Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1490
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
Todavía no he mirado, tengo el día libre ) Te lo haré saber cuando tenga tiempo, más adelante en la semana quiero decir
mirando los paquetes por ahora. Creo quehttps://hmmlearn.readthedocs.io/en/latest/tutorial.html
debe
Entonces se toma el algoritmo de Viterbi y se obtiene (prueba de datos)
Si obtienes dos estados, debería ser algo parecido a esto.
Es un verdadero grial).
Tal vez estoy confundido, pero no son estas fotos no hace mucho tiempo demostró alguien Inocenti? Y luego resultó que era un mirón, fiaspalmo
No estoy seguro de qué efecto tendrá en la no estacionariedad... y si es lento entonces es difícil incluso montecarrelación
En mi opinión, el principal problema es el escalado/transformación de los datos, la extracción de ciclos, ya que incluso la regresión no lineal o la SVM dan buenos resultados si los patrones se repiten (en RV artificial)
es decir, que los problemas de selección de patrones son inverosímilesSí, sólo intento animar el tema))
A lo mejor me confundo, pero estas fotos no las mostraba no hace mucho tiempo alguien llamado Inokentiy, y luego resultó ser un mirón, vergüenza joder, facepalm
En mi opinión, se pueden obtener imágenes similares con MAs ordinarios. Mira más de cerca.
Parece que realmente no es mejor que el mashki, en realidad para un área en particular puede ser optimizado mashki y más fresco, y, sí, el grial se ha escapado de nuevo...
Es que aparentemente el colorido de la carta es como el de Inokenty, por eso lo tengo...En mi opinión, si se asignan los modos correctamente, se pueden obtener características informativas de AR
Todavía me estoy dando cabezazos contra la pared sobre cómo reescribir esto en mql, pero es el elemento que falta para convertir tu basura en modelos que funcionen
https://www.quantstart.com/articles/market-regime-detection-using-hidden-markov-models-in-qstrader
¿Por qué reescribirlo? Ver alglib.
CMarkovCPD::~CMarkovCPD(void)
{
}
//+------------------------------------------------------------------+
//| DESCRIPTION: |
//| This function creates MCPD (Markov Chains for Population Data) |
//| solver. |
//| This solver can be used to find transition matrix P for |
//| N-dimensional prediction problem where transition from X[i] to |
//| X[i+1] is modelled as X[i+1] = P*X[i] |
//| where X[i] and X[i+1] are N-dimensional population vectors |
//| (components of each X are non-negative), and P is a N*N |
//| transition matrix (elements of are non-negative, each column |
//| sums to 1.0). |
//| Such models arise when when: |
//| * there is some population of individuals |
//| * individuals can have different states |
//| * individuals can transit from one state to another |
//| * population size is constant, i.e. there is no new individuals |
//| and no one leaves population |
//| * you want to model transitions of individuals from one state |
//| into another |
//| USAGE: |
//| Here we give very brief outline of the MCPD. We strongly |
//| recommend you to read examples in the ALGLIB Reference Manual |
//| and to read ALGLIB User Guide on data analysis which is |
//| available at http://www.alglib.net/dataanalysis/ |
//| 1. User initializes algorithm state with MCPDCreate() call |
//| 2. User adds one or more tracks - sequences of states which |
//| describe evolution of a system being modelled from different |
//| starting conditions |
//| 3. User may add optional boundary, equality and/or linear |
//| constraints on the coefficients of P by calling one of the |
//| following functions: |
//| * MCPDSetEC() to set equality constraints |
//| * MCPDSetBC() to set bound constraints |
//| * MCPDSetLC() to set linear constraints |
//| 4. Optionally, user may set custom weights for prediction errors |
//| (by default, algorithm assigns non-equal, automatically chosen|
//| weights for errors in the prediction of different components |
//| of X). It can be done with a call of |
//| MCPDSetPredictionWeights() function. |
//| 5. User calls MCPDSolve() function which takes algorithm state |
//| and pointer (delegate, etc.) to callback function which |
//| calculates F/G. |
//| 6. User calls MCPDResults() to get solution |
//| INPUT PARAMETERS: |
//| N - problem dimension, N>=1 |
//| OUTPUT PARAMETERS: |
//| State - structure stores algorithm state |
//+------------------------------------------------------------------+
¿Por qué reescribirlo? Ver alglib.
Vaya, ¿está en datanalisis o en solvers? no lo vi en la ayuda
Vaya, ¿eso está en datanalisis o en solvers? no lo vi en la ayuda
datanalisis - búsqueda del propio archivo
el encabezado dice ver ejemplos en el sitio web, pero no hay ejemplos en el sitio web
En la cabecera dice que hay que mirar los ejemplos en la web, pero no hay ejemplos en la web
Si sabes cómo trabajar con esto en otros idiomas, creo que puedes usar esta versión por analogía. Los parámetros de E/S deberían ser similares.