Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2748

[Maxim Dmitrievsky]

mytarmailS #:
Где она

в предыдущем сообщении дописал

#299

[JeeyCi]

Valeriy Yastremskiy #:

 Не спорю с обучением на каждом баре, и может быть даже на не стационарном тике например. Не понимаю структуру обучения тогда полностью. Логика советника это отдельное обучение или часть обучения на каждом баре? Это как бы хвосты первого обучения, сколько хвостов, или этапов обучения? 

не претендую на истину, но это скорее всего этап Интерпретации результатов обучения и подстройка под money-management конкретной сделки и, возможно, даже конкретного актива... и ответы на вопросы

СанСаныч Фоменко #:

Тут выше проскользнуло, что ценность даже правильного предсказания может быть нулевой.

По мне, ценность предсказания зависит не только от вероятности ошибки, но от самого учителя.

- Учитель предсказывает следующий бар или же тренд?

- На каком временном периоде ведется предсказание и на каком мы торгуем?

- Наш учитель  какую целевую прибыль предсказывает?

- Как соотносится учитель и спред?

Масса вопросов, к обсуждению которых здесь не преступили.

тоже, вероятно, вносят свою лепту уже на этапе торгующего советника... всё-таки после fs и обучения, target полученный можно положить в основу decision-making ИЛИ отвергнуть (по указанным в цитате причинам или иным)... хотя и эти причины можно в обучении учесть... но money-management и risk-management можно и в советнике, чтобы не перегружать модельку..

хотя вопрос, конечно, был не ко мне... но Интерпретация результатов обучения - тоже ещё важная задачка

[JeeyCi]

elibrarius #:
   

В статьях Владимира тоже ошибка в районе 10-20%, но линия баланса не внушает оптимизма.

вот это может зависеть и от Интерпретации "а-посля" обучения...

[mytarmailS]

Maxim Dmitrievsky #:

в предыдущем сообщении дописал

#299

мои посты кто то удалил , там где я кидал видяшку.. хз как такое может быть

[Maxim Dmitrievsky]

mytarmailS #:

мои посты кто то удалил , там где я кидал видяшку.. хз как такое может быть

ну-ну, выпендриваешься сильно много наверное

вот по деревянным моделям

#4469

#4467

Про катбуст искать? 😄 кто тему начал

[mytarmailS]

Maxim Dmitrievsky #:

ну-ну, выпендриваешься сильно много наверное

вот по деревянным моделям

#4469

#4467

Про катбуст искать? 😄 кто тему начал

Слушай ну по дереву это вообще не аргумент.. 95% обучалок по МО начинаються с дерева, это то с чем знакомиться в первую очередь новичек, тут как бы твоих заглуг в этом нет

[Maxim Dmitrievsky]

mytarmailS #:

Слушай ну по дереву это вообще не аргумент.. 95% обучалок по МО начинаються с дерева, это то с чем знакомиться в первую очередь новичек, тут как бы твоих заглуг в этом нет

Здесь до этого в основном НС обсуждались, я задался вопросом почему не деревья. Сделал тесты, оказалось что они ничем не хуже. До этого такой инфо тут не видел, иначе бы не задавался этим вопросом.

Потом перешел на бустинг, нашел катбуст либу и начал ее тут тиражировать

[JeeyCi]

Maxim Dmitrievsky #:

Здесь до этого в основном НС обсуждались, я задался вопросом почему не деревья. Сделал тесты, оказалось что они ничем не хуже. До этого такой инфо тут не видел, иначе бы не задавался этим вопросом.

а деревья, кстати, и могут служить достойной альтернативой и кластеризации и fs - "2 в одном"

Maxim Dmitrievsky #:
   

Потом перешел на бустинг, нашел катбуст либу и начал ее тут тиражировать

по алгоритму: даёт ещё 2-ую производную математически (или усреднение остатков - статистически) -- НО чем это помогает в обучении и в каких случаях лично вам?.. помимо стандартных клише в рекламных роликах "catboost даст лучшие и более точные результаты"... ведь не везде точечная точность важна, иногда генеративные способности модели могут быть поважнее

[Maxim Dmitrievsky]

JeeyCi #:

а деревья, кстати, и могут служить достойной альтернативой и кластеризации и fs

по алгоритму: даёт ещё 2-ую производную математически (или усреднение остатков - статистически) -- НО чем это помогает в обучении и в каких случаях?.. помимо стандартных клише в рекламных роликах "catboost даст лучше и более точные результаты"... ведь не везде точечная точность важна, иногда генеративные способности модели могут быть поважнее?

Есть еще деревянные модели для causal inference, не успел разобраться

Бустинг снижает bias и variance, тогда как Форест только variance вроде. Это если о доказанных преимуществах, можно загуглить. Ну и сама библиотека развитая, удобно работать с ней.

Про генеративные не совсем понятно, может быть иногда и важнее. Но НС генеративные на Форексе работают плохо, если речь о том чтобы генерить синтетические данные.

[JeeyCi]

Maxim Dmitrievsky #:
   

 если речь о том чтобы генерить синтетические данные.

нет - речь о том, чтобы generalize (обобщать)... да, неверно, выразилать... sorry

думаю, выделять risk-on/risk-off environment -- пока думаю по каким признакам обобщать такое разделение... вся в своих мыслях (на форуме случайно)...

спасибо за ответ!