Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3140
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
P.Z.
Talking to myself,
Crying out loud
Only I can hear me,
I'm stuck inside a cloud
Очень патетично конечно, но действительно пора спать
Очень патетично конечно, но действительно пора спать
Я полагаю, что человеческое сознание огромная ошибка эволюции.
Мы - создания, которых по законам природы быть не должно.
Я полагаю, что человеческое сознание огромная ошибка эволюции.
Мы - создания, которых по законам природы быть не должно.
долго еще осталось? )
Вы можете взять любые признаки в достаточном количестве, относящиеся к временному ряду и любые метки, показывающие прибыль в тестере, и сделать из этого робастную модель?Задача сложна в других областях, где вообще непонятно откуда этот признак и зачем он нужен. В биг дате тонны такого мусора, который очень сложно фильтровать. И тонны ложных корреляций, как следствие.
У нас задача выглядит даже примитивной по сравнению с этим, если брать ВР и его производные. Потому что все признаки к нему относятся.
Но все равно надо возиться с алгоритмом и логикой, чтобы сопоставлять метки с признаками. Логик может быть много. Так что занимайтесь своим, а мы своим.
Уже писал почему мне нравится козул, потому что сам до него дошел путем размышлений. И он органично вписался в мое представление.
Меня не интересует "отношение".
Меня интересует способность предиктора предсказывать классы. Например, машка уж точно имеет "отношение" к котиру, видно невооруженным глазом. А вот способность у машки (как и других любых алгоритмов сглаживания) предсказывать классы практически нулевая.
Зимой выяснил, что имеющиеся у меня пары "учитель-предикторы", которые имеют ошибку классификации от 10% до 20%, в советнике эти ошибки классификации имеют очень большие значения, которые съедают всю прибыль от безошибочной классификации.
Поэтому несколько месяцев назад поменял учителя и теперь пытаюсь набрать к нему предикторов, которые способны предсказывать классы, причем эта способность не должна меняться со временем.
Меня не интересует "отношение".
Меня интересует способность предиктора предсказывать классы. Например, машка уж точно имеет "отношение" к котиру, видно невооруженным глазом. А вот способность у машки (как и других любых алгоритмов сглаживания) предсказывать классы практически нулевая.
Зимой выяснил, что имеющиеся у меня пары "учитель-предикторы", которые имеют ошибку классификации от 10% до 20%, в советнике эти ошибки классификации имеют очень большие значения, которые съедают всю прибыль от безошибочной классификации.
Поэтому несколько месяцев назад поменял учителя и теперь пытаюсь набрать к нему предикторов, которые способны предсказывать классы, причем эта способность не должна меняться со временем.
Давайте на пальцах, чтобы все понимали.
Всех интересует способность предикторов предсказывать классы.
Теперь смотрим что делаете вы: берете 2 случайных ряда (признак и целевая) и проверяете предск. способность (в скользящем или нет это сейчас не важно).
То есть вы делаете обычный жадный перебор всего и вся. Наверное есть какой-то способ подсчитать все возможные комбинации, и это должно занять не 10 лет, а +бесконечность.
Но может повезти и вы удовлетворитесь промежуточным результатом.
Есть еще какие-то великие нераскрытые таинства данного подхода? Почему он так воспевается.
Давайте на пальцах, чтобы все понимали.
Всех интересует способность проекторов предсказывать классы.
Теперь смотрим что делаете вы: берете 2 случайных ряда (признак и целевая) и проверяете предск. способность (в скользящем или нет это сейчас не важно).
То есть вы делаете обычный жадный перебор всего и вся. Наверное есть какой-то способ подсчитать все возможные комбинации, и это должно занять не 10 лет, а +бесконечность.
Но может повезти и вы удовлетворитесь промежуточным результатом.
Есть еще какие-то великие нераскрытые таинства данного подхода? Почему он так воспевается.
Никакого перебора нет.
Три строчки кода на R, которые вычисляют способность предиктора предсказывать отдельный класс учителя - некая величина. У разных предикторов она разная, по моим алгоритмам (их несколько у меня, для 100 предикторов работают менее секунды) чем больше, тем лучше. Кроме этого у разных предикторов при движении окна величина способности предсказывать отдельный класс меняется не очень - в пределах 10% sd, а у некоторых более 100% sd. Отбираю 5-8 предикторов, которые скармливаю модели.
Никакого перебора нет.
Три строчки кода на R, которые вычисляют способность предиктора предсказывать отдельный класс учителя - некая величина. У разных предикторов она разная, по моим алгоритмам (их несколько у меня, для 100 предикторов работают менее секунды) чем больше, тем лучше. Кроме этого у разных предикторов при движении окна величина способности предсказывать отдельный класс меняется не очень - в пределах 10% sd, а у некоторых более 100% sd. Отбираю 5-8 предикторов, которые скармливаю модели.
Кроме этого у разных предикторов при движении окна величина способности предсказывать отдельный класс меняется не очень - в пределах 10% sd
Назовите хотя бы один :) Чтобы стало понятно где искать подобные предикторы.
окно - это временные рамки истории котировки?
Окно - это количество значений предикторов, которое подается на вход модели. У меня - это 1500 бар на Н1.
Назовите хотя бы один :) Чтобы стало понятно где искать подобные предикторы.
Это Вы слишком много хотите.