Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 340
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
R tiene un paquete mxnet bastante bueno. Pero los modelos más avanzados deberían mirarse en Pythone.
Extraño. El otro día leía una reseña relativamente reciente sobre las redes neuronales y el software libre de NS. Así que allí Python está lejos de estar por delante del resto del mundo. Se menciona entre otros, pero, según tengo entendido, no brilla por su variedad. Es una pena que no haya guardado el enlace.
En cuanto a R, debido a la especialización, carece por completo de la matemática de modelado habitual - por ejemplo, el filtrado de señales, y muchas otras cosas. Qué se le va a hacer, o se canta o se baila.
Mira esto, esto, esto y quizás esto.
No todo estará claro, pero es de esperar que algunos conceptos básicos sobre las redes neuronales salgan a la luz.
Buena suerte
Por cierto, ¿se ha hecho la integración de MT4|5 con R o todavía hay que aplicar una DLL?
Mi opinión personal - neuronas, bosques, regresiones - todo demasiado débil paraex.............
Actualmente estoy estudiando modelos de reconocimiento de patrones que miran la historia para ver cómo se comportó el precio después de patrones similares.............
Justo sobre mis pasos, y pensando lo mismo que yo, es curioso.
El mercado es una bestia interesante, es difícil entenderlo de una vez... Te diré cómo puedes añadir un poco más de estabilidad a neuroke. Ya escribí sobre ello hace tiempo, tienes que añadir el llamado "punto de vista crítico".
la receta es esta:
1) tomar algunos datos del mercado - puede ser cualquier cosa, desde indicadores hasta el precio
2) tomar una muestra de formación y dividirla en tres partes "A" , "Б" , "Ц"
3) tomar una neurona en cuya salida se utilice un vector con la probabilidad de una clase en lugar de la propia clase; enseñar estaneurona utilizando los datos de mercado de la muestra "A
4) predecir las muestras "B" y "C" con nuestra neurona, obtener un vector de predicciones de las muestras "B" y "C
5) tomar una nueva red neuronal y entrenarla de nuevo con los datos de mercado de la muestra "B" y añadir otro vector de previsiones de la muestra "B" de la antigua red neuronal
6) muestra "C" para la validación
Pruébalo, verás cómo funciona
filtrado de señales, y mucho más. y.
¿Puedo ser más específico? Muy interesante.
Me pareció que todo en R es redundante. El propio rubricador, de estadística, no parece matlab, pero todo parece estar ahí...
Por cierto, ¿se ha hecho la integración de MT4|5 con R o todavía hay que aplicar una DLL?
Aquí hay una biblioteca con ejemplos. No hay quejas.
Estás siguiendo mis pasos y pensando lo mismo que yo, es curioso.
El mercado es una bestia interesante, es difícil entenderlo de una vez... Te diré cómo puedes añadir un poco más de estabilidad al neurocircuito, escribí sobre ello hace mucho tiempo, tienes que añadir el llamado "punto de vista crítico".
la receta es esta:
1) tomar algunos datos del mercado - puede ser cualquier cosa, desde indicadores hasta el precio
2) tomar una muestra de formación y dividirla en tres partes "A" , "Б" , "Ц"
3) tomar una neurona en cuya salida se utilice un vector con la probabilidad de una clase en lugar de la propia clase; enseñar estaneurona utilizando los datos de mercado de la muestra "A
4) predecir las muestras "B" y "C" con nuestra neurona, obtener un vector de predicciones de las muestras "B" y "C
5) tomar una nueva red neuronal y entrenarla de nuevo con los datos de mercado de la muestra "B" y añadir otro vector de previsiones de la muestra "B" de la antigua red neuronal
6) muestra "C" para la validación
Pruébalo, a ver qué pasa.
Lo he probado en los árboles - allí también se puede tomar la probabilidad de la clase en lugar de la clase. El esquema es casi suyo. Intentado aún más: para dos clases dividir la probabilidad no por la mitad, pero hay métodos para dividirla de otra manera. La mejora es de un par de puntos porcentuales.
Todo vacío.
Debemos buscar predictores que sean relevantes para el objetivo. Y no te molestes con los modelos en absoluto. Con buenos predictores, los modelos darán aproximadamente los mismos resultados.
¿Puede ser más específico? Muy interesante.
Pensé que todo en R era redundante. El rubricador es propio, de estadística, no se parece a matlab, pero todo parece estar ahí...
Específicamente ya se dijo. Por ejemplo, el filtrado. Los filtros en R están ausentes como tales, filtros en el sentido de la ingeniería de radio, y todo el software de filtrado. Transformación Z - ausente. Las transformaciones integrales están ausentes (de todas ellas sólo están presentes las transformaciones de Fourier). Le falta mucho a R, por lo que dejé de trabajar con SciLab hace unos meses. Si hubieras preguntado entonces, podrías haberte explayado al respecto).
Esto no es un defecto de R, sino una especificidad. SciLab también tiene sus propios inconvenientes (específicos). Los programas informáticos están orientados a resolver diferentes problemas, que se solapan parcialmente.
Específicamente ya se dijo. Por ejemplo, el filtrado. No hay filtros en R como tal, filtros en el sentido de radio, y todo el software de filtrado. Transformación Z - ausente. Las transformaciones integrales están ausentes (de todas ellas sólo están presentes las transformaciones de Fourier). Le falta mucho a R, por lo que dejé de trabajar con SciLab hace unos meses. Si hubiera preguntado entonces, podría haber sido más específico).
Esto no es un defecto de R, sino una especificidad. SciLab también tiene sus propios inconvenientes (específicos). Los programas informáticos están destinados a resolver diferentes problemas, que en parte se solapan.
Estás construyendo la frase de forma incorrecta. Usted escribe: "No he podido encontrar los filtros que necesito*. Como no sé qué filtros te interesan, aquí tienes unos cuantos a modo de resumen:
Paquete mFilter - Filtro Baxter-King, filtro Butterworth, filtro Christiano-Fitzgerald, filtro Hodrick-Prescott, filtro de regresión trigonométrica
Paquete FKF - Filtro rápido de Kalman
paquete kza -coeff() Transformada de Fourier de Kolmogorov-Zurbenko
y muchos, muchos otros...
Además, si estás metido en el tema de los filtros y conoces las fórmulas matemáticas para calcularlo, no hay ningún problema en calcularlo. ¿No?
Buena suerte
Específicamente ya se dijo. Por ejemplo, el filtrado. No hay filtros en R como tal, filtros en el sentido de radio, y todo el software de filtrado. Transformación Z - ausente. Las transformaciones integrales están ausentes (de todas ellas sólo están presentes las transformaciones de Fourier). Le falta mucho a R, por lo que dejé de trabajar con SciLab hace unos meses. Si hubiera preguntado entonces, podría haber sido más específico).
Esto no es un defecto de R, sino una especificidad. SciLab también tiene sus propios inconvenientes (específicos). Los programas informáticos están destinados a resolver diferentes problemas, que se solapan parcialmente.
No se trata de R, se trata de ti.
Por lo que tengo entendido, usted domina algunas herramientas matemáticas y, naturalmente, trata de utilizarlas en el comercio.
Creo que el otro enfoque es más correcto: buscamos problemas en el comercio y luego buscamos herramientas para resolverlos.
R es un sistema especializado en el uso de la estadística en el comercio, y es por eso que los diferentes matlabs, matcads (skylab no es conocido en absoluto) no cotizaban como competidores de R hace una década.
Más concretamente sobre los filtros.
Un colega de arriba nombró algunos de ellos.
Pero los filtros consisten en dividir la señal de entrada y el primero en destacar es la tendencia. Por lo tanto, el suavizado, que tiene como resultado resaltar el filtro, es el primer paso en muchos paquetes de R. Hay muchas otras herramientas de suavizado, cualitativamente diferentes, que se declaran como tales, por ejemplo, SSA (crawler), wavelets.
Pero en realidad el pseudoproblema de los filtros R que has identificado, tiene raíces mucho más profundas.
¿Por qué las necesita? Un filtro es una herramienta auxiliar. Y R dispone de soluciones listas para construir unidades de decisión. Podemos designar dos líneas principales: aprendizaje automático y ARMA-ARIMA-ARFIMA-GARCH. ¿Qué tienen que ver los filtros?