Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3077

Neuer Kommentar
 
Maxim Dmitrievsky #:
Es stellt sich heraus, dass Sie den Artikel schräg gelesen und nichts verstanden haben. Die Fragen hier sind nicht mehr für Wissenschaftler.

Dann lass uns eine Kontrollfrage stellen. Welche Arten von Plagegeistern gibt es und wie unterscheiden sie sich? Und wie würden Sie sie anders bezeichnen? Ich bin kein kollektiver Landwirt, sondern von blauem Blut.

Wegen Ihrer selbstgefälligen Neigung, Menschen zu etikettieren, ist es zwar unangenehm, mit Ihnen zu tun zu haben, aber ich werde Ihnen später antworten, um die Übersetzung der Terminologie am Beispiel eines sehr interessanten Artikels öffentlich zu diskutieren.

Im Moment lautet die Yandex-Übersetzung für Ärgernis.

Ärgernis, Belästigung, Ärgernis, Belästigung, Belastung ...

Ich bin ganz und gar nicht zufrieden. Später werde ich meine Übersetzung abgeben und sie begründen. Jetzt bin ich beschäftigt.

 
СанСаныч Фоменко #:

Obwohl Ihre selbstgefällige Tendenz, Menschen zu etikettieren, den Umgang mit Ihnen unangenehm macht, werde ich Ihnen auf jeden Fall später antworten, um öffentlich über die Übersetzung der Terminologie am Beispiel eines sehr interessanten Artikels zu diskutieren.

Im Moment lautet die Yandex-Übersetzung für Ärgernis

Ärgernis, Belästigung, Ärgernis, Belästigung, Belastung ...

Das passt mir überhaupt nicht. Ich werde Ihnen später meine Übersetzung geben und sie erklären. Ich bin im Moment beschäftigt.

Vor einer sehr interessanten Geschichte sollten Sie die Definition im Internet nachschlagen (Rubrik Statistik).

und auch RF wird in dem Artikel nur erwähnt, aber es ist nicht die Grundlage des Artikels.

Ich habe den Artikel nicht gelesen, aber Schlussfolgerungen gezogen.

 
Maxim Dmitrievsky #:

Vor einer sehr interessanten Geschichte sollten Sie die Definition im Internet nachschlagen (Rubrik Statistik).

und auch RF ist nur in dem Artikel erwähnt, aber es ist nicht die Grundlage des Artikels.

Ich habe den Artikel nicht gelesen, aber Schlussfolgerungen gezogen.

4 Simulation

Studie Wir untersuchen die Finite-Sample-Performance von Meta-Learnern zur Schätzung heterogener Behandlungseffekte auf Basis von Random Forests (Breiman, 2001; siehe auch Biau & Scornet, 2016, für eine umfassende Einführung). Der Schwerpunkt der Monte-Carlo-Studie liegt auf der Bewertung des Einflusses von Stichproben-Splitting und Cross-Fitting auf die Schätzung des kausalen Effekts. Zu diesem Zweck vergleichen wir die oben diskutierten Metalearner, die mit Full-Sample, Double-Sample-Splitting und Double-Cross-Fitting geschätzt wurden.


Wir verwenden den Random Forest als Basis-Learner für alle Meta-Learner aus verschiedenen Gründen.


Ich habeden Artikel nicht gelesen, aber Schlussfolgerungen gezogen .

Ich sehe keinen Sinn darin, mit Ihnen zu diskutieren!

 
СанСаныч Фоменко #:

4 Modellierung

Studie Wir untersuchen die Wirksamkeit von Metastudien mit endlicher Stichprobe zur Schätzung heterogener Behandlungseffekte auf der Grundlage von Random Forests (Breiman, 2001; siehe auch Biau & Scornet, 2016, ausführliche Einführung). Der Schwerpunkt der Monte-Carlo-Studie liegt auf der Bewertung der Auswirkungen von Stichprobenaufteilung und Cross-Fitting auf die Schätzung von kausalen Effekten. Zu diesem Zweck vergleichen wir die oben besprochenen Meta-Learnings, die mit vollständiger Stichprobe, doppelter Stichprobenaufteilung und doppelter Kreuzanpassung geschätzt wurden.


Aus mehreren Gründen verwenden wir Random Forest als Basis-Lernmethode für alle Meta-Learnings.


Ich habe die Artikel nicht gelesen, aber ich habe einen Blick darauf geworfen.

Ich sehe keinen Sinn darin, irgendetwas mit Ihnen zu diskutieren!

In dem Artikel geht es nicht um RF, sondern um kausale Schlüsse, daher stammt die Terminologie.

Sie sind noch nicht in der Lage, irgendetwas zu diskutieren, natürlich sehen Sie keinen Sinn darin.
 

Ich schlage vor, gemeinsam nach nützlichen Informationen in der Codebasis zu suchen, nämlich nach interessanten Indikatoren.

Die Aufgabe ist zeitaufwändig, aber die Wahrscheinlichkeit, dass etwas Unterschätztes gefunden wird, ist groß.

Wir erstellen grundlegende Prädiktoren für Indikatoren und Zielindikatoren und analysieren die Wahrscheinlichkeitsverteilung für den Zielindikator.

Als Ergebnis werden wir interessante benutzerdefinierte Indikatoren mit ihren Einstellungen für verschiedene TFs und Handelsinstrumente auswählen.

Von meiner Seite werden etwa 200 Kerne in die Arbeit einbezogen. Ich werde die gemeinsame Arbeit organisieren und den notwendigen Code schreiben.

Als Ergebnis werden wir in der Lage sein, jeden der analysierten Indikatoren in unserem Code zu verwenden, wobei wir einen Standard für ihre Einstellungen haben werden, einschließlich des Bereichs und der Variationsstufe jeder Einstellung.

Alle Teilnehmer an dieser gemeinsamen Arbeit werden die Ergebnisse nutzen können.

Es wird praktisch sein, den Prozess in Discord zu organisieren. Was halten Sie davon? Es scheint, dass jeder gewinnt - Sie teilen Ihre Geheimnisse nicht, aber Sie erhalten ein potenziell nützliches Ergebnis.

 

Ich habe gelernt, wie man ein interaktives Diagramm in R mit Shiny für meine Anwendung anzeigt....

ein bisschen mit Krücken, aber ich habe es hinbekommen, ich habe die Dash-Bibliothek noch nicht ausprobiert....

Also, wenn Sie interessiert sind, können Sie es verwenden, das Diagramm öffnet sich in einem Browser, Sie können einen Vollbildmodus durch einen Doppelklick darauf machen.


Das Diagramm ist voll funktionsfähig, man kann Trades anzeigen, zeichnen, Objekte auswählen, Werte abrufen usw... (aber das ist ein separater Code)


library(xts)
library(plotly)
library(shiny)
library(shinyfullscreen)


len <- 50000
times <- seq(as.POSIXct("2016-01-01 00:00:00"), length = len, by = "sec")
prices <- cumsum(rnorm(len)) +1000

p <- to.minutes5(as.xts(prices,order.by = times))

dat <- cbind.data.frame(index(p) , coredata(p))
colnames(dat) <- c("date","open","high","low","close")




my_plot <- function(dat,width,height){
  library(plotly)
  
  pl <- plot_ly(dat, x = ~date, type="candlestick",
                open = ~open, close = ~close,
                high = ~high, low = ~low,
                line = list(width = 1),
                width = width, height = height)
  
  pl <- layout(pl,
               xaxis = list(rangeslider = list(visible = F),
                            title = ""),
               yaxis = list(side = "right"),
               plot_bgcolor='rgb(229,229,229)',
               paper_bgcolor="white",
               margin = list(l = 0, r = 0, t = 0, b = 0))
  pl
}
resize_tag <- function(){
  tags$head(tags$script('
                        var dimension = [0, 0];
                        $(document).on("shiny:connected", function(e) {
                        dimension[0] = window.innerWidth;
                        dimension[1] = window.innerHeight;
                        Shiny.onInputChange("dimension", dimension);
                        });
                        $(window).resize(function(e) {
                        dimension[0] = window.innerWidth;
                        dimension[1] = window.innerHeight;
                        Shiny.onInputChange("dimension", dimension);
                        });
                        '))
}







ui <- fluidPage(
  resize_tag(),
  #plotlyOutput("plot")
  fullscreen_this(   plotlyOutput("plot")   )
)


server <- function(input, output) {
  output$plot <- renderPlotly( {   
    my_plot(dat,
            width  = (0.95*as.numeric(input$dimension[1])),
            height =  as.numeric(input$dimension[2]))
  })
}

#shinyApp(ui = ui, server = server)
shinyApp(ui, server, options = list(launch.browser = TRUE))
 
Aleksey Vyazmikin benutzerdefinierte Indikatoren mit ihren Einstellungen für verschiedene TFs und Handelsinstrumente auswählen.

Von meiner Seite werden etwa 200 Kerne in die Arbeit einbezogen. Ich werde die gemeinsame Arbeit organisieren und den notwendigen Code schreiben.

Als Ergebnis werden wir in der Lage sein, jeden der analysierten Indikatoren in unserem Code zu verwenden, wobei wir einen Standard für ihre Einstellungen haben werden, einschließlich des Bereichs und des Schrittes der Variation jeder Einstellung.

Alle Teilnehmer an diesem gemeinsamen Projekt werden die Ergebnisse nutzen können.

Es wird praktisch sein, den Prozess in Discord zu organisieren. Was halten Sie davon? Es sieht so aus, als ob jeder gewinnt - Sie teilen Ihre Geheimnisse nicht, aber Sie erhalten ein potenziell nützliches Ergebnis.

90 % der МА solcher Indikatoren werden durch digitale Filter und Wavelets ersetzt. Was bleibt übrig? Volatilitätsindikatoren, was sonst?

 
Rorschach #:

90% der MA solcher Indikatoren werden durch digitale Filter und Wavelets ersetzt. Was bleibt übrig? Volatilitätsindikatoren, was sonst?

Sie können auch einen Versuch zur Vorhersage seiner Werte durch die Rückkehr zu der allgemeinen Aufgabe des Indikators Wert - wenn es kommt mit 100% Genauigkeit, trash es hinzuzufügen.

Sie können mit einem einfachen Indikator beginnen - kategorisieren Sie nach Typen - Oszillatoren, Durchschnittsindikatoren - wie MA, Niveauindikatoren - die relativ selten neu berechnet werden.

Und Sie können im Rahmen dieses Projekts historische Nachrichten verarbeiten.
 

Meine Idee hat also niemandem gefallen?

Jeder denkt, er sei schlauer als andere und ist sich sicher, dass es keine nützliche Idee in Indikatoren geben kann?

Oder sie sind einfach nicht daran interessiert, mit ihnen nützliche Informationen zu erhalten? Weder für sich selbst noch für andere?

Oder haben sie 10 Leben in Reserve und hoffen, dass sie alles alleine schaffen?

 
Aleksey Vyazmikin benutzerdefinierte Indikatoren mit ihren Einstellungen für verschiedene TFs und Handelsinstrumente auswählen.

Von meiner Seite werden etwa 200 Kerne in die Arbeit einbezogen. Ich werde die gemeinsame Arbeit organisieren und den notwendigen Code schreiben.

Als Ergebnis werden wir in der Lage sein, jeden der analysierten Indikatoren in unserem Code zu verwenden, wobei wir einen Standard für ihre Einstellungen haben werden, einschließlich des Bereichs und des Schrittes der Variation jeder Einstellung.

Alle Teilnehmer an diesem gemeinsamen Projekt werden die Ergebnisse nutzen können.

Es wird praktisch sein, den Prozess in Discord zu organisieren. Was halten Sie davon? Es sieht so aus, als ob jeder gewinnt - man gibt seine Geheimnisse nicht preis, aber man erhält ein potenziell nützliches Ergebnis.

Alexej, das ist fast unmöglich.

1...307030713072307330743075307630773078307930803081308230833084...3399
Neuer Kommentar