Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1737

 
Maxim Dmitrievsky:

k-means, die einfachste

Nun, das ist dasselbe.

Versuchen Sie dbscan, ich glaube, es ist besser.

Siehst du, ich kann sogar sehen, was du anhäufst.)) Ich bin verrückt nach mir.)

 
Alexander_K2:

Ich habe irgendwo gezeigt (ich habe vergessen, wo, denn ich habe seit mehr als einem Monat nicht mehr gehandelt), dass die Wahrscheinlichkeitsverteilung von Marktinkrementen das Produkt der CB-Gauß- und der Exponentialverteilung (oder allgemeiner: der Erlangschen Verteilung) ist.

Die Erlang-Verteilung ist für die Zeitintervalle zwischen den Tick-Kursen verantwortlich, und der Generator solcher Zahlen sieht wie folgt aus


Dabei ist Lambda die Intensität des Stroms von Ereignissen (Anführungszeichen).

Wenn Lambda=const ist, ist der Prozess stationär, aber die Intensität der Marktströme ist zu verschiedenen Zeitpunkten unterschiedlich, d. h. Lambda=f(t), was den nicht-stationären Prozess im Allgemeinen bestimmt.

Zur Unterscheidung eines stationären Prozesses ist es daher erforderlich, einzelne Abschnitte des BP mit derselben Flussdichte als Ganzes zu betrachten.

Versuche, den BP in Stunden innerhalb eines Tages aufzuteilen und diese Stunden dann zusammenzukleben", haben also eindeutig ein Recht auf Leben.

P.S.

Nach meinen Berechnungen wird die gleiche Flussdichte in den folgenden Stunden innerhalb eines Tages beobachtet:

0

1, 23

2, 5, 22

3, 4, 8, 21

6, 7

9, 12, 19

10, 11, 15, 18

13, 14

16

17

20

Nun, dies ist nur zur Information...

 
mytarmailS:

Nun, das ist das Gleiche

Versuchen Sie dbscan, ich glaube, es ist besser.

Sehen Sie, ich kann sogar sehen, was Sie clustern.)

Warum flippst du so aus? Ich habe es am Anfang geschrieben.

 
Maxim Dmitrievsky:

Warum flippst du so aus? Ich habe es am Anfang geschrieben.

Wo? Ich habe es nicht gesehen.

 
mytarmailS:

Wo? Ich habe es nicht gesehen.

Können Sie Matrizen mit Zentroiden herausziehen, um sie in einem anderen Programm mit neuen Daten separat zu verwenden?

Vielleicht steht das in R drin? Probieren Sie es aus.

 
Maxim Dmitrievsky:

Können Sie Matrizen mit Zentroiden herausziehen, um sie in einem anderen Programm mit neuen Daten separat zu verwenden?

Vielleicht hat R diese Funktion? Probieren Sie es aus.

wenn ich es richtig verstanden habe, ja, ich kann

 
mytarmailS:

Wenn ich richtig verstanden habe, kann ich das.

unterrichten

 
Maxim Dmitrievsky:

unterrichten

schreiben Sie noch einmal genau auf, was Sie tun wollen, ohne unnötig zu kodieren


fake.dt <- matrix(rnorm(100),ncol = 5)
kn <- kmeans(fake.dt,centers = 3)
kn$centers
 kn$centers
       [,1]        [,2]        [,3]        [,4]       [,5]
1 0.1491919 -0.82943057  1.00194753 -0.78824900  0.7330618
2 0.4543194 -0.01318233 -2.36800973  0.05477085  0.2706286
3 0.1478300  0.34991845 -0.04671528  0.33735489 -0.6789331
drei Zentren aus drei Clustern
 
mytarmailS:

schreiben Sie noch einmal genau auf, was Sie tun wollen, damit Sie nicht unnötig kodieren

nach dem angepassten Modell sollte je nach Algorithmus eine Matrix oder etwas Ähnliches erscheinen

die zur Berechnung der Vorhersagen für die neuen Daten... und für die alten Daten... verwendet werden können.

auf die Metaque zu übertragen und im Prüfgerät zu lesen

 
Was soll ich damit machen? Ich bin noch nicht sehr gut im Clustern.