트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 3042

[mytarmailS]

데이터에서 몇 가지 "좋은" 규칙/전략 추출하기...

전체 단계

1) 데이터 변환 및 정규화

2) 모델 훈련

3) 규칙 추출

4) 규칙 필터링

5) 시각화

코드가 준비되면 데이터를 대체하기만 하면 됩니다.

close <- cumsum(rnorm(10000,sd = 0.00001))+100
par(mar=c(2,2,2,2))
plot(close,t="l")

sw <- embed(x = close,dimension = 10)[,10:1] #  make slide window data
X <- t(apply(sw,1,scale)) #  normalase data

dp <- c(diff(close),0) #  diff prices
Y <- as.factor( ifelse(dp>=0,1,-1) ) #  target for classification

tr <- 1:500
library(inTrees)  # ?inTrees::getRuleMetric()
library(RRF)

rf <- RRF(x = X[tr,],y = Y[tr],ntree=100)
rule <- getRuleMetric(unique(extractRules(RF2List(rf),X[tr,])),X[tr,],Y[tr])
rule <- data.frame(rule,stringsAsFactors = F)
for(i in c(1,2,3,5)) rule[,i] <- as.numeric(rule[,i])
buy_rules <- rule$condition[ rule$pred==1 ]

plot(x = 1:1000,y = rep(NA,1000), ylim = c(-0.001,0.001)) 
for(i in 1:length(buy_rules)){
   cum_profit <- cumsum( dp[  eval(str2expression(buy_rules[i]))  ] )
   lines(cum_profit,col=8,lwd=1)
}
for(i in 1:length(buy_rules)){
  cum_profit <- cumsum( dp[  eval(str2expression(buy_rules[i]))  ] )
  ccor <- cor(cum_profit, 1:length(cum_profit))
  if(ccor>=0.9)  lines(cum_profit,col=i,lwd=2)
}
abline(h = 0,col=2,lty=2)

문제는 무작위로 "작동하는 TC"를 찾을 수 있다면 실제 데이터에서 발견 된 TC가 무작위가 아니라는 것을 증명하는 방법은 무엇입니까?

Alexey가 여기서 하고 있는데, 이런 종류의 작업에 대한 통계적 테스트가 있는지 궁금합니다.

[Maxim Dmitrievsky]

chatgpt에게 물어보면 종종 사람보다 더 유익한 답변을 얻을 수 있습니다 :)

프롬프트를 통해서만 봇을 처음부터 작성하는 실험을 해보고 싶어요.

[Valeriy Yastremskiy]

Maxim Dmitrievsky 봇을 처음부터 작성하는 실험을 하고 싶습니다.

왜요? 릴리스를 능가하기 위해? 비록 ..... ... ... ... 나는하고 싶다)))))))))))))))))))))))) 숙련된 손에서 정말 멋진 도구입니다.)

[Maxim Dmitrievsky]

Valeriy Yastremskiy #:

왜? 릴리스를 이기려고? 비록 ..... ... ... ... sya)))))))) 올바른 손에 정말 멋진 도구입니다.)

메타 수준의 프로그래밍이고, 게다가 그녀는 파이썬을 완벽하게 알고 있습니다. 나는 또한 소파에 누워서 음성으로 프롬프트를합니다. 아이디어가 떠오르지만 이 코드를 다시 작성하기에는 너무 게으른 경우가 종종 있습니다 :).

[Valeriy Yastremskiy]

Maxim Dmitrievsky #:
메타 레벨 프로그래밍인데다 파이썬도 완벽하게 알고 있죠. 소파에 누워서 음성으로 프롬프트를 하기도 해요. 아이디어가 떠오르지만 너무 게을러서 이 코드를 다시 작성하지 못하는 경우가 종종 있습니다.)

동의합니다, 올바른 질문은 메타 수준입니다))))

음 및 코드 실행의 정확성 확인)

[Maxim Dmitrievsky]

Valeriy Yastremskiy #:

동의합니다, 제대로 제기 된 질문은 메타 수준입니다)))))

음과 코드 실행의 정확성 확인)

입을 움직일 필요가 없도록 신경 인터페이스를 제공해주세요.

[mytarmailS]

성능 저하라고 생각합니다.

[Aleksey Nikolayev]

mytarmailS #:

데이터에서 몇 가지 "좋은" 규칙/전략 추출하기...

전체 단계

1) 데이터 변환 및 정규화

2) 모델 훈련

3) 규칙 추출

4) 규칙 필터링

5) 시각화

준비된 코드 , 데이터를 대체하기만 하면 됩니다.

문제는 무작위로 '작동하는 TC'를 찾을 수 있다면, 실제 데이터에서 찾은 TC가 무작위가 아니라는 것을 어떤 방법으로 증명할 수 있느냐는 것입니다.

Alexey가 여기서 하고 있는데, 이런 종류의 작업에 대한 통계적 테스트가 있는지 궁금합니다.

이러한 문제에 대해 matstat을 적용할 때 가장 큰 문제는 TC 검색이 많은 수의 변형 중에서 선택하여 수행된다는 것입니다. 가격을 SB로 모델링하면 거래하기 좋은 요일을 항상 "찾을 수 있다"는 간단한 예시를 통해 많은 변형 집합에서 매우 아름다운 것을 선택할 수 있습니다. 그리고 선택할 수 있는 변형은 120개에 불과합니다.

매트스탯은 선택한 TS가 반드시 나쁘다고 말하는 것이 아니라, 그러한 결과가 SB에서 선택된 결과일 수 있다는 것(반드시 그런 것은 아님)만을 말합니다.

[Aleksey Vyazmikin]

mytarmailS #:

데이터에서 몇 가지 "좋은" 규칙/전략 추출하기...

시작 시 오류가 발생합니다.

> sw <- embed(x = close,dimension = 10)[,10:1] # make slide window data
Error in h(simpleError(msg, call)) : 
  ошибка при оценке аргумента '.data' при выборе метода для функции 'embed': argument ".data" is missing, with no default

[Aleksey Nikolayev]

순전히 이론적인 질문이 생겼습니다. 하나의 ONNX 모델을 사용하여 다른 ONNX 모델을 도출할 수 있는가 하는 것입니다. 예를 들어, 첫 번째 모델은 새로운 데이터를 주기적으로 재학습하고 작업 모델을 업데이트하는 데 사용됩니다. 즉, 파이썬 등을 사용하지 않고도 말이죠.

언뜻보기에 이것은 가능하지 않을 것 같지만 누군가가 이와 같은 일을 시도한 경우를 대비하여.

나는 AI로부터 의미있는 답변을 얻지 못했습니다. AI는 할 수 있다고 쓰고 질문과 관련이없는 참조를 인용합니다).