Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2373

Neuer Kommentar
 
geheim:

Nun, es ist die S&P, die den Abriss hat. Der fx hat sie nicht ständig.

Nun, wenn man die Inflation herausrechnet, ist der Trend auch dort nicht so konstant. Bei Devisen hingegen wird die Inflation zum Teilautomatisch beseitigt.

geheim:

Die Idee mit dem Put-Call-Verhältnis usw. ist gut, aber ich habe noch niemanden gesehen, der sich damit rühmt, damit Gewinne zu erzielen. Der Markt wird jedoch von Teilnehmern mit Geld und nicht mit Erfahrung bewegt, und die Liquidität von Währungsoptionen ist gering. Und sie haben einen anderen Zweck.

Sicherlich sind alle Fische längst gefangen worden, aber manchmal muss man nachsehen, ob es neue gibt)

geheim:

p.s. es wäre schön, wenn es einen Zweig für Gerüchte gäbe, da sie sich überall als irrelevant erweisen)

Nur für) Aber sie werden ein Rätsel aufgeben) Für die meisten sind Zufallsprozesse eine Art philosophisches und geschwätziges Zeug aus der Kategorie der Dinge, über die, egal was man sagt, alles in irgendeiner Weise wahr ist) Auch hier wird es immer eine Menge Praktiker geben, die den theoretischen Theoretikern erklären wollen, wie furchtbar weit sie von der Praxis entfernt sind)

 
Aleksey Nikolayev:

Nun, wenn man die Inflation herausrechnet, ist der Trend dort auch nicht so konstant. Auf dem Devisenmarkt wird die Inflation zum Teilautomatisch beseitigt.

Sicherlich sind längst alle Fische gefangen worden, aber manchmal muss man nachsehen, ob es neue gibt)

Ich bin ganz dafür) Aber sie werden einen Faden rätseln) Für die meisten sind Zufallsprozesse eine Art philosophischer und geschwätziger Mist aus der Kategorie jener Dinge, über die - egal, was man sagt - alles in irgendeinem Sinne richtig ist) Auch hier wird es immer eine Menge Praktiker geben, die den theoretischen Theoretikern erklären wollen, wie schrecklich weit sie von der Praxis entfernt sind)

Richtig, es ist besser, über Bäume und Wälder zu diskutieren.
 
Kann jemand helfen, ein Skript in R zu erstellen, das eine Probe nimmt und das Modell "Lasso-Regression" darauf anwendet? Ich habe die Meinung gehört, dass es bei binären Merkmalen mit hoher Korrelation gut funktioniert - ich möchte es ausprobieren. Ich brauche jedoch eine Klassifizierung, keine Regression, aber das ist hier nicht so wichtig - der Mann sprach von Klassifizierung.
 
Aleksey Vyazmikin:
Kann jemand helfen, ein Skript in R zu erstellen, das eine Stichprobe nimmt und das Modell "Lasso-Regression" darauf anwendet? Ich habe gehört, dass es bei binären Merkmalen mit hoher Korrelation gut funktioniert - ich möchte es ausprobieren. Aber ich brauche eine Klassifizierung, keine Regression, aber ich denke, das ist hier nicht sehr wichtig - der Mann sprach von Klassifizierung.

siehe ROCKET, der Algorithmus erzeugt eine Reihe von dekorbezogenen Merkmalen

 
Aleksey Vyazmikin:
Kann jemand helfen, ein Skript in R zu erstellen, das eine Stichprobe nimmt und das Modell "Lasso-Regression" darauf anwendet? Ich habe gehört, dass es bei binären Merkmalen mit hoher Korrelation gut funktioniert - ich möchte es ausprobieren. Ich brauche jedoch eine Klassifizierung, keine Regression, aber ich denke, das ist hier nicht sehr wichtig - der Mann sprach von Klassifizierung.

https://www.pluralsight.com/guides/linear-lasso-and-ridge-regression-with-r

http://www.science.smith.edu/~jcrouser/SDS293/labs/lab10-r.html

https://rstatisticsblog.com/data-science-in-action/machine-learning/lasso-regression/

 
mytarmailS:


Wir müssen ein Marktmodell von diesen erstellen --- Ein vereinfachter Merkmalsraum, der für uns nützliche Eigenschaften hat


Warum vereinfachen

1) Sichtbarkeit, Wahrnehmbarkeit.

2) Einfacherer Raum bedeutet mehr Wiederholbarkeit, Regelmäßigkeiten sind leichter zu finden und wiederholen sich nicht alle 2 Jahre

3) Minimierung der Wahrscheinlichkeit einer kombinatorischen Explosion bei der Suche nach Mustern

4) Intelligente Vereinfachung beseitigt Rauschen


Was sind die nützlichen Eigenschaften (was wird von einem Modell benötigt)

1) Das Modell muss den Marktbewegungen angemessen sein

2) Wiederholbarkeit der Daten innerhalb des Modells

3) Einfachheit


Ich werde vielleicht noch etwas hinzufügen, und ich lade alle ein, die Varianten des Modells zu diskutieren

Ein mathematisches Modell der physikalischen Prozesse mit vernünftigen Annahmen ist ein erreichbares Ziel mit ausreichender Genauigkeit.

Die multifaktoriellen mathematischen Modelle einfacher Prozesse, wie z. B. der Brownschen Bewegung, erreichen ebenfalls die erforderliche Genauigkeit.

Aber komplexe Systeme treffen sich nicht.

Alexey Nikolaev hat in den Blogs ein Modell der Minderheitenspiele auf R

Das Ergebnis war ähnlich wie bei der Zeckenbewegung. Aber das Hinzufügen von Faktoren mit unterschiedlichem Einfluss in das Modell funktioniert einfach nicht. Und wo man hingeht, zu komplexen Spielmodellen oder um aus einem einfachen Modell ein komplexeres zu machen, ist schwer zu entscheiden, mehr oder weniger richtig. Und das Modell ist anfangs nicht einfach, da die Anzahl der Klassen/Gruppen der handelnden Variablen mehr als 2 beträgt. Bei der Brownschen Bewegung gibt es 1 Klasse, und das Modell ist recht komplex.

 
Maxim Dmitrievsky:

siehe ROCKET, der Algorithmus erzeugt eine Reihe von dekorbezogenen Merkmalen

Ich muss mit Binärdateien experimentieren.

 
mytarmailS:

https://www.pluralsight.com/guides/linear-lasso-and-ridge-regression-with-r

http://www.science.smith.edu/~jcrouser/SDS293/labs/lab10-r.html

https://rstatisticsblog.com/data-science-in-action/machine-learning/lasso-regression/

Danke, aber ich bin ein Passagier in R, ich würde in all der Vielfalt der Code-Beispiele dort ertrinken - ich möchte ein triviales Arbeits-Skript, wie es nicht viele Parameter gibt...

 
Aleksey Vyazmikin:

Danke, aber ich bin ein Passagier in R, ich würde in all der Vielfalt von Code-Beispielen dort ertrinken - ich möchte ein triviales Arbeits-Skript, wie es nicht viele Parameter gibt...

Bitte sehr, mein fauler Freund.

library(glmnet)
Y <- sample(c(-1,1),100,replace = T)   #  data
X <- matrix(rnorm(400),ncol = 4)     #  target
tr <- 1:80 #  train idx

lambda_seq <- 10^seq(2, -2, by = -.1)
#  identifying best lamda
best_lam <- cv.glmnet(x = X[tr,], y = Y[tr],alpha = 1, lambda = lambda_seq, nfolds = 5)$lambda.min

#  train model with best lamda value identified
lasso_best <- glmnet(x = X[tr,], y = Y[tr], alpha = 1, lambda = best_lam)
#  predict new data
pred <- predict(lasso_best, s = best_lam, newx = X[-tr,])


Aber fragen Sie mich nicht nach dem Modell, ich habe es nicht benutzt und werde es auch nicht benutzen, ich bin aus dieser Denkweise herausgewachsen, an Wundermodelle zu glauben).

 
Valeriy Yastremskiy:

Ein mathematisches Modell der physikalischen Prozesse mit vernünftigen Annahmen ist ein erreichbares Ziel mit ausreichender Genauigkeit.

Auch multifaktorielle mathematische Modelle einfacher Prozesse, wie zum Beispiel die Brownsche Bewegung, erreichen die gewünschte Genauigkeit.

Aber komplexe Systeme treffen sich nicht.

Alexey Nikolaev hat in den Blogs ein Modell der Minderheitenspiele auf R

Das Ergebnis war ähnlich wie bei der Zeckenbewegung. Aber das Hinzufügen von Faktoren mit unterschiedlichem Einfluss in das Modell funktioniert einfach nicht. Und wo man hingeht, zu komplexen Spielmodellen oder um aus einem einfachen Modell ein komplexeres zu machen, ist schwer zu entscheiden, mehr oder weniger richtig. Und das Modell ist anfangs nicht einfach, da die Anzahl der Klassen/Gruppen der handelnden Variablen mehr als 2 beträgt. Bei der Brownschen Bewegung gibt es 1 Klasse, und das Modell ist recht komplex.

kompliziert

1...236623672368236923702371237223732374237523762377237823792380...3399
Neuer Kommentar