Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 612

 
Yuriy Asaulenko:
Ele não tentou, ele estudou)). Estou contente por teres gostado. (Você deveria ler mais.) Na verdade, poupa muito tempo - você não precisa reinventar bicicletas, tudo foi inventado antes de nós.

Os preditores de entrada parecem ser convertidos em imagens e a rede é treinada nelas.

Toma.

 

Bom documento, vi este link no gotay alguns meses atrás, não é tanto sobre o ML em si, mas sobre os dados que eles usam, com uma grande coleção de links para sites, que é uma informação muito valiosa, realmente valiosa.

 
Maxim Dmitrievsky:

Eu mudei para Wiener - eu me pergunto quando esses livros vão acabar :) ele estava basicamente tentando fazer previsões também

Eu também estava definhando que todos os livros que tenho planejado não terei tempo para ler e por 10 vidas, mas então olhei para ele por outro lado, de uma parte positiva, enquanto há uma motivação fisiológica para "binge" ler literatura científica, O cérebro claramente não está em perigo de loucura, e seriamente, a resposta em RANGE, colocar em Excel, colocar uma classificação de importância, classificar (periodicamente) e ler o máximo que não leu e não se preocupa mais com a quantidade, sabendo que você lê o mais importante.
 
elibrarius:

Na secção de teste, como a maioria, o erro está à beira dos 50%. Mas pelo menos conta dezenas de vezes mais rápido que o Alglib. Se aqui o cálculo do modelo durante 40-100 minutos, o Alglib-e mais de um dia à espera da mesma estrutura, não esperou e desactivou o cálculo.
Mas se agora eu tiver que pegar os modelos no ciclo, vai levar muito tempo novamente.... Eu também tenho que programar tudo.
Em geral, isto é muito tempo, já que você não se coloca limites de tempo no MO.

Interessante - por isso eu cavo)

Surpreendido. Que tipo de modelo é que conta durante mais de uma hora?

Deve demorar no máximo 1-2 minutos.

 

Irmãos, como você queria obter um modelo em 1-2 minutos de otimização que será relevante para um mercado tão complexo como o forex????

Na minha opinião, isto é um disparate lógico. Afinal, a construção de um modelo envolve recursos computacionais que podem ser traduzidos em custo. Assim, cada modelo tem o seu valor na forma de recursos dedutíveis gastos na sua criação. E agora uma pergunta. Quer ganhar dinheiro com modelos que custam cêntimos? Acho que se pode fazer centavos, mas não mais do que isso.... IMHO

 

O link acima foi

Eunão sei:

http://www.valuesimplex.com/articles/JPM.pdf

E aqui está uma foto deste livro, de autoria de um banco muito respeitado:



Por que ninguém está discutindo o que está listado aqui como modelo de Instabilidade, exceto eu?

 
SanSanych Fomenko:

O link acima foi

tóxico:

http://www.valuesimplex.com/articles/JPM.pdf

E aqui está uma foto deste livro, de autoria de um banco muito respeitado:



Por que ninguém está discutindo o que está listado aqui como modelo de Instabilidade, exceto eu?

O que é isso?
 
Mihail Marchukajtes:

Irmãos, como você quis obter um modelo em 1-2 minutos de otimização que será relevante para um mercado tão complexo como o forex????

Na minha opinião, isto é um disparate lógico. Afinal, a construção de um modelo envolve recursos computacionais que podem ser traduzidos em custo. Assim, cada modelo tem o seu valor na forma de recursos dedutíveis gastos na sua criação. E agora uma pergunta. Quer ganhar dinheiro com modelos que custam cêntimos? Acho que se pode fazer centavos, mas não mais do que isso.... IMHO

Não. Tanto quanto entendi, era uma questão de tempo de treinamento, não de otimização. A optimização é de 20-30 minutos, claro.
 
SanSanych Fomenko:

Para negociação, a idéia de otimização de modelos (TS) parece altamente questionável, pois qualquer otimização está procurando por picos / troughs, e nós não precisamos deles. Precisamos, idealmente, de platôs planos, o maior possível. Estes planaltos devem ter uma propriedade notável: alterações nos parâmetros do modelo NÃO devem levar à evasão de planaltos.

Isto é sobre optimização.

Na verdade, aqui também devemos acrescentar o problema da estabilidade dos parâmetros do modelo que, se mudarem, estão dentro de um intervalo de confiança bastante estreito (5%). Parece-me que a estabilidade dos parâmetros do modelo resulta na situação em que o desempenho do modelo está num determinado patamar e se de repente obtivermos um resultado muito bom enquanto testamos o modelo, significa que atingimos o ponto mínimo, temos uma condição instável que nunca ocorrerá na prática, além disso, uma parada estará situada em torno deste ponto ótimo.

PS.

A propósito, no testador os desenvolvedores proporcionaram tal oportunidade de procurar por um platô por cor. Pessoalmente, utilizo o testador como ferramenta de acabamento e tomo parâmetros que se referem a um quadrado com quadrados da mesma cor à sua volta. Esta é uma expressão clara do meu conceito de "plateau".

Em Expert Advisors from the Market eu tenho visto muitas vezes que bons para parâmetros de negociação formam platôs na função de otimização. Se houver MA ou RSI ou algum outro coeficiente, a alteração de um parâmetro por um valor pequeno não afetou o resultado final.

Mas é lógico, a maioria dos parâmetros utilizados na fórmula para calcular o indicador, por isso uma pequena alteração apenas afectará ligeiramente o resultado, que continuará a ser calculado com os mesmos preços.

E na aprendizagem mecânica, pelo contrário - os parâmetros podem afectar todo o curso de aprendizagem e mesmo uma pequena mudança leva a resultados completamente diferentes. Por exemplo, o número de neurônios em uma camada oculta - à medida que seu número aumenta, o número de pesos usados crescerá e funcionará para inicialização de peso usando o gpscp irá definir seus valores em uma ordem ligeiramente diferente, o que levará a um resultado diferente.
A alteração de alguns parâmetros também desenhará um platô na função de otimização, podemos estudar para cada parâmetro suavemente ou estocasticamente sua influência na avaliação final do modelo, e para influenciar suavemente os parâmetros podemos usar adicionalmente um otimizador baseado em derivados (funções optim(method="L-BFGS-B") e optimize() em R)

 
SanSanych Fomenko:

O link acima foi

tóxico:

http://www.valuesimplex.com/articles/JPM.pdf

E aqui está uma foto deste livro, de autoria de um banco muito respeitado:



Por que ninguém está discutindo o que está listado aqui como modelo de Instabilidade, exceto eu?

Estamos aqui a falar de erro nos dados do treino e erro na previsão. A essência da imagem é que quando se minimiza o erro, obtém-se sobretreinamento e o objetivo de criar e ajustar o modelo é reduzir esse erro para o valor ótimo em novos dados (evitar o sobretreinamento).

Boa ilustração.