Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 51
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
¡¡¡¡Saludos!!!! Utilizo LibVMR pero parece una versión antigua, porque aparece el error "Bad Data". Tengo entendido que hay una nueva versión. ¿Dónde puedo descargarlo? ¿Si es posible?
Los productos frescos y las descargas se distribuyen ahora a través del repositorio de BitBucket en: https://bitbucket.org/jprediction/jprediction/downloads
El nombre del proyecto también ha cambiado de libVMR a jPrediction
¿No está claro? ¿Está tomando los precios como OHLC para los patrones o alguna transformación de los mismos?
La cuestión es que si tomamos el OHLC tal cual, un patrón similar 1000 puntos más alto o más bajo que el comparado será más diferente por la distancia euclidiana que un patrón totalmente diferente 10 puntos más alto o más bajo que el comparado. Y la diferencia será de dos órdenes de magnitud y, por tanto, el error de comparación también será de dos órdenes de magnitud.
Cuando medí con Euclid, todos los vectores fueron normalizados y censurados
La solución fue encontrada.....
Si se aplica el análisis del espectro al vector actual (precios actuales) y se descompone en componentes más simples, dichos componentes pueden encontrarse más fácilmente en el historial debido a su estructura simple
Utilicé el método "oruga" o "ssa"http://www.milanor.net/blog/wp-content/uploads/2014/07/SingularSpectrumAnalysisWithRssa.pdf para la descomposición.
Buscamos análogos en la historia y vemos cómo acaban, pero no buscamos los análogos de los precios, sino cada uno de los componentes espectrales individuales, y luego los conectamos y obtenemos una previsión simple
A juzgar por las primeras pruebas, el tema es bastante prometedor si prevemos cada uno de sus componentes por separado. El pronóstico es a menudo correcto, pero rara vez no está sesgado...
El color negro indica una de las componentes actuales, el color azul muestra la componente análoga encontrada en el historial después de la línea vertical negra es un nuevo dato desconocido para el algoritmo - de hecho, la previsión - como se puede ver con bastante eficacia
Pero como ves siempre hay un sesgo en la predicción, y no siempre uno bueno naturalmente, la proximidad entre análogos buscando el camino antiguo a través de la correlación, entiendo que es uno de los caminos más inadecuados, por lo que quería sustituir el algoritmo que buscara similitudes en la amplitud, fase, frecuencia. ¿Ahora entiendes lo que quiero decir cuando hablo de Fourier?
Dr. Comerciante
¿Cómo está entrenada tu red neuronal?
¿Cómo se hace?
Bueno, es que antes de comparar los dos vectores, lo he escalado con la función " scale "
scale(x = datos , center = TRUE, scale = TRUE )
¿Cómo?
Me pregunto por qué he descargado la versión 6.0 porque la 5.0 no guarda y no crea un archivo de texto, por lo que no está claro por qué durante el entrenamiento los valores de un error y en el archivo de texto son completamente diferentes?
¿RNeat? No, el entrenamiento es muy lento, la aptitud que define el modelo es ahora de 0,018, creciendo una centésima al día. La precisión en los datos de entrenamiento y validación es ahora de 0,52, muy baja, pero al menos está en el lado positivo y sin reentrenamiento.
Ooh 52 ya es mejor que 50 , según recuerdo la última vez fue de 0,017 por lo que una centésima eleva la precisión de la predicción en un 2% ) , creo que si la red vale la pena la atención es mejor reescribirlo en SI , manténgame informado, estoy muy interesado ...
La aptitud puede aumentar simplemente porque el modelo ha mejorado su topología y ha eliminado un par de neuronas, con la misma precisión.
Por lo que entendí de los comentarios en el código - es un puerto de Lua. Y Lua también es un port, porque el original ya estaba en c++:http://nn.cs.utexas.edu?neat
El puerto desde el puerto es desafortunado, un montón de acciones innecesarias, sería mejor si el autor de RNeat tomara el código C++ como base, y aplicara los paquetes genéticos existentes de R para evolucionar la red.