Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2560

 
Aleksey Nikolayev #:

Ich glaube, ich habe verstanden, was ich brauche - die Möglichkeit, eine benutzerdefinierte Flash-Datei einzustellen. Diese Funktion HMMFit() unterstützt diese Möglichkeit jedoch nicht, da sie einen Baum-Welch mit fest eingebautem LLH implementiert. Sie können nur einige Baum-Welch-Parameter einstellen

Sie benötigen ein weiteres Paket, in dem Sie ein benutzerdefiniertes f.f. einrichten können.

Das Komische ist, dass ich noch keines dieser AMO-Pakete gesehen habe, bei dem man eine benutzerdefinierte FF...

Entweder Sie setzen X,Y (Datum, Ziel) oder nur X (Datum).

Aber es ist immer möglich, in die "Eingeweide" von AMO zu gelangen und sie dort zu bewegen und zu sehen, was in Bezug auf f.f. passiert.

Ich trainiere Neuronen auf diese Weise, Forrest auch, jetzt möchte ich mehr SMM machen.

 
mytarmailS #:

Das Komische daran ist, dass ich noch keinen solchen Pakt mit AMO gesehen habe, bei dem man seine F...

Entweder Sie setzen X,Y (Datum, Ziel) oder nur X (Datum)

Aber es ist immer möglich, in die "Eingeweide" von AMO zu gelangen und sie dort zu bewegen und zu sehen, was in Bezug auf f.f. passiert.

Was ich mache, ist mein Life Hack, ich habe Neuronics auf diese Weise trainiert, Forrest auch, jetzt will ich mehr SMM machen.

In LightGBM können Sie Ihre eigenen Einstellungen vornehmen, aber in den meisten Fällen gibt es diese Möglichkeit nicht.

 
Aleksey Nikolayev #:

In LightGBM können Sie Ihre eigenen Einstellungen vornehmen, aber in den meisten Fällen gibt es keine solche Option.

Sind Sie sicher, dass Sie FF nicht mit benutzerdefinierten Metriken verwechseln?
 

Soll ich Ihnen noch einmal sagen, welche Kennzahlen ich verwende und nach welchen Kriterien ich Modelle auswähle?


Das ist schließlich das Wichtigste in MO, die Grundsatzfrage :-)

 
Maxim Dmitrievsky #:
Vielleicht sollten wir zu einfachen, allgemein akzeptierten Definitionen zurückkehren.
Zerlegung in Trend, Saisonalität, Zyklen und Rauschen. Jeder dieser Wege kann mit unterschiedlichem Erfolg beschritten werden.
Stationarität - die Konstanz von Mittelwert und Varianz, die auf dem Markt nicht beobachtet wird.
Regelmäßigkeit - das Vorhandensein von Wiederholbarkeit, eines Analogons von 2D-Zyklen, oder Persistenz, ein bestimmtes Signalniveau. Das ist so etwas wie eine Gelegenheit zur Spekulation. Anders als bei SB zum Besseren.

Was die Definition der Stationarität betrifft, so ist dies eindeutig eine Abstraktion, denn entweder handelt es sich um einen einzigen Punkt ohne Schwankungen, dann ist das Messfenster irrelevant, oder es handelt sich um eine Schwankung mit einem Mindestfenster oder mit einer Reihe von Messfenstern.

Regelmäßigkeit hingegen kann ebenso Stationarität erzeugen, da es sich um den Zustand eines einzelnen Punktes und nicht um dessen Messfenster handelt.

Dementsprechend wirkt sich die Stationarität direkt auf die Vorhersagbarkeit und damit auf das Lernen aus, wenn diese Stationarität Informationen über das Ziel enthält.

Wie ich bereits geschrieben habe, verwende ich genau den Ansatz der Auswahl von Vorhersagen durch Schätzung ihrer Stationarität mit einem bestimmten Messfenster.

 
Aleksey Nikolayev #:

In LightGBM können Sie Ihre eigenen Einstellungen vornehmen, aber in den meisten Fällen gibt es diese Möglichkeit nicht.

Der xgboost kann das auch, aber es ist schwer, eine eigene Funktion zu schreiben. Sie müssen Formeln ausgeben.

http://biostat-r.blogspot.com/2016/08/xgboost.html - 6. Absatz.

 
Aleksey Vyazmikin #:

Was die Definition der Stationarität betrifft, so ist dies eindeutig eine Abstraktion, denn entweder handelt es sich um einen einzigen Punkt ohne Schwankungen, und dann ist das Messfenster irrelevant, oder es handelt sich um eine Schwankung mit einem Mindestfenster oder mit einer Reihe von Messfenstern.

Regelmäßigkeit hingegen kann ebenso Stationarität erzeugen, da es sich um den Zustand eines einzelnen Punktes und nicht um dessen Messfenster handelt.

Dementsprechend wirkt sich die Stationarität direkt auf die Vorhersagbarkeit und damit auf das Lernen aus, wenn diese Stationarität Informationen über das Ziel enthält.

Wie ich bereits schrieb, wende ich gerade den Ansatz an, Vorläufer durch Schätzung ihrer Stationarität mit einem bestimmten Messfenster auszuwählen.

versteh ich überhaupt nicht

statinoir sollte Lärm sein, nachdem das Modell gebaut ist, es ist nirgendwo sonst erforderlich
 
Maxim Dmitrievsky #:

Ich verstehe überhaupt nichts mehr.

Willst du es verstehen?

 
mytarmailS #:
Sind Sie sicher, dass Sie ff nicht mit benutzerdefinierten Metriken verwechseln?

Ich glaube nicht - das Beispiel ist in Python.

 
Maxim Dmitrievsky #:
statistisches Rauschen sollte nach der Erstellung des Modells erfolgen, es wird nirgendwo sonst benötigt

Richtig, das ist genau die Beziehung zwischen Prädiktor und Ziel, die ich meine.

Mir ist keine Methode zur Erstellung eines Modells bekannt, das eine Schätzung der "Stationarität" bei verschiedenen Stichprobenintervallen mit Splitting oder einem anderen Mechanismus zur Kombination von Prädiktoren liefert. Alle Modelle passen sich an die Stichprobenplots an und schätzen nur ein quantitatives Maß für die Verbesserung, aber wir müssen es über die Intervalle hinweg schätzen, dann kann das Modell robuster sein.