Hola compañeros comerciantes,
Estoy empezando este hilo con la esperanza de compartir con ustedes algunos de mis avances en el campo del aprendizaje automático. Aunque puedo no compartir con ustedes sistemas exactos o implementaciones de codificación (no esperes conseguir algo de "plug-and-play" y hacerse rico de este hilo) voy a compartir con ustedes las ideas, los resultados de mi experimento y, posiblemente, otros aspectos de mi trabajo. Estoy empezando este hilo con la esperanza de que vamos a ser capaces de compartir ideas y ayudarse mutuamente a mejorar nuestras implementaciones. Voy a comenzar con algunas de las eegias de aprendizaje de máquinas simples y entonces ir a cosas más complejas como pasa el tiempo. Espero que disfrutes del paseo!
- - - Updated - - -
Quiero empezar diciendo algunas cosas básicas. Lo siento si la estructura de mis posts deja mucho que desear, no tengo ninguna experiencia los mensajes del foro, pero espero conseguir algo con el tiempo.
En el aprendizaje de la máquina lo que queremos hacer es simplemente para generar una predicción de que es útil para nuestro comercio. Para hacer esta predicción generamos un modelo estadístico utilizando un conjunto de ejemplos (salidas conocidos y algunos insumos que las cosas tienen poder predictivo para predecir esas salidas) que a continuación hacemos una predicción de una potencia desconocida (nuestros datos recientes) utilizando el modelo que hemos creado con los ejemplos.
Para resumir, es un proceso "simple" donde hacemos el siguiente:
Seleccione lo que queremos predecir (este será nuestro objetivo (s))
Seleccione algunas variables de entrada que creemos que puede predecir nuestros objetivos
Construir un conjunto de ejemplos que utilizan los datos del pasado con nuestros insumos y nuestros objetivos
Crear un modelo de uso de estos ejemplos. Un modelo es simplemente un mecanismo matemático que relaciona las entradas / objetivos
Hacer un pronóstico del objetivo utilizando las últimas entradas conocidos
Comercio de utilizar esta información
Quiero decir desde el principio que es muy importante para evitar hacer lo que muchos trabajos académicos sobre el aprendizaje de la máquina de hacer, que es tratar de construir un modelo con muy grandes conjuntos de ejemplos y luego tratar de hacer una predicción a largo plazo en un " fuera de la muestra "set. La construcción de un modelo con 10 años de datos y luego probarlo en los dos últimos es sin sentido, sin perjuicio de muchos tipos de sesgos estadísticos que discutiremos más adelante.
En general, verá que los modelos de aprendizaje automático que construyo son entrenados en cada bar (o cada vez que tengo que tomar una decisión) usando una ventana móvil de datos para la construcción de ejemplos (sólo ejemplos recientes se consideran relevantes). Sin duda, este enfoque no es ajeno a algunos tipos de sesgos estadísticos pero quitar el "elefante en la habitación" cuando se utiliza el amplio dentro de la muestra | enfoque de la mayoría de trabajos académicos (que, sin sorpresa, a menudo lleva a cabo de la muestra enfoques que no son realmente útiles para el comercio).
Existen principalmente tres cosas que preocuparse por la hora de construir un modelo de aprendizaje de máquina:
¿Cuál de predecir (qué objetivo)
Qué predecir con (que introduce)
Cómo relacionar el objetivo y las entradas (qué modelo)
La mayor parte de lo que estaré mencionando en este hilo se centrará en responder a estas preguntas, con ejemplos reales. Si quieres escribir cualquier pregunta que pueda tener y voy a tratar de darle una respuesta, o simplemente saber si voy a responder a eso más adelante.