Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3090
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
надо же, до Прадо добрались
ни одна его техника у меня не сработала )
надо же, до Прадо добрались
ни одна его техника у меня не сработала )
Может что-то еще.. всего не упомнишь.
Но не факт, что это именно его изобретение. Может просто пересказал полезную идею
На 8-й странице пока. И это еще вступление))
Похое что это будет сравнение по Шарпу (но пишут, что можно любой др. показатель) на кросс валидации.
как я понял там надо оптимизировать 4 параметра
Однако следует отметить, что эти показатели могут зависеть от выбранной метрики производительности и порогового значения
Нужна многокритериальая оптимизация по Парето фронту по ходу
как я понял там надо оптимизировать 4 параметра
Однако следует отметить, что эти показатели могут зависеть от выбранной метрики производительности и порогового значения
Слишком коротко, чтобы понять что это за парметры. вот подробнее из статьи стр 13 (если пакет полностью воспроизводит методы в статье, но может и что-то другое добавили/убавили)
Overfit statistics
The framework introduced in Section 2 allows us to characterize the relia-
bility of a strategy’s backtest in terms of four complementary analysis:
1. Probability of Backtest Overfitting (PBO): The probability that the
model configuration selected as optimal IS will underperform the me-
dian of the N model configurations OOS.
2. Performance degradation: This determines to what extent greater per-
formance IS leads to lower performance OOS, an occurrence associated
with the memory effects discussed in Bailey et al. [1].
3. Probability of loss: The probability that the model selected as optimal
IS will deliver a loss OOS.
4. Stochastic dominance: This analysis determines whether the proce-
dure used to select a strategy IS is preferable to randomly choosing
one model configuration among the N alternatives
Далее каждый пункт рассматривается подробнее.
Слишком коротко, чтобы понять что это за парметры. вот подробнее из статьи стр 13 (если пакет полностью воспроизводит методы в статье, но может и что-то другое добавили/убавили)
пакет просто ужасен, никогда за годы не видел такого партака
код ужасен
документация практически никакая
как его в CRAN пропустили я не понимаю
Я до сих пор понять не могу, там одна торговая система иследуеться поделена на батчи или это несколько ТС (в это библиотеке)
Я до сих пор понять не могу, там одна торговая система иследуеться поделена на батчи или это несколько ТС (в это библиотеке)
Выбор лучшей модели среди множества полученных при разных параметрах/гиперпараметрах. На вход даем матрицу, где каждый столбец - прогноз одной из моделей.
А может нет. Пока тоже не понялВыбор лучшей модели среди множества полученных при разных параметрах/гиперпараметрах. На вход даем матрицу, где каждый столбец - прогноз одной из моделей.
с эти я уже разобрался
не понятно как с результатом работать
подаю один столбец (одна ТС)
результат
подаю 5 столбцов (пять ТС)
получаю тоже одну строку
должно же быть 5 строк , или если это рез. от лучшей ТС то должен быть мндекс лучшей..
ля убил бы этого автора
Выбор лучшей модели среди множества полученных при разных параметрах/гиперпараметрах. На вход даем матрицу, где каждый столбец - прогноз одной из моделей.
А может нет. Пока тоже не понялЭто ведь можно интрерпретировать как взятие ретурнов прибыли ТС с разных участков рынка ( параметрах/гиперпараметрах ) ???
разных участков рынка == параметрах/гиперпараметрах ?
Это ведь можно интрерпретировать как взятие ретурнов прибыли ТС с разных участков рынка ( параметрах/гиперпараметрах ) ???
Именно ретурны прибыли.
разных участков рынка == параметрах/гиперпараметрах ?
Как понял именно настройки: разные периоды МА, SL и т.д.