Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3285
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
Continue quantificando 😵💫
Finalmente um bom conselho!
E aqui está o resultado - as duas últimas colunas
De fato, os resultados melhoraram. Podemos supor que, quanto maior a amostra, melhor será o resultado do treinamento.
É necessário tentar treinar com 1 e 2 partes da amostra de treinamento e, se os resultados não forem muito piores do que com 2 e 3 partes, então o fator de frescor da amostra pode ser considerado menos significativo do que o volume.
Bem, o treinamento foi concluído e os resultados estão abaixo na tabela, nas duas últimas colunas.
Podemos concluir provisoriamente que, de fato, o sucesso do treinamento depende do tamanho da amostra. No entanto, observo que os resultados da amostra "-1p1-2" são comparáveis, e até melhores segundo alguns critérios, com a amostra "-1p2-3", enquanto que para a amostra "0p1-2" os resultados são duas vezes piores em termos do número de modelos que atendem ao critério determinado.
Agora, executei uma amostra com cronologia invertida, em que a amostra de treinamento consiste na amostra inicial exame+teste+trein_p3, e a amostra de teste é train_p2, e o exame é train_p1. O objetivo é verificar se é possível criar um modelo bem-sucedido com dados mais recentes que teriam funcionado há 10 anos.
Qual você acha que será o resultado?
Bem, o treinamento terminou e os resultados estão abaixo na tabela, nas duas últimas colunas.
Podemos concluir provisoriamente que, de fato, o sucesso do treinamento depende do tamanho da amostra. No entanto, observo que os resultados da amostra "-1p1-2" são comparáveis, e até melhores segundo alguns critérios, com a amostra "-1p2-3", enquanto que para a amostra "0p1-2" os resultados são duas vezes piores em termos do número de modelos que atendem ao critério determinado.
Agora, executei uma amostra com cronologia invertida, em que a amostra de treinamento consiste na amostra inicial exame+teste+trein_p3, e a amostra de teste é train_p2, e o exame é train_p1. O objetivo é verificar se é possível criar um modelo bem-sucedido com dados mais recentes que teriam funcionado há 10 anos.
Qual você acha que será o resultado?
Um pouco mais e o resultado mais trivial será obtido... ou talvez não seja obtido, mas sim uma descoberta que virará o mundo do ME de cabeça para baixo!
Muito bem!
Já escrevi muitas vezes sobre o "poder preditivo dos preditores", que é calculado como a distância entre dois vetores.
Encontrei uma lista de ferramentas para calcular a distância:
Isso além da ferramenta padrão, que tem seu próprio conjunto de distâncias
Aqui está uma tarefa sem entrada: ...
Max, não entendo por que você está tirando sarro de mim.
Se não houver suposições, não diga nada; se houver, diga, como "o resultado será péssimo".
...
Qual você acha que será o resultado?
Não sei, mas estou curioso para saber.
Um pouco mais e um resultado trivial será obtido... ou talvez não, mas uma descoberta que virará o mundo do ME de cabeça para baixo!
Muito bem!
Então você acha que o número de modelos será comparável nas duas primeiras colunas? Mesmo que eles sejam duas vezes mais diferentes. Seja mais específico com relação à trivialidade, por favor.
Max, não entendo por que está tirando sarro de mim.
Se não houver suposições, não diga nada; se houver, diga, como "o resultado será péssimo".
Acima, escrevi sobre o matstat. Antes disso, escrevi sobre o kozul. Ainda antes, escrevi sobre os erros do Oracle (erros de marcação), quando os dados são marcados de uma forma que você não entende. O que absolutamente resulta disso é a percepção de que, em diferentes partes e durações de treinamento, os resultados variam. Depende dos dados, que não são fornecidos ou descritos.