Rankia USA Rankia Argentina Rankia Brasil Rankia Chile Rankia Colombia Rankia Czechia Rankia Deutschland Rankia España Rankia France Rankia Indonesia Rankia Italia Rankia Magyarország Rankia México Rankia Netherlands Rankia Perú Rankia Polska Rankia Portugal Rankia Romania Rankia Türkiye Rankia United Kingdom
Acceder

Victorin

Se registró el 19/05/2010
--
Publicaciones
1
Recomendaciones
--
Seguidores
Posición en Rankia
999,999
Posición último año
Victorin 21/06/13 04:17
Ha comenzado a seguir al usuario
Victorin 21/06/13 04:13
Ha comenzado a seguir al usuario
Victorin 20/06/13 16:33
Ha comentado en el artículo Cómo optimizar un sistema mediante minería de datos
Muchas gracias por la aclaración Juan, el tema de machine learning aplicado al trading es super interesante. Como dicen los anglosajones, keep up the good work! :)
ir al comentario
Victorin 20/06/13 05:09
Ha recomendado Cómo optimizar un sistema mediante minería de datos de
Victorin 20/06/13 05:08
Ha guardado Cómo optimizar un sistema mediante minería de datos de
Victorin 20/06/13 04:47
Ha comentado en el artículo Cómo optimizar un sistema mediante minería de datos
Juan, un tema super interesante. Estoy desarrollando un optimizador para sistemas de trading, y el primer paso que hemos implementado es la técnica de fuerza bruta (brute-force), que no es nada más que probar todas las combinaciones de parámetros posibles para buscar el conjunto óptimo. El problema es la memoria requerida por el sistema y el tiempo de cálculo. El siguiente paso es la optimización genética, que como bien has dicho en el artículo es probar una muestra pequeña de combinaciones e ir aplicando pequeñas modificaciones a las ganadoras para emular una técnica de selección natural hasta que llegamos al óptimo. Basado en mi experiencia esta técnica suele reducir cerca del 70-80% las combinaciones necesarias (backtest) para llegar al óptimo, aunque como bien apuntas tiene sus drawbacks. Y sobre el clustering k-means, entiendo su mayor virtud: comparar matrices de NxN parámetros, descubriendo las "comunidades" o "hotspots" donde los resultados son más óptimos (lo que podríamos considerar zonas robustas en nuestro modelo). Mi pregunta és, previamente al proceso de clustering necesitas tener el resultado de todas las combinaciones (brute-force) para posteriormente "agrupar" los conjuntos de parámetros robustos? Tal y como he entendido en el artículo, la técnica KNN sirve para "decidir" la combinación óptima una vez has calculado los P&Ls de las combinaciones (no aporta ninguna ventaja en ese proceso de velocidad/reducción de casos). Saludos y felicidades por la calidad de los artículos!
ir al comentario
No hay más resultados

Lo que sigue Victorin