Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3159

 
Aleksey Nikolayev #:

Книга хороша как возврат (хоть и на новом уровне) к истокам, к матстату. В девичестве МО (или ИИ) было известно как статистическое обучение.

не читая, со слов Макса понимаю так, что причины это устойчивые связи или модели, а не устойчивые это ассоциации. По мне не самая лучшая терминология, особенно для не имеющих возможности учеты факторов.

 
Valeriy Yastremskiy #:

не читая, со слов Макса понимаю так, что причины это устойчивые связи или модели, а не устойчивые это ассоциации. По мне не самая лучшая терминология, особенно для не имеющих возможности учеты факторов.

Там же исходно про двухфакторный метод проверки лечения (тритмент). Вы, помнится, близки к этой теме в прямом медицинском смысле.

ИМХО, Максим как-то очень широко и творчески переносит понятие тритмента на наши задачи.

 
mytarmailS #:

Обсуждать можно только с тем кто тоже в этой теме, тут таких нет


Предлагаю обяснить нормально как это использовать, чтобы я смог запустить у себя и проверить..

если это работает , то тогда есть смысл читать книгу и вникать, дальше обсуждать..

А пока эта тема имеет статус такой же мути как и у остальных..

Обзор на пальцах, что за зверь кажуал.

Причинно-следственный анализ в машинном обучении
Причинно-следственный анализ в машинном обучении
  • 2022.04.26
  • habr.com
Что появилось первым: курица или яйцо? Причем несколько раз. И каждый раз ответ был разным. А если серьезно, то для машинного обучения становятся все более актуальными вопросы причинно-следственного анализа (causal inference) - когда главной целью моделирования является не прогноз и его качество, а то, как мы можем принимать решения на основе...
 
СанСаныч Фоменко #:

Обзор на пальцах, что за зверь кажуал.

В статье приводится ссылка на ещё одну книгу по теме - вот её самая свежая версия.

Меня больше всего интересует вопрос о том, что может являться "тритментом" в приложении каузала (не казуала!😁) к трейдингу.

 
Это сдвиг парадигмы. Когда пишешь, но не понимается. Написано, что ваши классификаторы - это ассоциативные модели. Нет, мы упорото перебираем для них признаки и делаем вид, что ничего не произошло.

Просто одно слово «ассоциативные» должно повергать переборщиков а глубокий нокаут, если они не в танке. Это, как говорится, развал кабины :) а там уже хоть с тритментом, хоть без :)

И дальше, по ходу прочтения, вас будут ждать все новые разочарования и поражения. Даже на относительно простых датасетах. Поэтому книга для отважных и трушных 😀
 
Aleksey Nikolayev #:

В статье приводится ссылка на ещё одну книгу по теме - вот её самая свежая версия.

Меня больше всего интересует вопрос о том, что может являться "тритментом" в приложении каузала (не казуала!😁) к трейдингу.

Можно вынести тритмент за скобки (или внести из-за скобок) и использовать просто оставшийся матстат :) 
 
СанСаныч Фоменко #:

Обзор на пальцах, что за зверь кажуал.

Как понял из прочитанного весь этот Causal Inference крайне актуален в рамках доказательной медицины, где изначально не ясно влияет ли новое лекарство на заболевание или нет.  В медицине causal Inference является основой ее доказательности. 

В экономике Causal Inference в этом "медицинском" смысле не столь актуален, так как экономика - это хорошо детерминированный процесс на основе цепочек производства и сбыта.

Довольно большой неопределенностью обладает курс валют с неизвестными причинами в рамках дней и недель, но на более длительных периодах причины становятся очевидны.  Но нам надо предсказывать будущее, а вот причины, которые оказываются влияние на курс в будущем владельцами инструментов, влияющими на курс,  тщательно скрываются и узнать мы можем только постфактум.


И последнее. С точки зрения статистики ничего нового в Causal Inference нет. Вот мнение CRAN

There are no basic R functions that are direct implementations of standard causal inference designs, but many methods - more or less complex - are implemented in different packages on CRAN, which we structure into main topics:

Максим, как человек пренебрегающий R, а посему имеющий крайне ограниченные познания в инструментарии, гонит волну кажуал как некое открытие. Ничего нового, просто ушлые русские ребята с замашками из 90-х скомпоновали в кучу известные инструменты, повесили вывеску "Causal Inference" сомнительной применимостью в экономике. 


CRAN Task View: Causal Inference
CRAN Task View: Causal Inference
  • cran.r-project.org
Overview
 

Саныч, когда пытается спорить и доказывать, начинает перебирать пакеты с X2 скоростью... Похоже на перебор четок, для успокоения.

Спросите его про один пакет из списка, он вам выдаст ссылки на пакеты, ссылающиеся на этот пакет, в качестве доказательства своего глубокого понимания темы.

 
Maxim Dmitrievsky #:
Можно вынести тритмент за скобки (или внести из-за скобок) и использовать просто оставшийся матстат :) 

Интересен теоретико-квазифилософский аспект того, что можно считать тритментом) Это в смысле практики всё просто - что работает, то и гут)

Если сущность - это пациент, которому даётся лекарство/плацебо или школяр, которому выдаётся/невыдаётся планшет, то всё понятно и просто.

Если в нашем случае в качестве базовой сущности взять (для простоты) приращение цены за бар, то нам, мелким игрокам, не доступен никакой тритмент, влияющий на неё. Если же в качестве сущности взять приращение эквити, то мы уже можем в качестве тритмента взять размер и направление позиции по инструменту. Но можно на этом не останавливаться же и в качестве тритмента брать любые параметры, описывающие ТС, которая собственно и вычисляет позицию. Этот подход открывает врата в бесконечную сложность и гибкость для понятия тритмента, что может приводить как к переобучению, но также наверно и к чему-нибудь хорошему)

 
Aleksey Nikolayev #:

Интересен квазифилософский аспект того, что можно считать тритментом. В смысле практики всё просто же - что работает, то и гут)

Если сущность - это пациент, которому даётся лекарство/плацебо или школяр, которому выдаётся/невыдаётся планшет, то всё понятно и просто.

Если в нашем случае в качестве базовой сущности взять (для простоты) приращение цены за бар, то нам, мелким игрокам, не доступен никакой тритмент, влияющий на неё. Если же в качестве сущности взять приращение эквити, то мы уже можем в качестве тритмента взять размер и направление позиции по инструменту. Но можно на этом не останавливаться же и в качестве тритмента брать любые параметры, описывающие ТС, которая собственно и вычисляет позицию. Этот подход открывает врата в бесконечную сложность и гибкость для понятия тритмента, что может приводить как к переобучению, но также наверно и к чему-нибудь хорошему)

Примерно так и мыслю. Тритмент - это инструментальная переменная, которая должна привести к чему-нибудь хорошему. В козуле есть разделение на ковариаты и тритмент только потому, что на ковариаты мы не можем оказывать влияние, а на тритмент можем. 

Плюс ковариаты имеют другой смысл, чем признаки при прогнозировании. Они являются отличительными характеристиками каждого наблюдения. Поэтому МЛ модель в козуле похожа больше на базу данных, по которой делается запрос другой моделью и считаются статистики. Или строятся 2 модели и ищутся их пересечения. Больше похоже на работу с базами.

Тогда тритмент можно представить как запрос, по результатам которого считаются статистики.
Причина обращения: