Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1592
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Ich weiß es nicht, das ist eine komplizierte Interpretation. Die Marktrückkehrer sind eine Mischung aus mehreren Verteilungen, von denen jede stationär sein kann. Wenn Sie die Fliegen von den Koteletts trennen, können Sie einen guten TS erhalten.
Die Frage ist nur, welcher Weg kürzer und effizienter ist. Ich habe ein paar Dutzend der ersten Seiten von AKs Thema gelesen, und ich habe mehrmals gesehen, wie er dort solche Annahmen macht, im Wesentlichen Spekulationen, die meiner Meinung nach den ganzen Sinn der statistischen Forschung aushebeln, nämlich das Modell an das "gewünschte" Ergebnis anzupassen. Ich könnte mich irren, da ich außer Hightech und Google nicht viel weiß, aber ich bin bisher uninteressiert geworden.
DieMarktrenditen sind eine Mischung aus mehreren Verteilungen, von denen jede stationär sein kann- diese ist näher am Körper, d. h. ist die normale Verteilung ein Teil davon?
Aber es scheint mir immer noch so zu sein, dass jede Verteilung nur so lange stationär sein kann, bis sich auf dem Markt etwas ändert - Stimmung, Nachrichten, Trend usw. Wenn Sie das berücksichtigen und lernen, wie Sie sich vorbereiten können, wird es sich lohnen.
Die Marktrückkehrer sind eine Mischung aus mehreren Verteilungen, von denen jede stationär sein kann, welche ist näher am Körper, d.h. ist die normale ein Teil davon?
Aber es scheint mir immer noch so zu sein, dass jede Verteilung nur so lange stationär sein kann, bis sich etwas auf dem Markt ändert - Stimmung, Nachrichten, Trend, usw. Wenn man das berücksichtigt und lernt, wie man es zubereitet, dann lohnt es sich meiner Meinung nach.
der Clustering-Algorithmus selbst macht sie normaler, z. B. wenn es sich um eine Gauß-Mischung handelt, gibt es ausgewählte Punkte, die durch einen Gauß für jedes Cluster beschrieben werden, mit einigen Ausreißern
Hauptproblem ist die Überprüfung mit neuen Daten
Meine Herren, können Sie uns das Gralsneuron für Fliegendreck vorschlagen?
Ich habe die Geschichte in Abschnitte unterteilt, jetzt muss ich das Neuron hierher bringen:
Wie Sie sehen können, gibt es keinen wirklichen Zusammenhang zwischen den Paaren.
Paarweiser Handel ist lahm.
Man sollte keine Schlüsse aus einem Stück Geschichte ziehen. Ich weiß nicht, was die Logik des Indikators ist, aber es ist einfach, die Beziehung zu überprüfen - erstellen Sie einen Prädiktor für jede Kurve und zeichnen Sie die Position dieser Kurve relativ zu allen anderen Kurven auf, in der Reihenfolge auf jedem Balken, erhalten Sie 6 Prädiktoren mit Werten von 1-6. Sie können versuchen, ein Ziel für jede Kurve (Währungspaar) separat festzulegen - ob der Preis gestiegen oder gefallen ist, oder wie sich seine Position im Verhältnis zu einer bestimmten Kurve oder im Verhältnis zu allen Kurven verändert hat und so weiter - verschiedene Ziele hier, und sehen, was besser klassifiziert wird, was besser sein wird, und wie man es im Handel verwendet.
Sie sollten keine Schlüsse aus einem Stück Geschichte ziehen. Ich weiß nicht, welche Logik in dem Indikator steckt, aber die Beziehung zu überprüfen ist einfach - erstellen Sie einen Prädiktor für jede Kurve und zeichnen Sie die Position dieser Kurve im Verhältnis zu allen anderen Kurven auf, und zwar der Reihe nach auf jedem Balken. Sie erhalten dann 6 Prädiktoren mit Werten von 1-6. Sie können versuchen, ein Ziel für jede Kurve (Währungspaar) zu setzen - ob der Preis ging nach oben oder unten, oder wie die Position der Kurve gegen eine bestimmte Kurve oder gegen alle Kurven, und so weiter - verschiedene Ziele hier, und sehen, was die beste klassifiziert werden, was besser sein wird, und wie man im Handel zu verwenden.
Es wurde vorgeschlagen, dass IO sehr hilfreich sein kann, wenn es einen stationären Prozess gibt
Inwiefern?
Es geht nicht darum, dass ein stationärer Prozess nicht-stationär werden kann, sondern dass er plötzlich nicht-stationär werden kann.
Es wurde vorgeschlagen, dass IO sehr hilfreich sein kann, wenn es einen stationären Prozess gibt
Inwiefern?
denn das Schlimme ist nicht, dass ein stationärer Prozess nicht-stationär werden kann, sondern dass er plötzlich nicht-stationär werden kann
Noch einmal: Die statistische (Nicht-)Stationarität (Variabilität der Zeitverteilung) einer Zeitreihe hat nur sehr wenig mit der Vorhersagbarkeit zukünftiger Inkremente durch MO zu tun. Gaußsches Rauschen ist stationär, aber nicht vorhersehbar. Wenn man es sortiert und Heteroessentialität hinzufügt, ist es vorhersehbar, aber nicht stationär.
Das eigentliche Problem liegt in der Volatilität des Marktes aufgrund der ständigen Bemühungen der meisten Teilnehmer, sich gegenseitig zu übertrumpfen, so dass die Muster, die in der Geschichte gefunden werden, in der Regel bereits von anderen gefunden werden und man kann erwarten, dass sie sich umkehren, und "Kräfte der Natur", das heißt, die fundamentalen und verschiedene Ragtime-Shifts. Es ist alles sehr kompliziert.
Auch hier gilt, dass die statistische (Nicht-)Stationarität (Variabilität der Zeitverteilung) der Zeitreihe(n) nur in sehr geringem Maße mit der Vorhersagbarkeit künftiger Inkremente unter Verwendung von MO zusammenhängt. Gaußsches Rauschen ist stationär, aber nicht vorhersehbar. Wenn man es sortiert und Heteroessentialität hinzufügt, ist es vorhersehbar, aber nicht stationär.
Das eigentliche Problem liegt in der Volatilität des Marktes aufgrund der ständigen Bemühungen der meisten Teilnehmer, sich gegenseitig zu übertrumpfen, so dass die Muster, die in der Geschichte gefunden werden, in der Regel bereits von anderen gefunden werden und man kann erwarten, dass sie sich umkehren, und "Kräfte der Natur", das heißt, die fundamentalen und verschiedene Ragtime-Shifts. Es ist alles sehr kompliziert.
Wie kommen Sie darauf, dass weißes Rauschen unvorhersehbar ist?
Wenn die Reihe stationär ist, besteht keine Notwendigkeit, Inkremente zu verwenden.
Können Sie keine flache Strategie auf dieses Diagramm anwenden?
Nun, wenn es sich um (Log-)Renditen handelt, dann kann ich das nicht, es geht offensichtlich nicht um den Preis)))
Noch einmal: MOs verwenden nur Inkremente, weil die ursprüngliche Zeitreihe nicht stationär ist.
Wäre die Reihe stationär, bräuchte man keine Gradienten.
"Noch einmal, statistische (Nicht-)Stationarität (Variabilität der Zeitverteilung) von Zeitreihen hat sehr wenig mit der Vorhersagbarkeit zukünftiger Inkremente mittels MO zu tun." (с)
Es ist nicht nett, seine Beiträge nachträglich zu bearbeiten, wenn sie bereits beantwortet wurden.