Деревоподібні класифікатори часто видають надмірно впевнені ймовірності, особливо при шумних фінансових мітках, тому точність може виглядати прийнятною, тоді як оцінки ймовірностей систематично надто екстремальні. Ця некалібруваність безпосередньо впливає на розмір ставок та розміри за методом Келлі, створюючи надмірно великі позиції, глибші відтіки та слабший геометричний ріст. Калібрування оцінюється за допомогою діаграм надійності та показника Брайєра (загальна корисність), ECE (середня різниця) та MCE (риск у хвостових випадках), з довірчими смугами бутстрепу для врахування обмеженої кількості незалежних вибірок. Порівнюються два практичні калібратори: ізотонна регресія (непараметрична, зберігає ранги, найкраща при достатній кількості даних) та масштабування Платта (сигмоїдальна, стабільніша при малих вибірках, але менш гнучка). Ключовим інженерним обмеженням є уникнення часових витоків. Калібрування навчається на передбаченнях p... #MQL5 #MT5 #AITrading #Strategy https://t.co/YzqMoyifVC
Поділитися
Джерело:Показати оригінал
Відмова від відповідальності: Інформація на цій сторінці може бути отримана від третіх осіб і не обов'язково відображає погляди або думки KuCoin. Цей контент надається лише для загального інформування, без будь-яких запевнень або гарантій, а також не може розглядатися як фінансова або інвестиційна порада. KuCoin не несе відповідальності за будь-які помилки або упущення, а також за будь-які результати, отримані в результаті використання цієї інформації.
Інвестиції в цифрові активи можуть бути ризикованими. Будь ласка, ретельно оцініть ризики продукту та свою толерантність до ризику, виходячи з ваших власних фінансових обставин. Для отримання додаткової інформації, будь ласка, зверніться до наших Умов використання та Розкриття інформації про ризики.