Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2374

 

Marcaje de ofertas de Prada

4 simple ways to label financial data for Machine Learning ⋆ Quantdare
4 simple ways to label financial data for Machine Learning ⋆ Quantdare
  • quantdare.com
We have seen in previous posts what is machine learning and even how to create our own framework. Combining machine learning and finance always leads to interesting results. Nevertheless, in supervised learning, it is crucial to find a set of appropriate labels to train your model . In today’s post, we are going to see 3 ways to transform our...
 
Maxim Dmitrievsky:

Marcaje de ofertas de Prada.

Estas cosas son más interesantes. No lo entiendo, ¿sólo funciona desde la línea de comandos? ¿Alguien lo ha mirado?

SigCWGAN, a new generation GAN architecture for Time Series Generation. ⋆ Quantdare
SigCWGAN, a new generation GAN architecture for Time Series Generation. ⋆ Quantdare
  • quantdare.com
As a continuation to our last post on Time Series Signatures and our running list of posts regarding GANs and synthetic data we now want to present the Signature Conditional Wasserstein GAN, shortened as SigCWGAN, a new GAN architecture presented in [1] that is specifically designed to generate time series of arbitrary length and dimensions. 2...
 
Vladimir Perervenko:

Este material es más interesante.

Este es otro tema, que no se limita a las GAN.

 
Maxim Dmitrievsky:

Marcador de ofertas de Prada

Lenguaje oscuro y funciones desconocidas... y el autor es engañoso.

Por fixed_time_horizon() hay esta línea:

idx_lower = datos[datos[nombre] < - umbral].índice

escribió arriba que

umbral : int
El umbral constante predefinido para calcular las etiquetas.

Y las imágenes de abajo no son int (es decir, 0,1,2,3...), sino 0,05, 0,01...

Se aclaró con el doble - esto es lo mismo que hice con TP=SL=algún valor de cambio de precio.

Pero no está claro por qué he llamado al método y función fixed_time_horizon(); ¿dónde está el tiempo fijo? Es un cambio de precio fijo, no de tiempo.

---------

En cuanto al método quantized_labelling() - no he obtenido nada del código. Supongo que no se trata de un valor fijo, por ejemplo 0,05, sino que se utiliza un cuantil que cambia con la volatilidad de los precios.

 
elibrarius:

Lenguaje oscuro y funciones desconocidas... y el autor es engañoso.

Por fixed_time_horizon() hay esta línea:

idx_lower = datos[datos[nombre] < - umbral].índice

escribió arriba que

umbral : int
El umbral constante predefinido para calcular las etiquetas.

Y las imágenes de abajo no son int (es decir, 0,1,2,3...), sino 0,05, 0,01...

Con el doble - se aclaró - es lo mismo que hice con TP=SL=algún valor de cambio de precio.

Pero no está claro por qué he llamado al método y función fixed_time_horizon(); ¿dónde está el tiempo fijo? Es un cambio de precio fijo, no de tiempo.

---------

En cuanto al método quantized_labelling() - no he obtenido nada del código. Supongo que no se trata de un valor fijo, por ejemplo 0,05, sino del valor cuantílico que va cambiando con la volatilidad del precio.

No he mirado el código. Lo más importante es que el margen de beneficio no es por gráfico sino por incrementos. Esto da lugar a una serie de características interesantes, por ejemplo, aplicar el marcado a un gráfico exprimido o a determinados componentes de BP

debe haber una errata en el int, no fue Prado quien escribió esto, fueron los tipos

El horizonte fijo se refiere a un desfase incremental seleccionado, probablemente

 
Maxim Dmitrievsky:

No he leído el código. La principal no es la partición por gráfico, sino por incrementos. Esto da lugar a una serie de características interesantes, como la aplicación de la partición a un gráfico aplastado, o a componentes específicos de BP

debe haber una errata en el int, no fue Prado quien escribió esto, fueron los tipos

El horizonte fijo se refiere a un desfase incremental seleccionado, supongo.

Alguien por ahí es Prado o sus tipos.

 

Mediante el método quantized_labelling()

Veo poco sentido en enseñarlo. Al fin y al cabo, se puede aprender bien la clasificación con una volatilidad baja y peor con una volatilidad alta. Y entonces un error del 40% con baja volatilidad + un error del 51% con alta volatilidad devolverá la rentabilidad del sistema a aproximadamente 0. Porque muchas pequeñas ganancias pueden ser superadas por varias grandes pérdidas.
 
elibrarius:

Alguien por ahí es estúpido o Prado o sus tipos.

todo es zshibizzy, deberíamos probarlo, pero lo haré de forma diferente

su libro es un poco diferente, creo. Me da pereza buscar.
 
Maxim Dmitrievsky:

está bien, lo intentaré, pero lo haré de forma diferente

Su libro lo describe de manera diferente, creo. Me da pereza buscarlo.
TP=SL=valor fijo lo he probado. El resultado es del 50% en los nuevos datos de validación cruzada.
Sobre los cuantiles no veo el punto, ver el post anterior
 
elibrarius:
TP=SL lo he intentado. El resultado es del 50% en los nuevos datos de validación cruzada.
Sobre los cuantiles no veo el punto, ver el post anterior

Aquí están los incrementos, sin sl y tp

Lo hice a través de la agrupación, marcada. En general, la curva de los datos marcados no es muy buena, pero es más robusta en los datos nuevos