Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2623
![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
Вот как раз улучшение конфузион матрикс заявлено при использовании второй модели, если почитать Прадо, например. Но там ещё используется оверсемплинг примеров для первой модели для увеличения кол-ва то ли тру позитивс, то ли еще чего. Забыл уже, к сожалению.
up-sampling & down-sampling - это для Imbalanced datasets и small training sets - если речь об этом, - т.е. придание бОльших весов для мЕньших классов и наоборот... да, наверно, для их (тру позитивс) увеличения...
***
а насчёт 2х моделей - ну можно, наверно, 2 раза отфильтровать - сначала сигналы для настройки весов, потом сделки по ним согласно этим весам (запущенным input'ом во 2ое взвешивание)... хоть и смахивает на возможность обучаться на сделках с контекстом - и чтобы градиент не исчезал для более ранних time-series - хорошая задумка... НО реализация при работе с контекстом всё равно немного другая обычно - задача использовать кодирование "сделки и её контекста" и 2я RNN берёт в обработку результат 1й для декодирования в output -- но это мало связано с работой 2х сетей над 2мя разными задачами (например, контекст и сделки), т.к. по сути обрабатывается-пропускается через 2 сети "сделка и контекст" (как пара!!)... - это лишь вопрос скорости решает, но не (или в меньшей степени) валидности выхода... имхо...
но если вы совсем уж хотите разделить обработку контекста и сделки (контекст отдельно, сделки отдельно) -- то мне пока такая конструкция напоминает бутерброд (или масло-масляное, смазывающее взаимосвязи и зависимости явлений друг от друга - в 2 слоя)... не претендую на трактовку вашего ТехЗадания, но высказала свои опасения и предположение о том, чтО всё-таки, наверно, стоит сохранять в процессе моделирования - именно Взаимосвязи!.. Желаю вам красивой (отражающей реальность! а не масло масляное) Архитектуры сети!
p.s. ) как извечная проблема "контекстной рекламы" - "главное, не отрываться от реальности" (только настройка весов у них иногда кривовата - не буду показывать пальцами у кого, - или с малыми выборками заработались не в ту сторону)
up-sampling & down-sampling - это для Imbalanced datasets и small training sets - если речь об этом, - т.е. придание бОльших весов для мЕньших классов... да, наверно, для их (тру позитивс) увеличения...
***
а насчёт 2х моделей - ну можно, наверно, 2 раза отфильтровать - сначала сигналы для настройки весов, потом сделки по ним согласно этим весам (запущенным input'ом во 2ое взвешивание)... хоть и смахивает на возможность обучаться на сделках с контекстом - и чтобы градиент не исчезал для более ранних time-series - хорошая задумка... НО реализация при работе с контекстом всё равно немного другая обычно - задача использовать кодирование "сделки и её контекста" и 2я RNN берёт в обработку результат 1й для декодирования в output -- но это мало связано с работой 2х сетей над 2мя разными задачами (например, контекст и сделки), т.к. по сути обрабатывается-пропускается через 2 сети "сделка и контекст" (как пара!!)... - это лишь вопрос скорости решает, но не (или в меньшей степени) валидности выхода... имхо...
но если вы совсем уж хотите разделить обработку контекста и сделки (контекст отдельно, сделки отдельно) -- то мне пока такая конструкция напоминает бутерброд (или масло-масляное, смазывающее взаимосвязи и зависимости явлений друг от друга - в 2 слоя)... не претендую на трактовку вашего ТехЗадания, но высказала свои опасения и предположение о том, чтО всё-таки, наверно, стоит сохранять в процессе моделирования - именно Взаимосвязи!.. Желаю вам красивой (отражающей реальность! а не масло масляное) Архитектуры сети!
p.s. ) как извечная проблема "контекстной рекламы" - "главное, не отрываться от реальности" (только настройка весов у них иногда кривовата - не буду показывать пальцами у кого, - или с малыми выборками заработались не в ту сторону)
Понятие закономерность предполагает повторяемость, это важно!
статистика линейна, как ни крути... нейросети - это тупое (или умное - зависит от разработчика) взвешивание... при использовании для взвешивания 2х и более слоёв Dense нс дают Нелинейные зависимости (условно говоря, потому что зависимость это ИЛИ тупая корреляция - это ещё вопрос очень большой)... но пока даже тупая корреляция работает - на ней можно попробовать заработать... - просто момент, когда она перестаёт работать надо распознать вовремя (типа какую-никакую аномалию заметить - случайную или системообразующую - это уже др вопрос - и дальше, как обычно, решить свой вопрос принятия риска/профитности)
удобство нс в её гибкости - можно на выход получить/подавать совсем др. "номенклатуру", чем запускаем на вход -- т.е. в самой сети произвести нужные нам преобразования... и сделать это в многопоточном режиме (зависит от библиотеки)... не только статистику...
а нужна статистика или нет для поиска входа (set-up'a) - это уже др вопрос...
знания и опыт чаще помогают, чем стат.обработка, - т.к. первое ориентируется на конкретику, 2-е на сведение к общему знаменателю...
всему своё место - статистике в том числе...
***
дело в том, что Для робота - по-другому не объяснить (и он вам по-другому не объяснит), кроме как через вероятности, полученные из цифр... - ТАК ИСПОКОН ВЕКОВ РАБОТАЛИ ЭВМ - цифрами 0 и 1... поэтому и приходится цифроризовывать входы для получения вероятностей на выходе и задавать условия доверительных интервалов (которым мы доверяем, не обязательно статистика)... а мы можем доверять чему угодно (это субъективно) - или бинарной логике, или ещё и взвешенным результатом этой бинарной логики (ака %вероятности от целого по всему range потенциально возможных решений)... -- это просто дело вкуса и привычек, а не предмет для спора о поиске Грааля...
(а уже вход в лес или вход в нейросеть - это уже детали)
совместное использование деревьев/лесов и нейросетей тоже никто не запрещал в рамках выполнения одного проекта... - вопрос Где Что применять и Когда (важно, скорость и память), а не что лучше... - лучше не терять время - эквивалентно "тайминг в отрыве от сделки - потерянное время, как и сделка в отрыве от тайминга - неизвестная сделка"
никакой моделью не получить больше, чем просто вероятности (- это преимущество и ущербность любой цифроризации), даже если эти вероятности не взвешивать... я бутербродами сама не травлюсь и никому не советую - Байеса никто не отменял (даже если вы его не вложите в код, и особенно - если вы его вложите в код)...
p.s. а вы, наверно, поклонник McDonalds'а... - гипотеза, проверять не буду...
алгоритмика дороже ваших выводов
никакой моделью не получить больше, чем просто вероятности (- это преимущество и ущербность любой цифроризации), даже если эти вероятности не взвешивать... я бутербродами сама не травлюсь и никому не советую - Байеса никто не отменял (даже если вы его не вложите в код, и особенно - если вы его вложите в код)...
p.s. а вы, наверно, поклонник McDonalds'а... - гипотеза, проверять не буду...
алгоритмика дороже ваших выводов
не от многослойности 😀
profound speech - от слова профан?..
так вы из той же стаи того же стада... - "из фирмы поржать и посрать" ... в такой, действительно, учатся и работают лишь с малой вероятностью, думая, что Байес всё сделает за них...
ну, коль стая решила делать революцию в статистике и мо - мешать не буду... не забывайте сами пробовать своё всё!
profound speech - от слова профан?..
так вы из той же стаи... - "из фирмы поржать и посрать" ... в такой, действительно, учатся и работают лишь с малой вероятностью, думая, что Байес всё сделает за них...
ну, коль стая решила делать революцию в статистике и мо - мешать не буду... не забывайте сами пробовать своё всё!