Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 239

[mytarmailS]

Andrey Dik:
Intenta describir la vela con dos números, cada uno en el rango [-1,0; 1,0]. Se trata de la posición de O y C en relación con H y L.

A partir de su ejemplo se vería algo así :

1. [-0.8; 0.8]

2. [-0.2; 0.2]

3. [-0.9; -0.1]

¿cómo hacerlo?

[Andrey Dik]

mytarmailS:
¿cómo se hace eso?

En la altura H es 1, L es -1, respectivamente expresar O y C con respecto a H y L.

Esto describe claramente la forma, independientemente del tamaño de la vela.

[mytarmailS]

Andrey Dik:
Por altura H es 1, L es -1, respectivamente expresan O y C con respecto a H y L.

Esto describe claramente la forma, independientemente del tamaño de la vela.

La volatilidad de la vela no se tiene en cuenta aquí, todos los cálculos van dentro de la vela, y qué tipo de vela es, una vela gap o un pequeño dojiq el MO no lo ve

Creo que lo más normal son los incrementos de %, pero no los cuento correctamente

[mytarmailS]

una selección sobre la agrupación de las velas, pero como las estandarizadas no revelan, y las que sí, no estoy satisfecho con los resultados

https://www.elitetrader.com/et/threads/statistical-analysis-of-candlesticks-patterns.285918/

http://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-1/

http://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-2/

http://intelligenttradingtech.blogspot.com/2010/06/quantitative-candlestick-pattern.html

[Andrey Dik]

mytarmailS:

La volatilidad de la vela no se tiene en cuenta aquí, todos los cálculos van dentro de la vela, y qué tipo de vela es, una vela gap o un pequeño dojiq el MO no lo ve

Creo que lo más normal es el incremento del %, pero no me sale bien

la volatilidad es exactamente lo que no hay que tener en cuenta. y hay que deshacerse de los huecos (desplazar la vela por la distancia del hueco)

[Youri Tarshecki]

Andrey Dik:
No hay que tener en cuenta la volatilidad, pero hay que deshacerse de los gaps (velas desplazadas por la distancia del gap).

Por el contrario, las lagunas deben ser memorizadas - y consideradas. Ya que las brechas se cierran estadísticamente de todos modos. Una vez que busqué un indicador para las lagunas - no lo encontré, hice trampas por mí mismo usando fractales. Pero todavía necesito un buen indicador.

[Mihail Marchukajtes]

Chicos, hay un indicador llamado CandleCode, que codifica las velas que son exactamente iguales y tienen el mismo código, teniendo en cuenta el spread. Por qué te inventas una bicicleta, no lo entiendo :-(

[Dr. Trader]

Vizard_:
La lección ha terminado)))

Gracias, creo que lo tengo. Parece muy simple, no lo creo, pero lo comprobaré.

También es extraño que el signo sea un predictor independiente, yo sólo haría que el tamaño de la vela fuera negativo si es bajista. Yo también debería probarlo.

[mytarmailS]

Dr.Trader:

Gracias, creo que lo tengo. Parece muy simple, no lo creo, pero lo comprobaré.

También es extraño que el signo sea un predictor independiente, yo sólo haría que el tamaño de la vela fuera negativo si es bajista. Yo también debería probarlo.

Pero no lo entiendo.

¿Cómo se hace un objetivo?

¿De dónde viene la fórmula?

[СанСаныч Фоменко]

Sigo creyendo que si no se seleccionan los predictores por su impacto en la variable objetivo, todo lo demás es irrelevante. Este es el primer paso. O bien eliminamos los predictores de ruido y entonces nuestras posibilidades de construir un modelo NO reentrenado aumentan, o bien los predictores de ruido permanecen, lo que necesariamente conducirá a un reentrenamiento. Y como el comportamiento del modelo reentrenado en el futuro no está relacionado en absoluto con su comportamiento en el pasado, no es necesario ese modelo reentrenado.

Otro enfoque interesante para determinar la importancia de los predictores. No se utilizan múltiples algoritmos para determinar la importanciadel predictor.

Aquí está el código ejecutado de este post

> n <- 10000
>
> x1 <- runif(n)
> x2 <- runif(n)
> y <- -500 * x1 + 50 * x2 + rnorm(n)
>
> model <- lm(y ~ 0 + x1 + x2)
>

 

 

> # 1a. Standardized betas
> summary(model)$coe[,2]
        x1         x2
0.02599082 0.02602010
> betas <- model$coefficients
> betas
        x1         x2
-500.00627   50.00839

 

 

> imp <- abs(betas)/sd.betas
Ошибка: объект 'sd.betas' не найден
> sd.betas <- summary(model)$coe[,2]
> betas <- model$coefficients
> imp <- abs(betas)/sd.betas
> imp <- imp/sum(imp)
> imp
       x1        x2
0.9091711 0.0908289

 

 

> imp1 <- abs(model$coefficients[1] * sd(x1)/sd(y))
> imp2 <- abs(model$coefficients[2] * sd(x2)/sd(y))
>
> imp1 / (imp1 + imp2)
       x1
0.9095839

 

 

> imp2 / (imp1 + imp2)
       x2
0.0904161

 

 

> # 2. Standardized variables
> model2 <- lm(I(scale(y)) ~ 0 + I(scale(x1)) + I(scale(x2)))
> summary(model2)

Call:
lm(formula = I(scale(y)) ~ 0 + I(scale(x1)) + I(scale(x2)))

Residuals:
       Min         1Q     Median         3Q        Max
-0.0236475 -0.0046199  0.0000215  0.0046571  0.0243383

Coefficients:
               Estimate Std. Error t value Pr(>|t|)    
I(scale(x1)) -9.932e-01  6.876e-05  -14446   <2e-16 ***
I(scale(x2))  9.873e-02  6.876e-05    1436   <2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.006874 on 9998 degrees of freedom
Multiple R-squared:      1,     Adjusted R-squared:      1
F-statistic: 1.058e+08 on 2 and 9998 DF,  p-value: < 2.2e-16

 

 

> abs(model2$coefficients)/sum(abs(model2$coefficients))
I(scale(x1)) I(scale(x2))
  0.90958355   0.09041645