Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3092

 
mytarmailS #:

Você sabe, lucros e perdas, certo?

Portanto, recebemos retornos desses estados quando a posição está aberta.

Sim.

mytarmailS #:

Em vez de diferentes configurações de TS, vou apenas negociar em diferentes seções, acho que isso pode ser equiparado.

Não tenho certeza.

E, em geral, leia o artigo para entender o que está fazendo, pois há limitações. Por exemplo, é necessário fornecer configurações obviamente bem-sucedidas, não de -1000000 a +1000000. Se você fornecer tudo em uma linha, a média de OOS estará na parte inferior e não fará sentido comparar com ela. Um intervalo muito estreito de 0,95...,0,98 também é ruim do ponto de vista do DR - os resultados serão muito próximos.

 
Forester #:

sim

Não tenho certeza.

E, em geral, leia o artigo para entender o que está fazendo, pois há limitações. Por exemplo, é necessário fornecer configurações obviamente bem-sucedidas, não de -1000000 a +1000000. Se você fornecer tudo em uma linha, a média de OOS estará na parte inferior e não fará sentido comparar com ela. Um intervalo muito estreito de 0,95...,0,98 também é ruim - os resultados serão muito próximos.

Entendo que você deve enviar um TS lucrativo e não qualquer coisa....


Já descrevi o algoritmo para testar isso, mas há apenas uma nuance com as métricas


Devo otimizar todas as 4 + 1 métricas?

 p_bo      slope       ar^2     p_loss 
 0.1666667  2.1796000 -0.2100000  0.1670000 
+

прибыль


Ou somente

 p_bp  + прибыль


 
Mas não entendo como eles fazem a validação cruzada sem treinamento. Eles simplesmente alimentam um conjunto pronto de retornos e depois o misturam em 12.000 variantes. Ele deve ser treinado em cada uma das 12.000 IS e previsto em cada OOS correspondente.
 
mytarmailS #:

Entendo que você precisa registrar um TC lucrativo e não qualquer coisa.


Já descrevi o algoritmo para testar isso, mas há apenas uma nuance nas métricas.


Preciso otimizar todas as 4 + 1 métricas


Ou apenas


Não sei. Acho que qualquer um deles.
 
Forester #:
Mas não entendo como eles fazem a validação cruzada sem treinamento. Eles simplesmente alimentam um conjunto pronto de retornos e, em seguida, misturam-no em 12.000 variantes. Ele deve ser treinado em cada uma das 12.000 IS e previsto em cada OOS correspondente.

É assim que ele é treinado.

Talvez seja hora de dar uma olhada no pacote.

 
mytarmailS #:

É assim que é ensinado.

Onde estão os hiperparâmetros da floresta/NS? Não há, portanto, não há treinamento. Os preditores também não são alimentados.
Acho que ele está apenas avaliando a estabilidade das previsões do modelo externo.
 
Forester #:
Onde estão os hiperparâmetros da floresta/NS? Não - portanto, não está treinando. Os preditores também não são alimentados.
Acho que ele apenas avalia a estabilidade das previsões do modelo externo.

Estima a estabilidade por meio de regressão linear, pelo que entendi.

Há algo no documento sobre florestas/NS?
 

Não estou entendendo um pouco sobre a competição. Profsreda, não profsreda, há uma tarefa, e a discussão sobre a correção da tarefa é mais relevante e, se correta, por que não?

Respeito as opiniões de todos os participantes do holivar, mas tenho outra))))))

Sem parâmetros externos ou outros parâmetros, tudo é muito complicado, ou melhor, próximo a uma máquina de movimento perpétuo))))) Mas com parâmetros externos o mesmo grande problema)

O retorno à média é o mais fácil de entender e eterno, aparentemente, e está claro que em tf pequenos os erros são menores, mas os ticks do Sabre também geram cisnes negros)))))

 
mytarmailS #:

estima a estabilidade por meio de regressão linear, pelo que entendi

Há algo no artigo sobre florestas/NS?

Ou talvez seja simples? Como o Rattle?

Pegamos dois arquivos, o primeiro é grande, o segundo pode ser menor, mas com as datas mais recentes em relação ao primeiro.

Dividimos o primeiro arquivo por amostragem aleatória em três partes: treinamento, teste e validação, na proporção de 70/15/15.

No treinamento, ensinamos com validação cruzada, por exemplo, com 5 dobras. Se uma dobra tiver no mínimo 1.500 barras, então o treinamento = 7.500 barras. Em um círculo, 15.000 barras para dois arquivos de origem serão suficientes.

Executamos o modelo treinado no teste e na validação e obtemos um erro de classificação em cada um deles .

Em seguida, executamos a janela de 1500 barras no segundo arquivo. Coletamos o erro de classificação.

Se TODOS os erros de classificação obtidos estiverem dentro do canal de 5%, então está tudo bem: podemos confiar no erro de classificação obtido e não há necessidade de retreinamento.

 
СанСаныч Фоменко #:

Que tal mantermos as coisas simples?

Vamos ver.


Primeiro, você deve tentar executar o algoritmo e testá-lo. Se não funcionar, jogue-o fora e esqueça-o... 99%.

Se funcionar, você poderá se aprofundar no artigo, no método, tentar melhorar/mudar/substituir 1%.