Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3122

 
Maxim Dmitrievsky #:

неплохо бы понять чем тот кусок отличается от остальных

Параметры ряда может как то погенерить?)
 
Valeriy Yastremskiy #:

Связывать с внешними сигналами))) Это конечно сложно, но просто ряд цен слишком малоинформативен на мой не профный взгляд)))

Как надоело на все это смотреть: изыскания, головоломки и поиски системы..

Логика построения рыночной котировки не могла в 1970-ом году быть сложной.

При чем тут нейросети, если котир в то время запускали с коленок, с бумаги писаной карандашом и посчитанной на счетах?

Ну и что, что прошло уже 50 лет.

Алгоритм не изменился, говорю как есть, 100%, проверено!

Ну не мог в 1970м году человек придумать такое, что человеку не понять, не мог!

 
Valeriy Yastremskiy #:
Параметры ряда может как то погенерить?)
Можно даже разницу вывести и скорректировать через МО.
 
Renat Akhtyamov #:

Как надоело на все это смотреть: изыскания, головоломки и поиски системы..

Логика построения рыночной котировки не могла в 1970-ом году быть сложной.

При чем тут нейросети, если котир в то время запускали с коленок, с бумаги писаной карандашом и посчитанной на счетах?

Ну и что, что прошло уже 50 лет.

Алгоритм не изменился, говорю как есть, 100%, проверено!

Ну не мог в 1970м году человек придумать такое, что человеку не понять, не мог!

Там в цум новую коллекцию трусов завезли, сбегай посмотри..
 
Maxim Dmitrievsky #:
Можно даже разницу вывести и скорректировать через МО.
Разницу с чем? Это же ООС, которое неизвестно. На трейне все хорошо, разницу не с чем считать.
 
Forester #:
Разницу с чем? Это же ООС, которое неизвестно. На трейне все хорошо, разницу не с чем считать.
Сравнить ООС с трейном для начала. Трейн будет тритмент группой, а ООС контрольной. Можно сначала просто посмотреть на смещение среднего признаков. Если таковое есть, то посмотреть динамику таких смещений на всей истории. Если можно вылечить потом без учета ООС, то хорошо :)

Если признаков много, то это довольно творческое сложное занятие. Пока еще не все осилил.

Задача по сути своей сводится к тому, как пофиксить bias. Это вообще целевая задача после того, как научился циферки в модель подставлять. Если никак уж не фиксится, то дело дрянь, конечно. Но это не повод бросать (наверное) 😀
 
Maxim Dmitrievsky #:
Можно даже разницу вывести и скорректировать через МО.

Разницу чего? 

как то понятно, как ты говоришь мета параметром ряда является его математическая модель, и параметры модели это параметры ряды, но модели получаются разными и параметры порой у одной есть, у другой их нет или поведение модели от параметров различное. А сравнивать результаты работы модели в виде ТС ... не думаю что это корректно.

Наверное может иметь место зависимость корреляции неких параметров ряда на его поведение. Сыро конечно...

Как тебе моделирование торговых переговоров?

Машинное обучение, в частности метод ядра, использовалось компанией Renaissance Technologies в 1980-х годах, 

Machine learning, specifically the kernel method, 

Что это в сегодняшнем понимании?

 
Valeriy Yastremskiy #:

Разницу чего? 

как то понятно, как ты говоришь мета параметром ряда является его математическая модель, и параметры модели это параметры ряды, но модели получаются разными и параметры порой у одной есть, у другой их нет или поведение модели от параметров различное. А сравнивать результаты работы модели в виде ТС ... не думаю что это корректно.

Наверное может иметь место зависимость корреляции неких параметров ряда на его поведение. Сыро конечно...

Как тебе моделирование торговых переговоров?

Машинное обучение, в частности метод ядра, использовалось компанией Renaissance Technologies в 1980-х годах, 

Machine learning, specifically the kernel method, 

Что это в сегодняшнем понимании?

Смотря какого ядра 😀 полиномиального или радиального базисного что ли. Нормально все в сегодняшнем понимании. Модель неглубокая (если в составе регрессии или методе опорных векторов), зато простая и интерпретируемая.

Разницу распределений и отклика модели на них. Это вроде бы очень очевидно. Осталось придумать как ее нивелировать.
 
Maxim Dmitrievsky #:
Сравнить ООС с трейном для начала. Трейн будет тритмент группой, а ООС контрольной. Можно сначала просто посмотреть на смещение среднего признаков. Если таковое есть, то посмотреть динамику таких смещений на всей истории. Если можно вылечить потом без учета ООС, то хорошо :)

Если признаков много, то это довольно творческое сложное занятие. Пока еще не все осилил.

Задача по сути своей сводится к тому, как пофиксить bias. Это вообще целевая задача после того, как научился циферки в модель подставлять. Если никак уж не фиксится, то дело дрянь, конечно. Но это не повод бросать (наверное) 😀
Модель на sell начинает проседать когда глобальный (как раз 1-1,5 года) тренд вверх. На трейне она находит возможность заработать, но на ООС идет в просадку.
Возможно первый вариант с выбором buy|sell одной моделью будет лучше. Но если она настроится на глобальный тренд, то будет сливать в моменты смены тренда. И наверное будет годами торговать в одну сторону.
 
Forester #:
Модель на sell начинает проседать когда глобальный (как раз 1-1,5 года) тренд вверх. На трейне она находит возможность заработать, но на ООС идет в просадку.
Возможно первый вариант с выбором buy|sell одной моделью будет лучше. Но если она настроится на глобальный тренд, то будет сливать в моменты смены тренда. И наверное будет годами торговать в одну сторону.
Модель смещена получается. Значит нужно заставлять ее обучаться без такого смещения. Но сначала нужно найти коэффициенты смещения, допустим это слоуп или свободный член (интерцепт), как в регрессии. А что если заставить ее обучиться так, чтобы этот член не варьировался на трейн и ООС. В общем-то цитирую книги по козулу.

В катбусте и других моделях можно назначать веса меткам при обучении. Например, выводится смещение, потом переводится в веса и модель уже на трейне обучается с поправочными коэффициентами. Это один из способов.
Причина обращения: