Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1250
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Для понимания, исследование, выводы применимы и к обратному сигналу.
Как влияет не на результат, а на расстановку(отбор) предикторов...
Не буду претворяться, что понял Вас, разверните, пожалуйста свою мысль.
Нет.
Давно использовал на реале доработанный JMA на мкл4 в части адаптации периода, но толку мало: протухает как и все остальное. Периодически приходилось вмешиваться ручками.
Если про фильтры, то есть любопытный пакет smooth. Внутри сглаживания сидит Кальман с пространством состояний. Дает очень качественные машки, причем с экстраполяцией (forecast) на несколько шагов вперед.
Джурик вообще полная фигня.
Что фигня, а что нет - неизвестно.
Надо смотреть предсказательную способность конкретного предиктора для конкретной целевой переменной. А лучше смотреть изменчивость этой предсказательной способности при движении окна.
Ну как в ручную, все автоматизировано, есть просто этапы, которые требуют ручного контроля и это по причине неопределенности пока, как точно надо себя на них вести.
А то, что кто-то что-то должен, я сомневаюсь в этом весьма...
Ну а результат - кто ж его узнает, пока не наступит будущее...
Исходя из выше изложенного кода, у вас есть четкий алгоритм действий при определенных условиях, в таком случае когда у вас есть входные данные и желаемый результат, вам поможет нейросеть, а так вы постоянно будите в ручную вносить изменения в код при очередной смене тенденции на рынке.
Дело ваше, как поступать, но я бы все же подключил к этому процессу нейросеть(обученную).
Меняется ли вес придикторов в зависимости от волы. Смахивает на изощренную подгонку.
А в кошачем есть и мультиклассовая. Прогони с кроссвалидацией, посмотри ошибки по фолдам и пр.
Может на дурочку прокатит... и все потуги не особо нужны...
Как предлагаете измерить вес и волатильность? Я не против экспериментов.
Мультиклассовая там есть, но нет выгрузки модели, кроме как в их бинарном коде, который я даже в теории не представляю как подключить и заставить работать.
С кэтбустом целая эпопея, там экспериментирую с наборами предикторов (частично убирая - 512 комбинаций), со случайными весам выбора корневых предикторов (200) - это уже 100к моделей, а таких разбивок у меня две. Да, есть во всем этом интересные модели и есть полностью сливные (прибыльные на тестовой и обучаемой выборке, но на независимой сливают или близки к нулю), но так же нет гарантии, что они будут работать и дальше. Сейчас (22.12.2018) вот запустил по новой создание моделей, но пометил все предикторы как категориальные, какими они по моей задумке изначально являются (ибо уже многие порезаны на неравномерные интервалы и преобразованы в целые значения), в новый год по плану закончится обработка - посмотрю, есть ли разница, так-как модели с не категориальными признаками подготавливались в таком объеме за 1,5 дня, а тут не менее 10...
Подгонка или нет - сложно сказать, вчера я писал, что больше склонен считать подгонкой модель, способную по своему объему (числу листьев) запомнить сразу много вариантов и комбинаций, а у меня модель не превышает 100 листьев... Конечно, для меня главной проблемой является нехватка данных - работаю я на инструменте Si, вот подумываю ещё добавить фьючерс на еврорубль, но надо валидно сконвертировать предикторы - вопрос метрики.
Исходя из выше изложенного кода, у вас есть четкий алгоритм действий при определенных условиях, в таком случае когда у вас есть входные данные и желаемый результат, вам поможет нейросеть, а так вы постоянно будите в ручную вносить изменения в код при очередной смене тенденции на рынке.
Дело ваше, как поступать, но я бы все же подключил к этому процессу нейросеть(обученную).
У меня есть точки входа, а входить или нет - я не знаю - это задача МО.
Как я уже говорил, не знаю быстрой нейросети, способной поглощать большой (300-500) объем входных нейронов... а вот дать допустим уже отобранные листья, можно нейросети или повторно дереву...
Про внесение изменений в код не понял, с чего бы это - думаете за 5 лет тенденции не менялись?Ничего не предлагаю, а написал как бы сам делал. А полученные три класса просто бы сунул в тс...
Как сунул? Нужно тогда делать какой то мост между питоном или R - для меня это темный лес.
Для экспериментов - просто выгружай в текстовый файл и читай оттуда куда надо.
А так же можно в одном нотебуке юзать код и из р и из питона... и т.д...
Про выгрузку понятно, но мне это не очень интересно, так-как кэтбуст я так же хочу использовать как источник моделей, которые можно комбинировать (предварительные эксперименты дали хороший результат), а для этого нужен код модели.
Если это железобетонный/фиксированный код на весь период (от 5 лет), тогда мои советы не актуальны.