Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3103
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
Eu quis dizer se existe essa abordagem na ciência oficial, pois já ouvi exatamente os mesmos pensamentos sobre a comparação com o SB
Gostaria de saber se há alguma técnica estabelecida.
Aqui está um esboço.
À esquerda, um gráfico real do euro m5
à direita, os ticks do SB (soma cumulativa) convertidos para m5
Visualmente, os gráficos são semelhantes))
A heterocedasticidade é modelada em econometria e em todos os tipos de estatísticas aplicadas. Existem muitos testes. O R deve ter todos eles. O problema é que eles fornecem uma estimativa do passado e não é certo que ela seja adequada para o momento atual.
À loucura dos corajosos :)
É nesse ponto que está o desenvolvimento de toda a humanidade.
Se houver um entendimento dos motivos pelos quais um modelo não funciona, treinado por métodos padrão, então precisamos procurar uma solução para o problema. Que ela não seja perfeita, mas que permita aplicar o modelo no mercado com maior confiança e probabilidade de sucesso. Então, já com a renda para estudar mais o problema e aprimorá-lo.
Se considerarmos a neurônica, então talvez seja possível dividir a amostra em bachs e aumentar o número de bachs (áreas de mudança na distribuição de probabilidade) com o objetivo de que contribuam igualmente para o processo de aprendizagem. Com árvores, é mais difícil, embora o CatBoost use bachs semelhantes em amostras grandes, mas não é possível controlar ou gerenciar. Embora. houvesse uma tecnologia para aprendizado contínuo - não a experimentei.... Você já experimentou?
Visualmente, os gráficos são semelhantes).
A heterocedasticidade é modelada em econometria e em todos os tipos de estatísticas aplicadas. Há muitos testes inventados lá. O R deve ter todos eles. O problema é que eles fornecem uma estimativa do passado e não há certeza de que ela seja adequada para o momento atual.
Não vejo isso da mesma forma que vejo o uso do SB.
Por exemplo, se eu encontrar um padrão complexo no mercado, posso gerar um SB e ver se ele está lá.
Se não estiver no SB, isso é bom, pois encontrei uma propriedade que é inerente apenas ao mercado.
E se houver um padrão no SB, isso é ruim? Não sei, é ruim que haja um padrão em ambos?
Bem, eu gostaria de ler pessoas inteligentes que já fizeram essa pergunta.
É nesse ponto que se encontra o desenvolvimento de toda a humanidade.
Se houver um entendimento dos motivos pelos quais o modelo não funciona, treinado por métodos padrão, é necessário procurar uma solução para o problema. Mesmo que não seja a ideal, mas que permita aplicar o modelo no mercado com maior confiança e probabilidade de sucesso. Em seguida, com a renda para se dedicar a um estudo mais aprofundado do problema e ao aprimoramento.
Se considerarmos a neurônica, então talvez seja possível dividir a amostra em bachs e aumentar o número de bachs (áreas de mudança na distribuição de probabilidade) com o objetivo de que contribuam igualmente para o processo de aprendizado. Com árvores, é mais difícil, embora o CatBoost use bachs semelhantes em amostras grandes, mas não é possível controlar ou gerenciar. Embora. houvesse uma tecnologia para aprendizado contínuo - não a experimentei.... Você já experimentou?
Fiz variantes com pré-aprendizagem, mas não funcionou dessa forma. No bousting, os pesos das iterações anteriores não mudam durante a modelagem, como nos neurônios, apenas em cima deles. Essa é uma desvantagem.
Também fiz neurônios de todas as arquiteturas, incluindo codificadores-decodificadores para gerar dados sintéticos. Isso também não é muito necessário no foreach.Não vejo isso da mesma forma que vejo o uso do SB.
Por exemplo, se eu tiver encontrado algum padrão complexo no mercado, posso gerar o SB e verificar se ele está lá.
Se não estiver lá, então é bom, pois encontrei uma propriedade que é inerente apenas ao mercado.
E se estiver no SB, isso é ruim? Não sei, é ruim que o padrão esteja lá e lá?
Bem, eu gostaria de ler pessoas inteligentes que já fizeram essa pergunta.
Bem, é uma espécie de truque padrão de cavalheiro para um trader-testador. Você encontra um padrão no mercado. Em seguida, verifica-o em uma cotação baseada no SB. Se a previsão no SB for 50/50, então você pode confiar mais ou menos no teste. Se a porcentagem de previsão for praticamente a mesma, então você procura onde há uma visão do futuro. Se não houver nenhuma, então você procura uma visão astuta do futuro. Se não houver, você procurará uma visão muito inteligente do futuro. Algo parecido com isso.
Bem, é um tipo de truque padrão de cavalheiro para um operador de teste.
Para a loucura dos corajosos :)
Grinaldas com desconto :).
Já terminamos com o PBO?
Você já falou o suficiente e se esqueceu?
O PBO está pronto?
Você já falou o suficiente e se esqueceu?
Não esquecido, mas descartado.
Você deve sempre testar em dois arquivos.
O primeiro é dividido em três partes por amostra: 70%, 15%, 15%. Na primeira, aprenda com a verificação cruzada com no mínimo 5 dobras e uma dobra suficientemente grande. Para RF, é 1500. Em seguida, executamos a segunda e a terceira amostra e, depois, o segundo arquivo, que está "como está". Os erros de classificação em todas as amostras devem ser praticamente iguais.
O que o RFO acrescentará a isso?O que o RHE oferecerá além disso?
O que ele faz está escrito no artigo