Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2836
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Öğrenme çıktılarınız iyileşti mi?)
Maalesef hayır.
Şu anda Lopez de Prado'nun web sitesine bakıyorum . https://quantresearch.org/Patents.htm.
Eylül ayında yayınlanan yeni bir patenti var (Monte Carlo Backtesting aracılığıyla Taktiksel Yatırım Algoritmaları).
Pek çok değerli fikir var, örneğin nowcasting'i (kısa vadeli tahmin) vurguluyor.
Alıntı: "Kısa vadeli tahminler istatistiksel olarak uzun vadeli tahminlerden daha güvenilirdir."
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3562025
Koronavirüs pandemisinden elde edilen temel bulgular.
Bu krizden ne gibi dersler çıkarabiliriz?
1. daha fazla bugünden tahmin, daha az tahmin
2. Ticaret kuralları değil, teoriler geliştirin
3. Tüm rejim stratejilerinden kaçının
Hayır, maalesef.
Şu anda Lopez de Prado'nun web sitesine bakıyorum . https://quantresearch.org/Patents.htm.
Eylül ayında yayınlanan yeni bir patenti var (Monte Carlo Backtesting aracılığıyla Taktiksel Yatırım Algoritmaları).
Birçok değerli fikir, örneğin nowcasting'i (kısa vadeli tahmin) vurguluyor.
Alıntı: "Kısa menzilli tahminler istatistiksel olarak uzun menzilli tahminlerden daha güvenilirdir".
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3562025
Koronavirüs pandemisinden elde edilen temel bulgular.
Bu krizden ne gibi dersler çıkarabiliriz?
1. daha fazla bugünden tahmin, daha az tahmin
2. Ticaret kuralları değil, teoriler geliştirin
3. Tüm rejim stratejilerinden kaçının
Hayır, maalesef.
İyi bir eğitim aldınız mı yoksa hiç eğitim almadınız mı?
Eğitim iyi geçti mi yoksa hiç eğitim verilmedi mi?
Normal, hesaplamanın doğru olması anlamında (3 - 4 seviyesinde maksimum Sharpe'a sahiptim), ancak sınıf njit dekoratörü olmadığından, eğitim çok yavaş.
Hesaplamanın doğru olması açısından sorun yok (sahip olduğum maksimum Sharpe 3 - 4 seviyesindeydi), ancak sınıf njit dekoratörü olmadığından, öğrenme çok yavaş
Njit dekoratörü nedir ?
Njit dekoratörü nedir?
fonksiyonlarda kod yürütmeyi hızlandırmak için pandas geliştiricilerinden bir ek
Geçmişte ya da gelecekte olması fark etmez. Ve test cihazının kendisinin bununla hiçbir ilgisi yoktur.
Önemli olan, algoritmanın (tek başına veya bir şebekenin parçası olarak optimizasyon algoritması) değerlendirme kriterinin global optimumunu bulma özelliğidir. Değerlendirme kriterinin altını çiziyorum. Değerlendirme kriterinin mutlaka ve/veya sadece kar olması gerekmez. Herhangi bir şey olabilir, örneğin, OOS üzerinde çalışmanın değerlendirme kriteri bir kriter değil mi (örnek ve OOS arasındaki farkı en aza indirmek)? - Bu sadece bir düşünce. Kriterler herhangi bir şey ve herhangi bir karmaşıklıkta olabilir. "Kar" kriterinin çok gullied ve ayrık bir şey olduğunu anlamak önemlidir, bu nedenle insanlar daha yumuşak, daha monoton değerlendirme kriterleri bulmaya çalışırlar, bu da genel olarak optimizasyonun kalitesini ve özellikle nöronik eğitimini geliştirir.
Dolayısıyla, son derece sanatsal bir şekilde çizdiğim resme geri dönecek olursak - yerel ekstremumların ne sayısının ne de özelliklerinin bilinmediği koşullarda, tek çıkış yolunun sınırlı hesaplama kapasitesi koşullarında mümkün olanı mümkün olduğunca aramak olduğu gerçeğinin görsel bir gösterimi.
Plato - evet, böyle bir kavram var, ancak bu optimizasyonla ilgili değil, benzer parametre kümelerini bazı özelliklere göre sınıflandırma meselesi. Kararlı bir plato aramak ayrı bir karmaşık görevdir.
Bir kez daha: ekstremin hiçbir değeri yoktur: kararsız bir nokta, ki bu da mevcut değildir, çünkü rastgele süreçlerle ve durağan olmayanlarla uğraşıyoruz.
Kârlı olduğu sürece, yerel ve küresel minimumun üzerinde olsa bile, şekilde gösterildiği gibi bir plato aramamız gerekir. Böyle bir plato teorik olarak TS'nin karlılığının üst sınırını gösterecektir. Ve bulunan ekstremumlar hiçbir şey değildir - kesinlikle gelecekte değildirler, ancak bir plato için umut vardır
"Plato" hakkında garip bir fikriniz var. plato, incelenen fonksiyon üzerinde bir tür alan değildir. plato, bazı özellikler üzerinde bir dizi parametre kümesidir.
Kârın serilerin durağan olmamasıyla ve hatta ağın bilinmeyen veriler üzerinde benzer sonuçlarla öğrenme ve çalışma becerisiyle hiçbir ilgisi yoktur.
kar gibi bir fonksiyonu kelimenin tam anlamıyla, yani bu fonksiyon bir test cihazındaki denge grafiğine benziyormuş gibi alıyorsunuz. bu temelde yanlıştır.
Bir kez daha: ekstremin hiçbir değeri yoktur: kararsız bir nokta, üstelik var olmayan, çünkü rastgele süreçlerle ve durağan olmayanlarla uğraşıyoruz.
Kârlı olduğu sürece, yerel ve küresel minimumun üzerinde olsa bile, şekilde gösterildiği gibi bir plato aramamız gerekir. Böyle bir plato teorik olarak TS'nin karlılığının üst sınırını gösterecektir. Ve bulunan ekstremumlar hiçbir şey değildir - kesinlikle gelecekte değildirler, ancak bir plato için umut vardır
Optimizasyon, ne olduğunu bilmediğiniz bir şeyi bulmakla ilgili değil, örneğin TS'nin karlılığını artırmakla ilgilidir.
Normal bir durumda tüm ilgi yüzeyine ve özellikle potansiyel kârda bir artış olarak ekstremaya sahipsiniz, diyelim. Ve platoya doğru yuvarlanmak için zamanınız olacak.
Ya da tüm yüzey battı ve sadece bulunması gereken sudan çıkan uç noktalar ve platolar mı var? O zaman bu zaten bir ilk uyumdur.
Bir araya gelip "Hadi bir şeyi optimize edelim ve bir plato arayalım" demek gibi ve eğer bir plato bulursak, orada bir hazine var demektir. Siz de böyle mi görüyorsunuz?
Elbette kurtuluş için bir umut var ama bu çok küçük.
Sinir ağlarının çalışma kümelerini bulma sürecini bir örnekle açıklayabileceğimi hayal ediyorum: tek bir maksimuma sahip hayali bir Everest dağı var. görev, yolun açısı 3 dereceyi geçmeyecek ve yol mümkün olduğunca kısa olacak şekilde maksimuma bir yol döşemektir. Zirveye giden düz bir yol ararsanız, o zaman birçok insan kesinlikle çarpacak ve ölecektir (dibe indiklerinde ağlayacaklar, düzleşecekler, rüzgar gülünün sabit olmadığından şikayet edecekler). neden böyle bir maksimuma ihtiyacınız var? dağın eğim açısı ve yolun uzunluğu olmak üzere iki kriter içeren dağ fonksiyonunun türevi olan başka bir fonksiyon daha vardır. Bu problem optimizasyona ve dağdan bu türev fonksiyonunun minimumunu bulmaya indirgenir (eğim açısının ve yol uzunluğunun minimizasyonu). bu nedenle bu fonksiyonun birçok yerel ekstremumu ve yalnızca bir küresel ekstremumu olacaktır. böylece bu problemi çözerek Everest'in tepesine güvenli bir yol bulacağız, kimse ölmeyecek ve rüzgarların durağan olmaması bizim için önemli olmayacak. ancak "plato" dağda mola verebileceğiniz belirli bir platform olarak değil, güvenlik gereksinimlerini karşılayan benzer açı*uzunluk özelliklerine sahip bir grup yol seçeneği olarak anlaşılmalıdır.
Genel olarak bu böyledir. Her algoritma "güvenli" bir yol bulamaz. Hem arama özellikleri hem de yakınsama ve yakınsama hızı önemlidir.