Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1206

 
mytarmailS:

Der Viterbi-Algorithmus hat ihn bereits in 10 Zustände unterteilt, was im Grunde genommen einem Cluster entspricht.

Ich denke, der Preis sollte vor der Rückgabe angenähert werden, oder sollte man keine Rückgabe durchführen?

Ich kann nicht sagen, ob ich mich ihm annähern soll oder nicht.

 
mytarmailS:

Übrigens, wenn sich jemand mit "cmm" beschäftigen möchte, hier ist ein Artikel mit Code und Beispielen in R

http://gekkoquant.com/2014/09/07/hidden-markov-models-examples-in-r-part-3-of-4/

Übrigens sind die SMM-Zustände in dem Artikel durchaus interpretierbar.

 
mytarmailS:

Und es besteht eine Abhängigkeit...

Ich habe "SMM" (Hidden Markov Model) auf Returnees trainiert, sie in 10 Zustände unterteilt und ohne Lehrer unterrichtet.


Zustandsverteilungen.


Und hier habe ich die Renditen nach Staaten gruppiert, d.h. jede Zeile ist ein separater Marktzustand

Einige Zustände (1,4,6,8,9) haben zu wenige Beobachtungen, so dass sie überhaupt nicht wahrgenommen werden können

Und jetzt werde ich versuchen, die Reihe zu regenerieren, d.h. eine kumulative Summe zu bilden, wenn eine Tendenz in einigen der Zustände gefunden wird - die Regelmäßigkeit in der Richtung

Ich habe eine kumulative Zusammenstellung vorgenommen.

Die Staaten 5 und 7 haben eine stabile Struktur, 5 für die Bucht und 7 für das Dorf.

Sehr interessante Verteilungen und Kurven. Bei fast allen ist eine Asymmetrie festzustellen. Danke, ich werde es mir noch einmal ansehen und bewundern.

 
Aleksey Nikolayev:

Übrigens sind die SMM-Zustände in dem Artikel durchaus interpretierbar.

Nun, niemand bestreitet das, ich habe nur darüber an Maxim geschrieben.

 
mytarmailS:

Nun, niemand bestreitet das, ich habe nur darüber an Maxim geschrieben.

Der Gral wird bald veröffentlicht, warten Sie nur ein wenig... Sie können später Dankesbriefe mit Geldausschüttungen verschicken

verschlingen :)

https://www.mql5.com/ru/articles/4777

Применение метода Монте-Карло в обучении с подкреплением
Применение метода Монте-Карло в обучении с подкреплением
  • www.mql5.com
В предыдущей статье мы познакомились с алгоритмом Random Decision Forest и написали простого самообучающегося эксперта на основе Reinforcement learning (обучения с подкреплением).   Было отмечено основное преимущество такого подхода: простота написания торгового алгоритма и высокая скорость "обучения". Обучение с подкреплением (далее просто RL...
 
Maxim Dmitrievsky:

der Gral wird bald veröffentlicht, warten Sie noch ein wenig... Dankesschreiben mit Geldausschüttungen werden später verschickt

verschlingen :)

https://www.mql5.com/ru/articles/4777

Cool, das ist wie ein Blick in ein Zauberlabor. Der Wert für Ordnungsmagie bestätigt dieses Gefühl nur)

 
Aleksey Nikolayev:

Cool, das fühlt sich an, als würde man ein Zauberlabor betreten. Der Wert für Ordnungsmagie bestätigt dieses Gefühl nur)

Ich habe noch etwas mehr Material über PCA, Prädiktorsuche und andere Dinge, ich denke, ich werde später noch einen Artikel schreiben, bevor ich zu Python MO gehe

 
Maxim Dmitrievsky:

Es gibt noch mehr Material über PCA, Overclocking-Prädiktoren und andere Dinge, ich denke, ich werde später noch einen Artikel schreiben, bevor ich zu Python MO wechsle.

Ja, das ist nicht unangebracht.

 
FxTrader562:

Vielen Dank für diesen Artikel.

Endlich haben Sie also "Monte Carlo" mit RDF kombiniert:)))

Der Artikel scheint interessant zu sein... Ich werde sehen, wie effektiv er im Praxistest ist und welche Verbesserungen vorgenommen werden können und werde Sie auf dem Laufenden halten...

Wenn Sie wichtige Punkte in dieser Version ansprechen möchten, um die Ergebnisse der Vorabtests zu verbessern, können Sie mir dies mitteilen.

Anstelle von "Zufallsstichproben" mit shift_prob (verschobene Wahrscheinlichkeit im Code) möchte ich Stichproben aus verschiedenen Verteilungen nehmen, die von aktuellen Marktzuständen abhängen... können Sie darüber nachdenken

kann verschiedene Verteilungen ausprobieren

 

Interessiert hier, es kam über

Grundlagen der Bayes'schen Datenanalyse in R!