Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2364

 
mytarmailS:

Finden Sie eine Lösung...))

vorhersehbar...

 

Ich habe bereits geschrieben, wie man die serielle Korrelation in einem gleitenden Fenster auf fast Null reduziert, wenn man die Daten vorbereitet

mit der Skaleninvarianz der Zeichen/Muster wurde nicht gespielt, sollte man meinen. Hängt davon ab, was man als Referenzpunkt nimmt

Am einfachsten ist es, die Attribute (z. B. MAC-Zeiträume) zu ändern, wenn sich die Volatilität ändert usw. Es wird eine ähnliche Wirkung haben.
 
Maxim Dmitrievsky:

Ich habe bereits geschrieben, wie man die serielle Korrelation im gleitenden Fenster bei der Aufbereitung der Daten auf fast Null reduziert

mit der Skaleninvarianz der Zeichen/Muster wurde nicht gespielt, sollte man meinen. Es kommt darauf an, was man als Ausgangspunkt nimmt.

Oooh, das ist eine der vielen Fragen, über die man nachdenken muss...


==========

Was die Lösung des Problems selbst betrifft...

Ich generiere Regeln mit Hilfe der Grammatikregression (Genetik), jede Regel kann als ein Ereignis betrachtet werden, keine Bindung an Indizes, nur eine Folge von Auslösern

Zum Beispiel so.

 [1] "SMA30 >= SMA10 & SMA60 <= 10.7 & SMA10 <= 16 & LO >= CL & SMA60 >= -11.5 & CL >= -3.8"                                                               
 [2] "LO <= 10.7 & SMA30 <= 16.4"                                                                                                                          
 [3] "OP >= -10.3 & LO <= SMA30"                                                                                                                           
 [4] "SMA30 <= HI & HI >= 18.8 & LO >= HI & SMA30 <= LO & LO <= CL & OP <= SMA60 & HI >= 6.7 & HI <= -2.6 & CL <= SMA30 & HI >= -19.2 & SMA10 >= SMA30"    
 [5] "SMA30 >= SMA60 & SMA60 >= -11.9 & SMA60 >= 10.3 & CL >= -4.2"                                                                                        
 [6] "LO <= 18 & CL >= -9.5"                                                                                                                               
 [7] "SMA10 >=  0.6 & HI <= -18 & LO >= SMA10 & LO <= -18.8"                                                                                            
 [8] "LO <= OP & LO <= 13.1"                                                                                                                               
 [9] "OP >= -20 & CL >= LO & LO <= -19.6 & HI >= -18.4"                                                                                                    
[10] "SMA30 <= 6.7 & CL >= -17.6 & CL <= -20 & HI >= HI & OP >= LO & LO >= LO & OP <= -19.2"                                                               
[11] "HI >= HI & SMA30 >= SMA10"                                                                                                                           
[12] "SMA60 <= 10.7 & SMA10 <= 16 & LO >= CL & SMA60 >= -11.5 & CL >= -3.8"                                                                                
[13] "SMA60 <= OP & SMA60 >= -9.5 & SMA60 <= 9.1 & SMA30 <= OP"    
....
..
..


Wenn alle Regeln bei einem Ereignis erfüllt sind, prüfe, ob es einen Bounce oder was auch immer gibt (was auch immer in der Fitnessfunktion geschrieben ist)


Diese Regeln halten wirklich Regelmäßigkeiten und haben Lebensdauer 100-200 Treffer

Regeln können zu Ensembles kombiniert werden (ähnlich wie Random Forest)


Aber all dies ist furchtbar ressourcenintensiv, aber sehr vielversprechend, können Sie absolut jede Mathematik und Architektur, und jedes Ziel durch Fitness verwenden

Sie können alles ausprobieren, wenn Sie über die nötige Rechenleistung verfügen.

 
mytarmailS:

Oooh, das ist eine der vielen Fragen, über die man nachdenken muss...


==========

Was die Lösung des Problems selbst betrifft...

Ich generiere Regeln mit einer Grammatikregression (Genetik), jede Regel kann als Ereignis betrachtet werden, keine Indizes, nur eine Folge von Auslösern

Zum Beispiel so.


Wenn alle Regeln bei einem Ereignis erfüllt sind, prüfe, ob es einen Bounce oder was auch immer gibt (was auch immer in der Fitnessfunktion geschrieben ist, wird passieren).


Gewonnene Regeln halten wirklich Regelmäßigkeiten, Lebensdauer 100-200 Auslöser

Regeln können zu Ensembles kombiniert werden (ähnlich wie Random Forest)


Aber all dies ist furchtbar ressourcenintensiv, aber sehr vielversprechend, können Sie absolut jede Mathematik und Architektur, und jedes Ziel durch Fitness verwenden

Man kann alles machen, wenn man die nötige Rechenleistung hat.

die gleichen wie bei saisonalen oder anderen Filtern, aber die Bedingungen sind komplexer

für MoD ist es gut, weil Gruppen von Beispielen manchmal ähnlich sind

 
mytarmailS:

Fourier, ich nehme die Summe der ersten n (2-5) Oberschwingungen mit der höchsten Amplitude

D.h. wird es mit dem Auge an das Grundstück angepasst?

 
mytarmailS:

Sie können alles durchgehen, solange Sie die nötige Rechenleistung haben.

Ist diese Methode schneller als der genetische Baum, den ich vorhin gepostet habe, oder nicht? Das Ergebnis, das ich sehe, ist das gleiche - Blätter zu erhalten und sie zu Gruppen zusammenzufassen - das habe ich bereits getan.

Ich kann mir selbst ausrechnen, was nötig ist, um Zwischenergebnisse zu erhalten und sie zu bewerten.

Hinzugefügt: Stimmt, hier gibt es auch eine Regel für den Vergleich eines Indikators mit einem anderen - das ist wirklich neu - ich habe lange darüber nachgedacht.
 
Evgeny Dyuka:
das einzig Nützliche, was Microsoft für die Welt getan hat, ist VSCode

Die Python-Dekoratoren können es nicht interaktiv beheben, ich bin es leid, ihnen Fehlerberichte zu schicken.

Ich habe von zwei Computern aus Fehlerberichte verschickt, und die Leute haben mir geschrieben).

 
Maxim Dmitrievsky:

Python-Dekorateure können das Problem im interaktiven Modus nicht beheben, ich bin es leid, ihnen Fehlerberichte zu schicken

Ich habe ihnen von zwei Computern aus Fehlerberichte geschickt, und die Leute haben mir geschrieben, die Antwort war, dass alles funktioniert.)

Es ist also an der Zeit , zu R) zu wechseln.

A fresh start for R in VSCode
A fresh start for R in VSCode
  • Varun Guttikonda
  • medium.com
As a data science major, most of my work with data-science (university or side-project) happens with R and Python. I write R in the traditional R console while all my other projects are done in VSCode. So I wanted to add R to my VSCode workspace.😉 When I searched the internet on how to do that, to my awe there was no article or YouTube video...
 
Aleksey Vyazmikin:

D.h. ist sie mit dem Auge auf den Standort abgestimmt?

anders.

Aleksey Vyazmikin:

Ist diese Methode schneller als der genetische Baum, den ich zuvor gepostet habe, oder nicht?

Nein, es geht um grundlegend andere Regeln...

Methoden können nicht verglichen werden"Genetische Programmierung" ist eine Richtung von Methoden, in der einige Programme andere Programme schreiben, ich habe es einfach in Form von Regeln implementiert (kann alles sein)

Der genetische Baum ist ein Spezialfall des Designbaums mit einer Variante des genetischen Algorithmus, d.h. der übliche undurchführbare Hut, weil die Eingabe in X,Y mit einer Bindung an die Indizes erfolgt.

Aleksey Vyazmikin:
Hinzugefügt: Stimmt, es gibt auch eine Regel, die einen Index mit einem anderen vergleicht - das ist wirklich neu - ich habe schon lange darüber nachgedacht.

es könnte alles Mögliche sein

 
mytarmailS:

weil die Eingabe X,Y mit den Indizes verknüpft ist

Was man reinsteckt, das bekommt man auch.

OK, ich verstehe, Sie brauchen keine Hilfe.