Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3039

 
СанСаныч Фоменко #:

Nenhum problema pode ser resolvido pelo FF por definição. Ou há TANTO para melhorar em um por cento ou não há. Não é possível melhorar o lixo, não importa o quanto você vasculhe o lixo, o lixo continuará sendo lixo.

Portanto, as considerações iniciais sobre a relação entre o alvo e os preditores são iniciais . Além disso, é necessária uma avaliação quantitativa dessa relação e, além disso, não apenas uma avaliação da relação, mas uma avaliação quantitativa da capacidade dos preditores de prever valores futuros da variável-alvo (o professor). Não há espaço para FF nessa cadeia de raciocínio, portanto, é possível pegar/escolher um algoritmo de MO, dos quais existem centenas, e usá-los como caixas pretas, sem tentar "melhorar" nada em algoritmos específicos.

Além disso, as classes de FF são muito problemáticas - o cheiro de adaptação excessiva à história é muito forte.

Eu sabia que você não passaria pelo meu post. além disso, eu sabia que você falaria. infelizmente, você não percebe que o que está destacado em vermelho e negrito é FF.... Não entendo por que você é tão alérgico ao FF.

A propósito, é possível fazer muitas coisas úteis a partir do lixo - a reciclagem é chamada de reciclagem. vou dizer mais - a presença de "lixo" apenas permite que você ainda obtenha um lucro estável nos mercados, há exemplos até mesmo neste fórum.

 
Mikhail Mishanin #:

Raciocínio muito correto e competente, contraditório, é claro - "... não na construção de CTs sustentáveis", apenas na tecnologia de construção/seleção/evolução de CTs sustentáveis e lucrativas e na luta por elas.

É como ir a uma loja para comprar roupas, mas você não tem ideias estáveis sobre o que gostaria, em que estilo, para que estação e, como resultado, a coisa não será usada e seu dinheiro será desperdiçado.

 
СанСаныч Фоменко #:

Você tem uma coluna chamada erro de classificação, agora a classificação é irrelevante.

Se você não imprimir o erro de classificação na tela, como saberá que ele é irrelevante? Imprima qualquer coisa que seja interessante.
Imprima e mostre que até mesmo 9% podem ser aleatórios e 10% já se fundem. Isso é interessante. Aqui está um para você com 20%.

Seu gráfico, pelo que entendi, não veremos.

 
Andrey Dik #:

Eu sabia que você não passaria pela minha mensagem. na verdade, eu sabia que você falaria. infelizmente, você não percebe que o que está destacado em vermelho e negrito é FF..... Não entendo por que você é tão alérgico ao FF.

A propósito, é possível fazer muitas coisas úteis a partir do lixo - a reciclagem é chamada de reciclagem. vou dizer mais - a presença de "lixo" apenas permite que você ainda obtenha um lucro estável nos mercados, há exemplos até mesmo neste fórum.

Em uma postagem anterior, você escreveu

"O problema é que, até agora, ninguém conseguiu encontrar essas regras para o FF (eu não vi, pelo menos)."

A tarefa é realmente difícil e impossível em modelos MO prontos para uso: ter o modelo MO como uma caixa preta, procurar algo no poder preditivo dos preditores, tendo o equilíbrio como objetivo.

Uma tarefa extremamente difícil.

E desnecessária.

Nós a resolvemos passo a passo, que é o que eu faço na prática: resolvo o problema de estimar a capacidade preditiva dos preditores, depois ajusto o modelo como uma caixa preta e, em seguida, trabalho com os resultados do ajuste. A partir de hoje, já no nível de teste de EA, descobri que meu professor é um pouco estranho. Preciso trabalhar com o professor (variável-alvo).

Mas o principal em meu esquema é que um problema já muito complexo, que é ainda mais complicado pela tentativa de construir um FF, é dividido em estágios independentes e o problema se torna observável.

 
Forester #:

Se você não imprimir o erro de classificação na tela, como saberá que ele não importa? Imprima qualquer coisa que seja interessante.
Imprimiu e mostrou que até mesmo 9% pode ser aleatório e 10% já é um dreno. Isso é interessante. Aqui está um com 20%, por exemplo.

Seu gráfico, pelo que entendi, não veremos.

Tudo o que você escreveu não faz sentido para mim.

Um erro de classificação (como foi calculado?) de 10% é um sinal claro de treinamento excessivo. Para refutar o treinamento excessivo, você precisa de um erro de classificação no conjunto de treinamento e "fora da amostra" - eles devem ser aproximadamente iguais.

Tenho um Expert Advisor bastante funcional com um erro de classificação ligeiramente abaixo de 20%. Ao mesmo tempo, a porcentagem de negociações perdidas no testador é de pouco mais de 20%.

Gostaria de ver números consistentes sobre a classificação, o que comprovaria a ausência de treinamento excessivo, além de entender como o equilíbrio é obtido a partir da classificação.

 
СанСаныч Фоменко #:

No início do dia, você escreveu

"O problema é que ninguém ainda conseguiu encontrar essas regras para o FF (eu não vi nenhuma, pelo menos)."

A tarefa é realmente difícil e inviável em modelos de IO prontos para uso: ter o modelo de IO como uma caixa preta, procurando algo no poder preditivo dos preditores, tendo o equilíbrio como objetivo.

Tarefa insanamente difícil.

E desnecessária.

Nós a resolvemos passo a passo, que é o que eu faço na prática: resolvo o problema de estimar a capacidade preditiva dos preditores, depois ajusto o modelo como uma caixa preta e, em seguida, trabalho com os resultados do ajuste. A partir de hoje, já no nível de teste de EA, descobri que meu professor é um pouco estranho. Preciso trabalhar com o professor (variável-alvo).

Mas o principal nesse esquema é que um problema já muito complexo, que é ainda mais complicado pela tentativa de construir um FF, é dividido em estágios independentes e o problema se torna observável.

A parte em negrito é que você SEMPRE usa algumas funções de aptidão. avaliação da capacidade preditiva - critérios de bondade (estabilidade), ajuste - critério de identidade, trabalho com resultados - avaliação por algumas métricas e seleção. ou seja, em qualquer estágio, onde quer que façamos qualquer coisa, há uma FF como uma descrição avaliativa do que queremos obter como resultado. Você dividiu a avaliação integral geral em pequenas avaliações diferenciais, mas a essência não mudou, você ainda usa FFs em seu trabalho.

 

De quem é a culpa se você comprou uma jaqueta de má qualidade? - O fabricante? - O vendedor? - A ovelha? - Você pode ir até os átomos que compõem a jaqueta, mas ela não melhorará e você não entenderá por que a jaqueta é uma porcaria. A culpa é dos seus critérios de avaliação de uma jaqueta ao comprá-la - FF.

Se nenhuma jaqueta se encaixa no FF, então ou essa jaqueta não existe e você não precisa comprar nada, ou precisa mudar o FF)))

 
Andrey Dik #:

De quem é a culpa se você comprou uma jaqueta de má qualidade? - O fabricante? - O vendedor? - A ovelha? - Você pode ir até os átomos que compõem a jaqueta, mas ela não melhorará e você não entenderá por que a jaqueta é uma porcaria. A culpa é dos seus critérios de avaliação de uma jaqueta ao comprá-la - FF.

Se nenhuma jaqueta se encaixa no FF, então ou essa jaqueta não existe e você não precisa comprar nada, ou precisa mudar o FF)))

E você pode fazer uma jaqueta: ajuste as mangas para os diferentes comprimentos de braços, encaixe a corcunda com precisão e faça um belo jogo de nervos na frente. E haverá uma jaqueta. Essa é a diferença em nossas abordagens. Viva os alfaiates!

 
СанСаныч Фоменко #:

Ou você pode fazer uma jaqueta: ajuste as mangas de acordo com os diferentes comprimentos dos braços, encaixe com precisão a corcunda e realce a protuberância de nervos na frente. E você terá uma jaqueta. Essa é a diferença em nossas abordagens. Viva os alfaiates!

Um alfaiate também não ajudará se a pessoa não souber o que precisa. Uma jaqueta feita de borracha servirá perfeitamente, mas fará sua barriga suar, tudo porque o cliente não sabe o que quer.
 
СанСаныч Фоменко #:

Erro de classificação (como foi calculado?)

Há alguma opção? ))))