Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1204
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
простой физический смысл закономерностей форекса нам не известен, к сожалению
Речь об интерпретируемости модели.
Речь об интерпретируемости модели.
тогда вам не в тему МО :) хотя метамодели легко интерпретируются через свои метрики
тогда вам не в тему МО :) хотя метамодели легко интерпретируются через свои метрики
почему? имхо, задача один в один как отличить кошку от собаки для МО
почему? имхо, задача один в один как отличить кошку от собаки для МО
потмоу что это как говорить на разных языках, по моему..
отличить по признакам, естессно.. они же фичитогда вам не в тему МО :) хотя метамодели легко интерпретируются через свои метрики
Не уверен, что всегда легко, но как-то можно это сделать. Полагаю, что непосредственно торговлей должна заниматься не сама нейросеть, а её упрощённая аппроксимация.
Без методов МО (можно назвать это "умным разведочным анализом") в нашем деле не обойтись)
Не уверен, что всегда легко, но как-то можно это сделать. Полагаю, что непосредственно торговлей должна заниматься не сама нейросеть, а её упрощённая аппроксимация.
Без методов МО (можно назвать это "умным разведочным анализом") в нашем деле не обойтись)
сейчас хочу добавить в оптимизируемые параметры зависимость сигналов от распределений, такое сделал для начала, посмотреть
если эксцесс выше какого-то значения (можно оптить), то наблюдается флэтовая ситуация и можно с одинаковой вероятностью предполагать покупки\продажи (а потом пофиксить все неправильные)
дальше по асимметрии, если есть в какую-то сторону то смещается вероятность возникновения сигнала на бай или на селл
ну это примитив, но примерно так можно подбирать целевые в оптимизаторе
Все что нужно получать из метрик - это ошибку классификации на тестовой выборке (а обучаться на тренировочной). В оптимизаторе перебираются гиперпараметры, выбираетс модель с наименьшей ошибкой. Что здесь неинтерпретируемо? достаточно просто знать, глядя на ошибки на тестовых данных, способна такая модель обобщать или нет
пример работы на такой лабуде, только что сделал
сейчас хочу добавить в оптимизируемые параметры зависимость сигналов от распределений, такое сделал для начала, посмотреть
А зависимость то по ходу есть...
Натренировал "СММ" (скрытую Марковскую модель) на ретурнах , разбивал на 10 состояний те обучал без учителя, те она сама разделила разные распределения
распределения состояний
А здесь я сгруппировал ретурны по состояниям , те каждый ряд это отдельное состояние рынка
В некоторых состояниях (1,4,6,8,9) наблюдений слишком мало, так что их вообще можно не воспринимать
А теперь я попробую востановить ряды, те сделать кумулятивную сумму, вдруг в каком то из состояний найдется какая то тенденция - те закономерность в направлении
Сделал кумулятивную сумму
состояния 5 и 7 имеют устойчивую структуру , 5 для бая , а 7 для села
сейчас хочу добавить в оптимизируемые параметры зависимость сигналов от распределений, такое сделал для начала, посмотреть
если эксцесс выше какого-то значения (можно оптить), то наблюдается флэтовая ситуация и можно с одинаковой вероятностью предполагать покупки\продажи (а потом пофиксить все неправильные)
дальше по асимметрии, если есть в какую-то сторону то смещается вероятность возникновения сигнала на бай или на селл
ну это примитив, но примерно так можно подбирать целевые в оптимизаторе
Почему цены, а не их приращения?
Почему цены, а не их приращения?
можно и приращения, не знаю как лучше.. и длину выборки варьировать можно.. много возни со всем этим
там дополнил про интерпретируемость.. типа что там интерпретировать то? одна метрика всегоHi maxim
Is there any new article which you are discussing here?
If you can provide me the link?
Hi, not yet published, waiting for moderation