Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 340
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
R hat ein ziemlich gutes mxnet-Paket. Fortgeschrittenere Modelle sollten jedoch in Pythone betrachtet werden.
Seltsam: Neulich las ich einen relativ aktuellen Bericht über neuronale Netze und freie NS-Software. Python ist also weit davon entfernt, dem Rest der Welt voraus zu sein. Es wird unter anderem erwähnt, aber so wie ich es verstehe, glänzt es nicht mit Vielfalt. Es ist schade, dass ich den Link nicht gespeichert habe.
Was R betrifft, so fehlt ihm aufgrund der Spezialisierung die übliche Modellierungsmathematik völlig - zum Beispiel die Signalfilterung und viele andere Dinge. Was kann man tun - entweder singen oder tanzen.
Sehen Sie sich dies, dies, dies und vielleicht dies an.
Es wird nicht alles klar sein, aber einige grundlegende Konzepte zu neuronalen Netzen werden hoffentlich deutlich werden.
Viel Glück!
Übrigens, ist die Integration von MT4|5 mit R bereits erfolgt oder müssen Sie noch eine DLL anwenden?
Meine persönliche Meinung - Neuronik, Wald, Regressionen - alles zu schwach fürex.............
Ich studiere derzeit Mustererkennungsmodelle, die die Geschichte betrachten, um zu sehen, wie sich der Preis nach ähnlichen Mustern verhalten hat.............
Sie treten in meine Fußstapfen und denken genauso wie ich, das ist schon komisch.
Der Markt ist ein interessantes Biest, es ist schwer, ihn auf Anhieb zu verstehen... Ich werde Ihnen sagen, wie Sie Neuroke ein wenig mehr Stabilität verleihen können. Ich habe schon vor langer Zeit darüber geschrieben, Sie müssen den sogenannten "kritischen Standpunkt" hinzufügen.
Das Rezept lautet wie folgt:
1) Nehmen Sie einige Marktdaten - das kann alles sein, von Indikatoren bis zum Preis
2) Nehmen Sie eine Ausbildungsstichprobe und unterteilen Sie sie in drei Teile "A". , "Б" , "Ц"
3) Nehmen Sie ein Neuron, an dessen Ausgang ein Vektor mit der Wahrscheinlichkeit einer Klasse anstelle der Klasse selbst verwendet wird; lehren Sie diesesNeuron mit Marktdaten der "A"-Stichprobe
4) Vorhersage der Proben "B" und "C" mit unserem Neuron, um einen Vektor der Vorhersagen der Proben "B" und "C" zu erhalten
5) Nehmen Sie ein neues neuronales Netz und trainieren Sie es erneut mit Marktdaten aus der Stichprobe "B" und fügen Sie einen weiteren Vektor von Prognosen aus der Stichprobe "B" aus dem alten neuronalen Netz hinzu.
6) Probe "C" für die Validierung
Probieren Sie es aus und sehen Sie, wie es funktioniert
Signalfilterung, und vieles mehr. und.
Darf ich konkreter werden? Sehr interessant.
Ich hatte den Eindruck, dass in R alles redundant ist. Die eigene Rubrik aus der Statistik sieht nicht wie Matlab aus, aber alles scheint vorhanden zu sein...
Übrigens, ist die Integration von MT4|5 mit R bereits erfolgt oder müssen Sie noch eine DLL anwenden?
Hier finden Sie eine Bibliothek mit Beispielen. Keine Beschwerden.
Du trittst in meine Fußstapfen und denkst genauso wie ich, das ist lustig.
Der Markt ist ein interessantes Biest, es ist schwer, ihn auf Anhieb zu verstehen... Ich werde Ihnen sagen, wie Sie dem Neuroschaltkreis ein wenig mehr Stabilität verleihen können, ich habe vor langer Zeit darüber geschrieben, Sie müssen einen so genannten "kritischen Standpunkt" hinzufügen.
Das Rezept lautet wie folgt:
1) Nehmen Sie einige Marktdaten - das kann alles sein, von Indikatoren bis zum Preis
2) Nehmen Sie eine Ausbildungsstichprobe und unterteilen Sie sie in drei Teile "A". , "Б" , "Ц"
3) Nehmen Sie ein Neuron, an dessen Ausgang ein Vektor mit der Wahrscheinlichkeit einer Klasse anstelle der Klasse selbst verwendet wird; lehren Sie diesesNeuron mit Marktdaten der "A"-Stichprobe
4) Vorhersage der Proben "B" und "C" mit unserem Neuron, um einen Vektor der Vorhersagen der Proben "B" und "C" zu erhalten
5) Nehmen Sie ein neues neuronales Netz und trainieren Sie es erneut mit Marktdaten aus der Stichprobe "B" und fügen Sie einen weiteren Vektor von Prognosen aus der Stichprobe "B" aus dem alten neuronalen Netz hinzu.
6) Probe "C" für die Validierung
Probieren Sie es aus und sehen Sie, was passiert.
Versuchen Sie es mit Bäumen - auch hier können Sie die Wahrscheinlichkeit der Klasse anstelle der Klasse nehmen. Das Schema ist fast Ihres. Versucht noch mehr: für zwei Klassen teilen die Wahrscheinlichkeit nicht durch die Hälfte, aber es gibt Methoden, um es anders zu teilen. Die Verbesserung liegt bei ein paar Prozent.
Alles leer.
Wir sollten nach Prädiktoren suchen, die für das Ziel relevant sind. Und geben Sie sich nicht mit Modellen ab. Bei guten Prädiktoren werden die Modelle in etwa die gleichen Ergebnisse liefern.
Können Sie das genauer erläutern? Sehr interessant.
Ich dachte, alles in R sei überflüssig. Der Rubricator ist ein eigener, aus der Statistik, sieht nicht aus wie Matlab, aber alles scheint da zu sein...
Das wurde bereits ausdrücklich gesagt. Zum Beispiel - Filtern. Filter in R sind nicht als solche zu erkennen, sondern als Filter im funktechnischen Sinne und als Filtersoftware. Z-Transformation - nicht vorhanden. Integraltransformationen fehlen (von all diesen sind nur Fourier-Transformationen vorhanden). R fehlt eine Menge, weswegen ich vor einigen Monaten die Arbeit mit SciLab aufgegeben habe. Hätten Sie damals gefragt, hätten Sie das näher ausführen können).
Dies ist keine Schwäche von R, sondern eine Besonderheit. SciLab hat auch seine eigenen Nachteile (Besonderheiten)). Die Software zielt auf die Lösung unterschiedlicher, sich teilweise überschneidender Probleme ab.
Das wurde bereits ausdrücklich gesagt. Zum Beispiel - Filtern. In R gibt es keine Filter im eigentlichen Sinne, sondern nur Filter im Sinne des Radios, und zwar alle Filterprogramme. Z-Transformation - nicht vorhanden. Integraltransformationen fehlen (von all diesen sind nur Fourier-Transformationen vorhanden). R fehlt eine Menge, weswegen ich vor einigen Monaten die Arbeit mit SciLab aufgegeben habe. Hätten Sie damals gefragt, hätten Sie das näher ausführen können).
Dies ist keine Schwäche von R, sondern eine Besonderheit. SciLab hat auch seine eigenen Nachteile (Besonderheiten)). Die Software zielt auf die Lösung verschiedener, sich teilweise überschneidender Probleme ab.
Sie haben Ihren Satz falsch konstruiert. Sie schreiben: "Ich konnte keine Filter finden, die ich brauche*. Da ich nicht weiß, an welchen Filtern Sie interessiert sind, hier ein paar im Überblick:
mFilter-Paket - Baxter-King-Filter, Butterworth-Filter, Christiano-Fitzgerald-Filter, Hodrick-Prescott-Filter, Trigonometrischer Regressionsfilter
FKF-Paket - Schneller Kalman-Filter
Paket kza -coeff() Kolmogorov-Zurbenko Fourier Transformation
und viele, viele andere...
Wenn Sie sich mit Filtern auskennen und mathematische Formeln zur Berechnung kennen, ist es kein Problem, sie einfach zu berechnen. Nein?
Viel Glück!
Das wurde bereits ausdrücklich gesagt. Zum Beispiel - Filtern. In R gibt es keine Filter im eigentlichen Sinne, sondern nur Filter im Sinne des Radios, und zwar alle Filterprogramme. Z-Transformation - nicht vorhanden. Integraltransformationen fehlen (von all diesen sind nur Fourier-Transformationen vorhanden). R fehlt eine Menge, weswegen ich vor einigen Monaten die Arbeit mit SciLab aufgegeben habe. Hätten Sie damals gefragt, hätten Sie sich genauer ausdrücken können).
Dies ist keine Schwäche von R, sondern eine Besonderheit. SciLab hat auch seine eigenen Nachteile (Besonderheiten)). Die Software zielt auf die Lösung verschiedener, sich teilweise überschneidender Probleme ab.
Es geht nicht um R, es geht um dich.
Soweit ich weiß, beherrschen Sie einige mathematische Werkzeuge und versuchen natürlich, sie beim Handel einzusetzen.
Ich halte den anderen Ansatz für richtiger: Wir suchen nach Problemen im Handel und dann nach Instrumenten zur Lösung dieser Probleme.
R ist ein spezialisiertes System für die Verwendung von Statistiken im Handel, und deshalb haben verschiedene Matlabs, Matcads (Skylab ist überhaupt nicht bekannt) vor einem Jahrzehnt nicht als Konkurrenten für R genannt.
Genauer gesagt über Filter.
Ein Kollege hat einige von ihnen genannt.
Aber bei Filtern geht es darum, das Eingangssignal zu unterteilen, und der erste, der auffällt, ist der Trend. In vielen R-Paketen ist daher die Glättung, die zum Hervorheben des Filters führt, der erste Schritt. Es gibt viele andere, qualitativ unterschiedliche Glättungswerkzeuge, die als solche deklariert sind, z. B. SSA (Crawler), Wavelets.
Aber in Wirklichkeit hat das von Ihnen genannte Pseudo-Problem der R-Filter viel tiefere Wurzeln.
Warum brauchen Sie sie? Ein Filter ist ein Hilfsmittel. Und R bietet fertige Lösungen für den Aufbau von Entscheidungseinheiten. Wir können zwei Hauptlinien benennen: maschinelles Lernen und ARMA-ARIMA-ARFIMA-ARCH-GARCH. Was haben Filter damit zu tun?