreinamento. E, neste primeiro passo, o PCA é muito útil. Após esta etapa, os preditores relevantes para a variável alvo permanecerão, e toda a fantasia desaparecerá. Mas não superestime a importância deste passo - é o primeiro passo. Depois disso, os próximos passos são necessários:
E as suas experiências com o rfa vão revelar-se extremamente úteis.
PS.
Note que eu me mantive deliberadamente em silêncio sobre trabalhar com os próprios modelos.
Você subestima os resultados positivos da sua experiência. Não há grãos. Existe uma ferramenta abrangente para combater o flagelo do sobretreinamento.
O primeiro passo é eliminar o lixo - que é o que tem um impacto decisivo na reconversão profissional. E, neste primeiro passo, o PCA é muito útil. Após esta etapa, os preditores relevantes para a variável alvo permanecerão, e toda a fantasia desaparecerá. Mas não superestime a importância deste passo - é o primeiro passo. Depois disso, os próximos passos são necessários:
E as suas experiências com o rfa vão revelar-se extremamente úteis.
PS.
Note que me mantive deliberadamente em silêncio sobre o trabalho com os próprios modelos.
Você subestima os resultados positivos da sua experiência. Não há grãos. Existe uma ferramenta abrangente para combater o flagelo do sobretreinamento.
O primeiro passo é eliminar o lixo - que é o que tem um impacto decisivo na reconversão profissional. E, neste primeiro passo, o PCA é muito útil. Após esta etapa, os preditores relevantes para a variável alvo permanecerão, e toda a fantasia desaparecerá. Mas não superestime a importância deste passo - é o primeiro passo. Depois disso, os próximos passos são necessários:
E as suas experiências com o rfa vão revelar-se extremamente úteis.
PS.
Note que me mantive deliberadamente em silêncio sobre o trabalho com os próprios modelos.
Retraining the model on every bar.... Isso significa que uma única barra afecta o modelo inteiro? Devido à importância de cada barra no treino, deixa claro a sua luta interminável com a reciclagem...
O modelo que estou a tentar actualizar agora - estou, sim, estou a aprender mais em cada novo bar. Para ser honesto, não vejo um grande impacto... Por vezes, para dezenas de barras seguidas, o modelo permanece o mesmo de antes (o mecanismo de protecção contra a sobreposição do modelo). Mas se algum banqueiro disser algo errado nas notícias, e o preço correr mal em algum lugar - há a esperança de que o modelo alcance todas as mudanças recentes dentro de um par de bares. Não faz muito sentido adaptar o modelo a cada barra, mas se existe uma maneira de reagir rapidamente às mudanças - é uma pena não usá-lo.
Você pode explicar mais sobre a PCA? Como se elimina o lixo de tal maneira?
Cerca de cem páginas atrás, Sannych postou um link para o artigo "Análise de componentes principais" neste tópico. Eu usei-o para fazer um código e introduzi-o aqui também. Você deve ler muitas páginas para encontrá-lo.
Eu também gostei deste artigo. Mas não tem R nem MQL, só contém excel. Mas explica mais claramente o princípio de funcionamento. h ttp://www.chemometrics.ru/materials/textbooks/pca.htm
Posso falar mais sobre a PCA? Como é que se peneiram o lixo de tal maneira?
Veja como funciona o método dos componentes principais.
Mas há também um comentário interessante do darkAlert que explica porque este método não funciona em algumas tarefas de aplicação. Eu cito:
"Você esqueceu de mencionar que o PCA (como outros métodos clássicos de redução de dados multivariados) só procura por dependências lineares..."
Quando aplicado à negociação, o método não é adequado devido ao fato de que as propriedades preditoras na forma de valores de índices e oscilos alimentados aos insumos são inerentemente não lineares.
^GSPC é retirado de http://finance.yahoo.com, eu acho que é confiável
UNRATE, PAYEMS, GDP are taken from FRED (provavelmente https://fred.stlouisfed.org/) , essa é a parte complicada, obrigado pelo aviso.
Prefiro usar o eurusd de hora em hora mais tarde.
*algum esfregou algo, foi uma resposta ao facto de todos aqueles índices governamentais por vezes recalcularem e mudarem os seus valores históricos.
Você pode, mas eu não vou dizer)))
A significância é calculada a partir do peso da desesperação. É isso mesmo. Seja para usar ou não,
se a redução dimensional é necessária, se você não acabar jogando o bebê fora com a água,
aplicar em abysmally ou pré-processamento... outra pergunta...
Não estou a fazer pré-processamento de uma forma muito mais simples com alguns dados apagados, o que eu acho que não é bom..... Porque é necessário alimentar cada sinal ao TC sem apagar. Há uma única idéia, que é trazer a variável de saída para a entrada. Tal, algum elemento de encaixe :-) MAS
se para levar em conta que a variável de saída é controlada pela quantidade de lucro do TC, então mudando este parâmetro, em qualquer caso, é possível saber qual a qualidade dos dados de entrada que temos. HM.... Deixe-me explicar. Há uma filosofia de seleção da variável de saída Um exemplo simples temos dois sinais:
O ganho do Blue é de 1 pip. Nas minhas condições de configuração diz para marcar com um os sinais com mais de 50 pips. Este azul será marcado como 0, embora o mercado tenha tendência a subir e este sinal azul possa ser marcado como 1. Ao ajustar o parâmetro de lucro, incluímos e excluímos outros no nosso conjunto de saída para obter a máxima capacidade de generalização..... Isto pode ser feito em uma faixa de menos 100 pips espalhados. Com o método da força bruta leva muito tempo, mesmo em incrementos de 10 deve funcionar pelo menos dez vezes...... De qualquer forma, a questão permanece em aberto.
Você pode elaborar sobre o PCA? Como se peneiram o lixo desta maneira?
Não só sou demasiado preguiçoso para encontrar uma ligação para ti neste tópico, como também não preciso de o fazer.
Se tiver a gentileza de navegar por este tópico. O PCA não peneira o lixo sem mais nem menos - há uma nuance nisso. Por isso faz sentido procurá-lo.
O modelo que estou a tentar actualizar agora - estou, sim, estou a aprender mais em cada novo bar. Para ser honesto, não vejo um grande impacto... Por vezes, para dezenas de barras seguidas, o modelo permanece o mesmo de antes (o mecanismo de protecção contra a sobreposição do modelo). Mas se algum banqueiro disser algo errado nas notícias, e o preço correr mal em algum lugar - há a esperança de que o modelo alcance todas as mudanças recentes dentro de um par de bares. Não faz sentido adaptar o modelo a cada barra, mas se existe uma forma de reagir rapidamente às mudanças, vamos usá-lo.
Tentei repetidas vezes insistir numa ideia que é óbvia para mim: não há nenhuma ferramenta que possa ser utilizada sem um pequeno erro de reconversão do modelo.
É preciso ir pelo grão: limpar o lixo óbvio, escalonar, talvez Voh-Soh, seleccionar preditores, apanhar um modelo..... e depois acontece que tudo tem de ser deitado fora, pois o alvo é apenas um total dud....
Na minha prática há literalmente 3-5% de erro em menos a cada passo. E se inicialmente o modelo deu um erro de mais de 40%, e foi requalificado, eu consegui mover o modelo não requalificado para 20%. Cerca de seis meses de trabalho.
OK, há algum especialista em MQLs aqui???? Já que estamos todos aqui :-)
Você pode me dizer como otimizar uma variável para que a outra chegue a 0 ???? Ou pelo menos perto de zero .....
Geralmente otimizando uma variável com base em outra variável....