트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 548

 
마이클 마르쿠카이테스 :

주제를 지지하겠습니다. 나는 Amazon 서비스를 사용하지만 그들의 모델 빌더는 어떻게 든 얼음이 아닙니다. 어쨌든 나는 5급 정도의 품질 모델을 만들 수 없었습니다. 내가 뭔가 잘못했을 수도 있지만 거기에는 많은 설정이 없습니다. 이제 구글링을 해볼까...


이 기사로 시작하세요 :) 작은 파이썬을 동시에 배울 수 있습니다. 그리고 친구의 사이트에 대한 위의 또 다른 링크는 모든 것이 거기에서 씹혀 있습니다. 파이썬은 가장 간단한 언어입니다.

http://www.blackarbs.com/blog/time-series-analysis-in-python-linear-models-to-garch/11/1/2016

곧 구글용으로 복사해서 버리겠습니다, 편리한 걸로 판명되었습니다

Time Series Analysis (TSA) in Python - Linear Models to GARCH
Time Series Analysis (TSA) in Python - Linear Models to GARCH
  • 2016.11.08
  • Brian Christopher
  • www.blackarbs.com
So what?  Why do we care about stationarity?  A stationary time series (TS) is simple to predict as we can assume that future statistical properties are the same or proportional to current statistical properties.Most of the models we use in TSA assume covariance-stationarity (#3 above). This means the descriptive statistics these models predict...
 

GARCH는 오류를 제공하고 나머지는 작동합니다.

공책

 

구글 서비스를 간략히 살펴보았다. 이것이 내가 Jupiter 노트북을 이해한 방법입니다. 로컬에서 실행할 수 있습니다. 네, 편리한 일입니다. 그러나 나는 여전히 IDE를 선호합니다. 가벼운 Visual Studio Code IDE를 사용하고 있습니다.

 

https://it.mail.ru/video/playlists/ 기계 학습 및 데이터 분석을 포함한 Mail.ru의 과정.

 
그리고리 쇼닌 :

구글 서비스를 간략히 살펴보았다. 이것이 내가 Jupiter 노트북을 이해한 방법입니다. 로컬에서 실행할 수 있습니다. 네, 편리한 일입니다. 그러나 나는 여전히 IDE를 선호합니다. 가벼운 Visual Studio Code IDE를 사용하고 있습니다.


이것은 Ipython 변형으로 연구에 편리합니다. 음, 실제로 편리하고 일반 .py로 쉽게 변환됩니다.

 
막심 드미트리예프스키 :

GARCH는 오류를 제공하고 나머지는 작동합니다.

공책


아치 모델 자체는 명확하지 않습니다. arima(추세에 대한), ARCH(변동성 및 많은 부분이 있음) 및 분포의 세 부분으로 구성되어야 합니다. 텍스트에서는 ARIMA에 대한 계수이지만 공식에서는 무엇을 참조합니까? 아치의 경우에도 유사한 숫자를 지정해야 합니다. 일반적으로 모든 것이 명확하지 않습니다. 자세히 조정할 기회가 없습니다.

제시된 자료에 따르면 그것은 장난감처럼 보입니다.

 
산산이치 포멘코 :

아치 모델 자체는 명확하지 않습니다. arima(추세에 대한), ARCH(변동성 및 많은 부분이 있음) 및 분포의 세 부분으로 구성되어야 합니다. 텍스트에서는 ARIMA에 대한 계수이지만 공식에서는 무엇을 참조합니까? 아치의 경우에도 유사한 숫자를 지정해야 합니다. 일반적으로 모든 것이 명확하지 않습니다. 자세히 조정할 기회가 없습니다.

제시된 자료에 따르면 그것은 장난감처럼 보입니다.


저는 여전히 Python 자체를 배우는 데 집중하고 있으므로 자세히 살펴보지 않았습니다. 여기에 대한 설명서가 있습니다. https://pypi.python.org/pypi/arch/4.0

오 거기. 많은 패키지가 R에서 직접 대응하므로 큰 차이가 없어야 합니다.

fit() 함수에서 고정 급수가 표시되는지 여부

이 기사는 입문서입니다. 예를 들어 lbfgs 솔버 대신 bfgs를 설치할 때까지 arima는 작동하지 않았습니다. 그리고 grub은 전혀 맞지 않습니다. .. 파이썬의 mb 버전이 다릅니다. 알아보세요. out :) 각 라이브러리를 공부해야 합니다.

arch 4.0 : Python Package Index
  • pypi.python.org
ARCH for Python
 
이것과 함께
산산이치 포멘코 :

아치 모델 자체는 명확하지 않습니다. arima(추세에 대한), ARCH(변동성 및 많은 부분이 있음) 및 분포의 세 부분으로 구성되어야 합니다. 텍스트에서는 ARIMA에 대한 계수이지만 공식에서는 무엇을 참조합니까? 아치의 경우에도 유사한 숫자를 지정해야 합니다. 일반적으로 모든 것이 명확하지 않습니다. 자세히 조정할 기회가 없습니다.

제시된 자료에 따르면 그것은 장난감처럼 보입니다.


여기에 quantopian 기사와 노트북이 있습니다. 아마도 거기에 더 명확 할 것입니다.

나는 잠시 동안 그 자원에 어울리고 사람들이 무엇에 대해 수고하는지 볼 것입니다. 아마도 흥미로운 것이있을 것입니다.

https://www.quantopian.com/posts/quantopian-lecture-series-arch-garch-and-gmm

Quantopian Lecture Series: ARCH, GARCH, and GMM
Quantopian Lecture Series: ARCH, GARCH, and GMM
  • www.quantopian.com
The material on this website is provided for informational purposes only and does not constitute an offer to sell, a solicitation to buy, or a recommendation or endorsement for any security or strategy, nor does it constitute an offer to provide investment advisory services by Quantopian. In addition, the material offers no opinion with respect...
 
막심 드미트리예프스키 :
이것과 함께

여기에 quantopian 기사와 노트북이 있습니다. 아마도 거기에 더 명확 할 것입니다.

나는 잠시 동안 그 자원에 어울리고 사람들이 무엇에 대해 수고하는지 볼 것입니다. 아마도 흥미로운 것이있을 것입니다.

https://www.quantopian.com/posts/quantopian-lecture-series-arch-garch-and-gmm


감사합니다!

아마도 관련 전문 분야의 학생들에게 나쁘지 않을 것입니다.

나는 그런 새로운 것을 공부하지 않는다: 이론이라면 1차 소스, 이론의 실제 적용에 관한 문헌이 필요하고, 코드라면 미래에 실생활에서 실용적인 목적으로 사용될 수 있는 유일한 것 .

지금까지 rugarch는 모든 기준을 만족합니다.

그러나 다시 한 번 감사합니다. 다른 것을 보는 것은 항상 교육적입니다.

 
산산이치 포멘코 :

감사합니다!

아마도 관련 전문 분야의 학생들에게 나쁘지 않을 것입니다.

나는 그런 새로운 것을 공부하지 않는다: 이론이라면 1차 소스, 이론의 실제 적용에 관한 문헌이 필요하고, 코드라면 미래에 실생활에서 실용적인 목적으로 사용될 수 있는 유일한 것 .

지금까지 rugarch는 모든 기준을 만족합니다.

그러나 다시 한 번 감사합니다. 다른 것을 보는 것은 항상 교육적입니다.


아무것도 :) 물론 당신이 그것을 깊이 연구한다면 당신이 옳습니다.

나는 간단한 접근 방식을 가지고 있습니다. 많은 g..를 통해 정렬하고, 가장 흥미로운 것을 선택한 다음, 최소한 거래할 수 있는 가능성이 있는지 확인하고, 있는 경우에만 일부로 긁는 방법에 대해 생각합니다. 이미 사용 가능한 경험을 하고 봇을 제출합니다. ) 내가 직접 보지 않거나 누군가가 이것이 시간 낭비가 아니라고 제안하지 않으면 자료에 대한 깊은 연구를 추구하지 않습니다. 그렇지 않으면 너무 많은 것들이 있습니다. 내 눈은 크게

사유: