Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3396
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
В целом неплохой текст, многое проясняющий и упорядочивающий, хотя и есть некоторые теоретические корявости.
Имхо, с практической точки зрения для нас более актуальна задача по отделению реальных ассоциативных связей от кажущихся (устойчивых от неустойчивых).
Все больше кажется, что он никакой не управляющий, а просто преподает студентам :) Берет горячие МО темы и преподносит как последние достижения в трейдинге
Хочется написать оптимизатор портфеля моделей, поскольку они генерятся довольно быстро, в промышленных масштабах
Но если их получится много, не хочется перетаскивать все в терминал. чисто гипотетически, если сохранять не модели, а стакать датасеты, на которых они обучены, а затем обучать на них одну финальную модель, результаты же должны быть сопоставимы с ансамблем моделей?
Еще в планах эксперименты не с позиционным матчингом, как в статье, а через Propensity score. Это позволит заодно и откалибровать вероятности.
Потом еще та либа от гугла, посмотреть что из нее можно вытащить.
Может позже выкачу результаты.
Еще в планах эксперименты не с позиционным матчингом, как в статье, а через Propensity score. Это позволит заодно и откалибровать вероятности.
В теории, через него можно искать и матчить сэмплы
Например, случайно размечаем один кусок выборки как 0, другой как 1. Учим НС разделять классифицировать к какой выборке принадлежит пример. Это еще называется Adversarial validation.
В идеальном случае НС не должна определить выборку, ошибка должна быть в районе 0.5. Это значит, что исходная выборка хорошо рандомизирована.
Все, что в районе 0.5 - хорошо, эти данные можно использовать для обучения. Крайние значения - выбросы.
Потом по каждой "вероятности" можно посчитать процент угаданных случаев.
Пока что немного ломает мозг такой подход.
Интересный длящийся конкурс - для тех кто хочет сравнить свои успехи в прогнозировании котировок с другими участниками.
Интересный длящийся конкурс - для тех кто хочет сравнить свои успехи в прогнозировании котировок с другими участниками.
Так была уже эта ссылка тут много много раз
Я как то не запомнил - видимо не ясно тогда было, что делать, а сейчас почитал хэлп и стало понятней. В любом случае, факт, что эта затея уже долго работает. Как я понял, платят там какой то криптой за хорошие прогнозы.
Минус конечно в том, что код открытый нужно передавать для участия.
Будущее наступило.. запустил LLM от гугла локально. Теперь мне не нужна жена и друзья.