Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2841
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
14 год как то спокойней был и спуск длинней. Счас похоже, но короче и более непредсказуемо.
Не могу обсуждать чужие подходы, поскольку не осведомлен. Но исходя из собственного опыта то, что работало - находилось либо в интернетах, либо через собственные умозаключения, а потом подтверждалось в интернетах. За всю историю так сказать трейдерской карьеры, было наверное 2 стратегии заопченные, обе на возврат к среднему, одна из них на Мартине, которые что-то заработали, да не долго :) А попыток оптимизации было довольно много, но всего 2 стратегии в итоге и то такие себе.
Слово "оптимизация" имеет дурную славу на нашем форуме по вполне понятным причинам. Поэтому вполне понятно стремление как-то отстраниться от неё и даже не употреблять само слово. Тем не менее, любое обучение модели МО - это практически всегда оптимизация, тут уж из песни слов не выкинешь.
Не хочу никого задевать, учить жизни или объяснять как делать бизнес) Пишу лишь питая слабую надежду, что метаквоты учтут мои замечания при внедрении МО в МТ5.
Вы же тоже, по сути, занимаетесь оптимизацией. Придумали некий критерий "стационарности признаков" и берёте оптимальные по нему признаки. Та же самая оптимизация на истории, только в профиль.
Вот, обязательно надо придумать критерий робастности ТС и оптимизировать по нему) Снова получится та же самая оптимизация на истории, но в другой профиль)Замечательно, в смысле толерантности.
Приходишь в магазин, выбираешь штаны - оптимизация по фигуре!
Здесь речь совершенно о другом - о доработке имеющихся в моделях алгоритмах оптимизации. Я возражаю против доработки уже встроенных алгоритмов оптимизации. Вот есть в тестере алгоритм - прекрасно. Доработка этого алгоритма не позволит получить прибыльную ТС из сливной. То же самое встроенные алгоритмы в моделях.
Также, надо крайне осторожно относиться к оптимизации параметров модели, так как запросто можно переобучить модель.
Дошел до самой важной мысли: несомненная связь между оптимизацией и переобучением модели. Модель всегда надо оставлять достаточно "грубой" и уж точно не нужны никакие глобальные оптимумы.
Когда я ищу приемлемый перечень предикторов - оптимизация в смысле штанов. Но смысл совершенно другой: попытка избежать "мусор на входе - мусор на выходе". Здесь качественное отличие от попыток поиска "правильного" алгоритмы, который находит глобальный оптимум. Никакой глобальный оптимум не даст прибыльную ТС на мусоре.
Максим Владимирович, что вы думаете о квантовой кластеризации?
https://github.com/enniogit/Quantum_K-means
Слово "оптимизация" имеет дурную славу на нашем форуме по вполне понятным причинам. Поэтому вполне понятно стремление как-то отстраниться от неё и даже не употреблять само слово. Тем не менее, любое обучение модели МО - это практически всегда оптимизация, тут уж из песни слов не выкинешь.
Не хочу никого задевать, учить жизни или объяснять как делать бизнес) Пишу лишь питая слабую надежду, что метаквоты учтут мои замечания при внедрении МО в МТ5.
Правильная мысль для систем автоматического управления, но совершенно НЕ правильная для моделей, работающих на финансовых рынках с НЕ стационарными процессами. Есть такое зло, абсолютное зло, под названием "переобучение". Это главное зло (после мусора на входе), которое полностью делает неработоспособной абсолютно любую модель. Хорошая модель всегда должна быть не совсем оптимальной, некое огрубление реальности. Думаю, что особый вклад в переобучение модели делает именно глобальный оптимум.
Правильная мысль для систем автоматического управления, но совершенно НЕ правильная для моделей, работающих на финансовых рынках с НЕ стационарными процессами. Есть такое зло, абсолютное зло, под названием "переобучение". Это главное зло (после мусора на входе), которое полностью делает неработоспособной абсолютно любую модель. Хорошая модель всегда должна быть не совсем оптимальной, некое огрубление реальности. Думаю, что особый вклад в переобучение модели делает именно глобальный оптимум.