Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1384

 
Vitaly Muzichenko:

Schade, dass man kein "Gefällt mir" geben kann.

Sie können einfach bezahlen (nur ein Scherz).

 
elibrarius:

Yuri kommt auch mit einfachen Schritten gut zurecht

Ich verwende keine Farbverläufe.)
 
Maxim Dmitrievsky:

der Marktpreis spiegelt das Gleichgewicht von Angebot und Nachfrage wider, meist zu verschiedenen historischen Zeitpunkten

Es gibt ein weiteres Problem: Wie viel Geschichte sollte in MO analysiert werden?

wenn wir eine Konstante Bars = 1000 verwenden

Wären das nicht unzuverlässige Daten für das Lernen?

 
Maxim Dmitrievsky:

x.append((SD.history[i-j][c.c]/SD.history[i][c.c]-1)*1000)

das macht keinen Sinn - jede nachfolgende Hotchain enthält die Hälfte der nützlichen Informationen der vorherigen, d.h. sie 1: korrelieren stark, 2: die Hotchain mit der größten Verzögerung enthält die gesamte Varianz der vorherigen Hotchain, d.h. sie geben keinen Informationszuwachs

das Ergebnis wird sein: die Bedeutung des Empfängers mit der längsten Verzögerung wird am größten sein (mehr Varianz, mehr Informationsgewinn), und dieser Empfänger enthält alle Varianz der anderen Merkmale

In einem langen Trend = ja. Und je weiter weg die Bedeutung, desto stärker ist die Korrelation, da alle in die gleiche Richtung wachsen.

Und in dieser Situation:


Der 20. Balken liegt auf der gleichen Ebene wie der 0., aber der 5. und 10. Balken enthalten mehr Informationen als der 20. Und es gibt eine Korrelation, außer bei den 2-3 benachbarten.

Es gibt viele Situationen, und man muss alle Balken analysieren.

Alternativ können Sie die Serie ausdünnen, wie es der Ersteller dieses Zweigs (in seinem Blog) getan hat.

 
Maxim Dmitrievsky:

x.append((SD.history[i-j][c.c]/SD.history[i][c.c]-1)*1000)

das macht keinen Sinn - jedes nachfolgende Merkmal enthält die Hälfte der nützlichen Informationen des vorherigen Merkmals, d.h. sie 1: korrelieren stark, 2:e - das Merkmal mit der größten Verzögerung enthält die gesamte in den vorherigen Merkmalen enthaltene Varianz, d.h. sie geben keinen Informationszuwachs

Das Ergebnis wird sein: Die Rendite mit der größten Verzögerung wird die größte Bedeutung haben (mehr Varianz, mehr Informationsgewinn), und diese Rendite enthält die gesamte Varianz der anderen Merkmale

Gruselig.))
Ein Analogon zu dem, was ich tue, ist ein Foto.
 
Igor Makanu:

Es gibt ein weiteres Problem: Wie viel Geschichte sollte in MO analysiert werden?

wenn wir eine Konstante Bars = 1000 verwenden

wären das nicht unzuverlässige Daten für das Lernen?

Ich gehe davon aus, dass wir, wenn wir den Preis in Niveaus unterteilen, die durchschnittliche Tiefe der Geschichte nach Niveau berechnen können, beginnend mit dem Zeitpunkt, an dem der Preis das Niveau erreicht hat, und endend mit dem Zeitpunkt, an dem er es verlassen hat

 
Yuriy Asaulenko:
Ich verwende keine Inkremente.)

SD.history[i-j][c.c]/SD.history[i][c.c]

Es handelt sich um relative Steigerungen. Du nennst sie einfach bei anderen Namen.

 
elibrarius:

In einem langen Trend = ja. Und je länger der Trend anhält, desto stärker ist die Korrelation, da alle in dieselbe Richtung wachsen.

Und in dieser Situation:


Der 20. Balken liegt auf der gleichen Ebene wie der 0., aber der 5. und 10. Balken enthalten mehr Informationen als der 20. Und es gibt eine Korrelation, außer bei den 2-3 benachbarten.

Es gibt viele Situationen, und man muss alle Balken analysieren.

Sie können die Serie auch ausdünnen, wie es der Ersteller dieses Zweigs (in seinem Blog) getan hat.

Das bedeutet, dass mit zunehmender Anzahl von Stichproben eine maximale Korrelation erreicht wird, wenn man den Durchschnitt

lokal ist niemand interessiert.

 
Yuriy Asaulenko:
Gruselig.))

Berechnen Sie die Korrelation zwischen Ihren Prädiktoren für die gesamte Stichprobe.

und werfen sie dann alle weg)

 
Maxim Dmitrievsky:

Berechnen Sie die Korrelation zwischen Ihren Prädiktoren für die gesamte Stichprobe.

und werfen sie dann alle weg)

Sie irren sich. Das ist die einzige Möglichkeit, dies zu tun.