Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2972
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
Грустно, когда никто тебя не понимает.
Получился такой неплохой датасет 20к наблюдений 12к признаков , целевая обычный ЗЗ , зарядил XGboost , получил на тесте акураси 62% )))
А какой смысл объявлять аккураси или ошибку классификации с неизвестным финансовым результатом, может пора в этой ветке приводить результаты переведенные в прибыли и убытки?
Т.е. сумма/отношение проигрышей и выигрышей в пунктах/процентах.
Ну и естественно на новых данных. У себя трейн даже перестал в распечатки выводить, все-равно не смотрю и SSD жалко.
Грусно что машинное обучение с таргетами не работает и единоразовое обучение не работает...
Ну не знаю, что там не учиться - по мне чего то, да учиться. К примеру у меня Accuracy бывает и 70%, только это все равно не объективный показатель.
Вообще проблема не в возможности получить модель, которая будет и дальше работать, а в следующем:
1. Получение устойчивого отрезка изначального предиктора (к примеру на базе индикатора), который будет сохранять свои статистические характеристики в будущем.
2. Отбор модели из совокупности моделей, которые с большей вероятность будут эффективны в будущем на новых данных.
В соответствующей ветке я всё это показал, и думаю, что решать надо задачу начиная с первого пункта. Что я и делаю, но мне нужны идеи из нестандартных подходов описательной статистики.
Идея у меня в том, что бы получить модель, которая будет отбирать устойчивые квантовые отрезки по ряду статистических признаков. Всех желающих приглашаю в этот проект.
Ну не знаю, что там не учиться - по мне чего то, да учиться. К примеру у меня Accuracy бывает и 70%, только это все равно не объективный показатель.
Вообще проблема не в возможности получить модель, которая будет и дальше работать, а в следующем:
1. Получение устойчивого отрезка изначального предиктора (к примеру на базе индикатора), который будет сохранять свои статистические характеристики в будущем.
2. Отбор модели из совокупности моделей, которые с большей вероятность будут эффективны в будущем на новых данных.
В соответствующей ветке я всё это показал, и думаю, что решать надо задачу начиная с первого пункта. Что я и делаю, но мне нужны идеи из нестандартных подходов описательной статистики.
Идея у меня в том, что бы получить модель, которая будет отбирать устойчивые квантовые отрезки по ряду статистических признаков. Всех желающих приглашаю в этот проект.
Опять же, задача оптимизации.. Ничего сложного
Вопрос в предикторах.
Вопрос в предикторах.
Задача оптимизации
Попробуйте более развернуто изложить свою точку зрения?
Попробуйте более развернуто изложить свою точку зрения?
Попробуйте поставить задачу более конкретно
Так Вы даете решение не понимая задачи?
Я запутался. Есть желание помочь?
Так Вы даете решение не понимая задачи?
Я запутался. Есть желание помочь?