Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2373

Nuevo comentario
 
secreto:

Bueno, es el S&P el que tiene la demolición. El fx no lo tiene de forma constante.

Bueno, si se quita la inflación, la tendencia tampoco es tan constante. En cambio, en el mercado de divisas la inflación se elimina, en parte,automáticamente.

secreto:

La idea con la relación put-call, etc. es buena, pero no he visto a nadie presumir de beneficios con ella) Sin embargo, el mercado se mueve por participantes con dinero, no con experiencia, mientras que la liquidez de las opciones sobre divisas es baja. Y tienen un propósito diferente.

Seguramente todos los peces han sido capturados hace tiempo, pero a veces hay que comprobar si hay alguno nuevo)

secreto:

p.d. sería bueno tener una rama sobre los rumores ya que resultan ser irrelevantes en todas partes)

Sólo para) Pero acribillarán un hilo) Para la mayoría de los procesos aleatorios es un tipo de cosa filosófica y charlatana de la categoría de cosas sobre las que no importa lo que digas, todo será verdad en algún sentido) De nuevo, siempre habrá un montón de profesionales prácticos deseosos de explicar a los teóricos lo terriblemente lejos que están de la práctica)

 
Aleksey Nikolayev:

Bueno, si quitamos la inflación, la tendencia tampoco es tan constante. En el mercado de divisas, la inflación se elimina, en parte,automáticamente.

Seguramente todos los peces han sido capturados hace tiempo, pero a veces hay que comprobar si hay alguno nuevo)

Estoy a favor) Pero acribillarán un hilo) Para la mayoría de los procesos aleatorios es una especie de basura filosófica y charlatana de la categoría de aquellas cosas sobre las que no importa lo que digas - todo será correcto en algún sentido) De nuevo, siempre habrá un montón de profesionales prácticos deseosos de explicar a los teóricos lo terriblemente lejos que están de la práctica)

Cierto, es mejor discutir sobre árboles y bosques
 
¿Puede alguien ayudar a hacer un script en R que tome una muestra y le aplique el modelo de "regresión Lasso"? He oído la opinión de que funciona bien para características binarias con alta correlación - quiero probarlo. Sin embargo, necesito una clasificación, no una regresión, pero no creo que eso sea muy importante aquí: el hombre estaba hablando de clasificación.
 
Aleksey Vyazmikin:
¿Puede alguien ayudar a hacer un script en R que tome una muestra y le aplique el modelo de "regresión Lasso"? He oído una opinión que dice que funciona bien para características binarias con alta correlación - quiero probarlo. Pero necesito la clasificación, no la regresión, pero creo que no es muy importante aquí - el hombre estaba hablando de la clasificación.

mira hacia ROCKET, el algoritmo crea un montón de características relacionadas con la decoración

 
Aleksey Vyazmikin:
¿Puede alguien ayudar a hacer un script en R que tome una muestra y le aplique el modelo de "regresión Lasso"? He oído una opinión que dice que funciona bien para características binarias con alta correlación - quiero probarlo. Sin embargo, necesito una clasificación, no una regresión, pero creo que no es muy importante aquí - el hombre estaba hablando de la clasificación.

https://www.pluralsight.com/guides/linear-lasso-and-ridge-regression-with-r

http://www.science.smith.edu/~jcrouser/SDS293/labs/lab10-r.html

https://rstatisticsblog.com/data-science-in-action/machine-learning/lasso-regression/

 
mytarmailS:


Necesitamos crear un modelo de mercado para esos --- Un espacio de características simplificado que tenga propiedades útiles para nosotros


Por qué simplificar

1) Visibilidad, perceptibilidad.

2) un espacio más sencillo implica más repetibilidad, las regularidades son más fáciles de encontrar y no se repiten cada 2 años

3) Minimización de la posibilidad de una explosión combinatoria en la búsqueda de patrones

4) La simplificación inteligente elimina el ruido


Cuáles son las características útiles (lo que se necesita de un modelo)

1) El modelo debe ser adecuado a los movimientos del mercado

2) la repetibilidad de los datos dentro del modelo

3) simplicidad


Puede que añada algo, y también invito a todo el mundo a discutir las variantes del modelo

Un modelo matemático de los procesos físicos con supuestos razonables es un objetivo alcanzable con suficiente precisión.

Los modelos matemáticos multifactoriales de procesos simples, el browniano es un buen ejemplo, también alcanzan una precisión necesaria.

Pero los sistemas complejos no se reúnen.

Alexey Nikolaev en los blogs hizo un modelo de juegos minoritarios en R

Resultó similar al movimiento de las garrapatas. Pero añadir factores de diferente influencia al modelo no funciona. Y a dónde ir, a modelos de juego complejos o a hacer un modelo más complejo a partir de uno sencillo es difícil de decidir más o menos correctamente. Y el modelo no es inicialmente simple debido al número de clases / grupos de variables actuantes más de 2. En el movimiento browniano hay una clase, y el modelo es bastante complejo.

 
Maxim Dmitrievsky:

mira hacia ROCKET, el algoritmo crea un montón de características relacionadas con la decoración

Tengo que experimentar con los binarios.

 
mytarmailS:

https://www.pluralsight.com/guides/linear-lasso-and-ridge-regression-with-r

http://www.science.smith.edu/~jcrouser/SDS293/labs/lab10-r.html

https://rstatisticsblog.com/data-science-in-action/machine-learning/lasso-regression/

Gracias, pero soy un pasajero en R, me ahogaría en toda la variedad de ejemplos de código que hay - me gustaría un script de trabajo trivial, como si no hubiera muchos parámetros...

 
Aleksey Vyazmikin:

Gracias, pero soy un pasajero en R, me ahogaría en toda la variedad de ejemplos de código que hay - me gustaría un script de trabajo trivial, como si no hubiera muchos parámetros...

Aquí tienes, mi perezoso amigo.

library(glmnet)
Y <- sample(c(-1,1),100,replace = T)   #  data
X <- matrix(rnorm(400),ncol = 4)     #  target
tr <- 1:80 #  train idx

lambda_seq <- 10^seq(2, -2, by = -.1)
#  identifying best lamda
best_lam <- cv.glmnet(x = X[tr,], y = Y[tr],alpha = 1, lambda = lambda_seq, nfolds = 5)$lambda.min

#  train model with best lamda value identified
lasso_best <- glmnet(x = X[tr,], y = Y[tr], alpha = 1, lambda = best_lam)
#  predict new data
pred <- predict(lasso_best, s = best_lam, newx = X[-tr,])


Pero no me preguntes por el modelo, no lo usé ni lo voy a usar, ya se me pasó esa forma de pensar, de creer en modelos milagrosos).

 
Valeriy Yastremskiy:

Un modelo matemático de los procesos físicos con supuestos razonables es un objetivo alcanzable con suficiente precisión.

Los modelos matemáticos multifactoriales de procesos simples, el movimiento browniano es un buen ejemplo, también logran la precisión deseada.

Pero los sistemas complejos no se reúnen.

Alexey Nikolaev en los blogs hizo un modelo de juegos minoritarios en R

Resultó similar al movimiento de las garrapatas. Pero añadir factores de diferente influencia al modelo no funciona. Y a dónde ir, a modelos de juego complejos o a hacer un modelo más complejo a partir de uno sencillo es difícil de decidir más o menos correctamente. Y el modelo no es inicialmente simple debido al número de clases / grupos de variables actuantes más de 2. En el movimiento browniano hay una clase, y el modelo es bastante complejo.

complicado

1...236623672368236923702371237223732374237523762377237823792380...3399
Nuevo comentario