Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1299
![MQL5 - Язык торговых стратегий для клиентского терминала MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Пишите, как разберетесь, очень интересны предикторы, если они там публично оговорены. С целевой же так же сложно в нашем случае, так как происходит дополнительная оценка модели на деньгах, это хорошо у кого фиксированные TP и SL, для других же случаев даже хорошая модель с точки зрения предсказательной способности, может сливать. Во всяком случае я учитываю в оценке модели и кривую баланса классификации, так же проверяю на просадки и прочие критерии, как и для обычного баланса, так-как ожидаю равномерность точности классификации на всей выборке.
Ну а я так и не поставил пока питон - много что пока могу сделать и без него, в плане полно задумок, требующих реализации.
в смысле предикторы тоже ваши, но трансформируются самой AutoML и отбор соответсвенно на автомате
в смысле предикторы тоже ваши, но трансформируются самой AutoML и отбор соответсвенно на автомате
Тогда по сути ничего интересного, просто обертка, дающая дополнительные функции :)
Тогда по сути ничего интересного, просто обертка, дающая дополнительные функции :)
Речь шла об избавлении от рутины
в отличие от того, что в некоторых статьях предлагается делать всю рутину датамайнинга вручную, что абсурдно на нестационарных рынках
уже неоднократно писал свое мнение, что стат. подход не работает на нестационарных рынках (т.е. классический, описанный в книжках по статистике и МО)Речь шла об избавлении от рутины
в отличие от того, что в некоторых статьях предлагается делать всю рутину датамайнинга вручную, что абсурдно на нестационарных рынках
уже неоднократно писал свое мнение, что стат. подход не работает на нестационарных рынках (т.е. классический, описанный в книжках по статистике и МО)Ну, все ж равно все придумывать самому - целевые и предикторы. Я думал, что там какое то исследование на тему поиска признаков переобученной модели по её структуре или ещё как. Мне важно научиться именно по данные выборок обучения и теста находить модель, которая будет работать на независимой от обучения выборке(или от противного - какие точно не будут работать), но тут так же встает вопрос "что значит работать?" и он не однозначный. А автоматизацию по анализу моделей дело не хитрое, во всяком случае в кэтбусте все нужное выгружается в разные файлы, а потом их просто парси, хоть MT, как это делаю я, хоть своей софтиной.
Ну, все ж равно все придумывать самому - целевые и предикторы. Я думал, что там какое то исследование на тему поиска признаков переобученной модели по её структуре или ещё как. Мне важно научиться именно по данные выборок обучения и теста находить модель, которая будет работать на независимой от обучения выборке(или от противного - какие точно не будут работать), но тут так же встает вопрос "что значит работать?" и он не однозначный. А автоматизацию по анализу моделей дело не хитрое, во всяком случае в кэтбусте все нужное выгружается в разные файлы, а потом их просто парси, хоть MT, как это делаю я, хоть своей софтиной.
это вам так кажется сейчас, потому что слаще морковки пока не пробовали
со временем дойдете, если будете изучать, а не фантазировать, уже писал..
потому что ваши фантазии, по сравнению с фантазиями коллективов разработчиков от гугла или дипмайнд того же, в области ИИ, это капля в море. Поэтому нужно брать готовое
Если пишут что модель нужно использовать так то и так то, значит так оно и сеть. Здесь вообще не о чем фантазировать, т.к. успеть бы понять что уже изобретеноэто вам так кажется сейчас, потому что слаще морковки пока не пробовали
со временем дойдете, если будете изучать, а не фантазировать, уже писал..
потому что ваши фантазии типа фантазий коллективов разработчиков от гугла или дипмайнд того же, в области ИИ, это капля в море. Поэтому нужно брать готовое
Не понял глубину мысли. Сами писали, что и целевую и предикторы надо самому придумывать для той софтины, а если так, то я и написал, что нет в ней тогда особого смысла, так-как можно все сделать самому и будешь знать как работает, что улучшить и исправить.
Относительно второй части высказывания, согласен, но я предпочитаю брать то, что понимаю как работает.
Не понял глубину мысли. Сами писали, что и целевую и предикторы надо самому придумывать для той софтины, а если так, то я и написал, что нет в ней тогда особого смысла, так-как можно все сделать самому и будешь знать как работает, что улучшить и исправить.
Относительно второй части высказывания, согласен, но я предпочитаю брать то, что понимаю как работает.
автоМЛ был приведен как пример автоматизации всего процесса (или почти всего), в этом глубина мысли. Логическая цепочка прямая, начиная от начального сообщения. Сами себя в тупик заводите
пример был приведен для того что бы объяснить что имеется в виду под обобщением, а не выделением знаний вручную, как у вас. Там даже написано что машина делает лучше чем чел почти на всех этапах.
сомневаюсь что понимаете как работает катбуст.
автоМЛ был приведен как пример автоматизации всего процесса (или почти всего), в этом глубина мысли. Логическая цепочка прямая, начиная от начального сообщения. Сами себя в тупик заводите
пример был приведен для того что бы объяснить что имеется в виду под обобщением, а не выделением знаний вручную, как у вас. Там даже написано что машина делает лучше чем чел почти на всех этапах.
сомневаюсь что понимаете как работает катбуст.
Ладно, попробуйте, расскажите, если захотите. А по возможности сравним мой отбор и отбор ML, если это вообще будет возможно без лишних трудозатрат с моей стороны.
Да, досконально я не понимаю, как работает катбуст, но обладаю уже знаниями и опытом по эксплуатации, а на всё это нужно время, что и приводит к комплексному пониманию. Брать же что-то с нуля и пытаться применять в работе, когда нигде нет достаточной информации, ну это для меня не комфортно. Даже по тому же катбусту надо все искать и вникать, переводить, и хорошо, что есть те, кто лучше меня понимает - есть у кого спросить технические моменты по коду.
Ладно, попробуйте, расскажите, если захотите. А по возможности сравним мой отбор и отбор ML, если это вообще будет возможно без лишних трудозатрат с моей стороны.
Да, досконально я не понимаю, как работает катбуст, но обладаю уже знаниями и опытом по эксплуатации, а на всё это нужно время, что и приводит к комплексному пониманию. Брать же что-то с нуля и пытаться применять в работе, когда нигде нет достаточной информации, ну это для меня не комфортно. Даже по тому же катбусту надо все искать и вникать, переводить, и хорошо, что есть те, кто лучше меня понимает - есть у кого спросить технические моменты по коду.
Просто не понятно что в этом ключе обсуждать - ну нашли какие-то комбинации фичей, ок.. может есть тогда какие-то фундаментальные основания почему они а не другие, и почему какие-то конкретно целевые именно для них
как правило, ответить на вопросы эти невозможно
Просто не понятно что в этом ключе обсуждать - ну нашли какие-то комбинации фичей, ок.. может есть тогда какие-то фундаментальные основания почему они а не другие, и почему какие-то конкретно целевые именно для них
как правило, ответить на вопросы эти невозможно
Опять я потерял ход мысли. Если мы по прежнему про отбор моделей, то у всех моделей почти одинаковые предикторы (метрики, распределение вероятности, баланс ошибки, и т.д.), с целевыми сложней, это я к тому, что тема глобальная и всеобъемлющая, актуальная не только для МО в трейдинге, поэтому как бы есть что обсуждать, на мой взгляд.