Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2168

Nuevo comentario
 
Aleksey Nikolayev:

Parece que está escrito en todas partes que Fourier es bueno sólo para las señales periódicas. O casi, con un espectro estrecho.

Por cierto, para MO en el comercio me parece que la descomposición de Walsh sería más adecuada, pero por alguna razón no he visto que se mencione en el foro.

No sólo periódica, sino con siempre el mismo período (tiempo desde el comienzo de una oscilación hasta el comienzo de otra) y siempre la misma forma. Y entre comillas, tanto los periodos como la forma de la curva cambian constantemente. Por lo tanto, no procede ninguna transformación de la señal en el mercado.
También estudié electrónica en la universidad y sé de lo que hablo.

 
Igor Makanu:

¡Sí!

Acabo de terminar - lo has hecho bien.

Tengo que dejarlo, un imbécil ha agitado las cosas con sus fantasías ))))

Se mostró un filtro y 10 operaciones, de este tipo. De las colas a la media (líneas de filtrado) o algo así

Como es habitual, cuando se inicia una tendencia, ésta va a ser negativa en toda la cuenta

Y publica estos muñones cada vez en cada hilo, y todos ustedes alegremente lo discuten durante 10 páginas durante más de 1 año ))


 
Maxim Dmitrievsky:

Mostraba un filtro y 10 operaciones, a lo largo de estas líneas. De las colas a la media (líneas de filtrado) o algo así

Como es habitual, cuando se inicia una tendencia, ésta va a ser negativa en toda la cuenta.

y publica estos muñones cada vez en cada hilo, y todos juntos os divertís discutiendo durante 10 páginas durante más de 1 año ))

ok

ahora muestra lo mismo en la mashka y compara

alborotador ;)

 
Aleksey Nikolayev:

Parece que está escrito en todas partes que Fourier es bueno sólo para las señales periódicas. O casi, con un espectro estrecho.

Las funciones de base son senos y la transformación sólo determina para cada seno su desplazamiento (fase) y su período

y la intersección de todos estos senos (eje x) nos da los puntos donde tomamos los valores de la señal (eje y)


UPD: aquí hay otra buena explicación,https://habr.com/ru/post/196374/

lo más valioso de este artículo son los dibujos a mano ;)

 
Renat Akhtyamov:

ok

Ahora demuestre lo mismo en el coche y compárelo.

matón ;)

hay muchos otros purés que se parecen. No hay ninguna diferencia.

Por ejemplo HMA o algo así

si vas a por los mashkas, al menos normaliza la volatilidad y cosas así.

Y no escribas que es un grial. No está ahí.

 
Maxim Dmitrievsky:

hay muchos otros mash-ups que se parecen. No hay ninguna diferencia.

Como HMA o algo así

Si vas a por las MAs, al menos normaliza la volatilidad y cosas así.

Y no escribas que es un grial. Allí no hay ningún grial.

Necesitas una captura de pantalla, Max, no sólo palabras.

No se puede mentir.

 

Si lo necesitas, aquí tienes un pequeño script que calcula el área relativa bajo la intersección de las curvas de la distribución de valores de características para dos clusters.

cl_1 = samples.drop(samples[samples["targets"] == 0].index).reset_index(drop=True)[samples.columns[1]]
cl_2 = samples.drop(samples[samples["targets"] == 1].index).reset_index(drop=True)[samples.columns[1]]

min_x = min(cl_1.min(),cl_2.min())
max_x = max(cl_1.max(),cl_2.max())
x = np.arange(min_x,max_x,(max_x-min_x)/100)
hist_1 = np.histogram(cl_1,x)
hist_2 = np.histogram(cl_2,x)
plt.hist(cl_1,x, histtype= 'step',label='cl_1')
plt.hist(cl_2,x, histtype= 'step',label='cl_2')

area1 = np.sum(hist_1[0])/sum(hist_1[0])
area2 = np.sum(hist_2[0])/sum(hist_2[0])
ymax = np.maximum(hist_1[0],hist_2[0])
ymin = np.minimum(hist_1[0],hist_2[0])

area_overlap = sum(ymin/sum(ymax))
print(area1, area2, area_overlap)

Creo que es una buena métrica para elegir el método de adelgazamiento, el análisis del objetivo, las características y quién sabe qué más.

area_overlap es amarilla en la imagen

 
Renat Akhtyamov:

Muéstrame una captura de pantalla, Max, no sólo palabras.

No tienes que agitar un saco, ¿verdad?

¿Qué quieres ver? Aquí está el verdadero TC en el MO de mi artículo. Formación - sólo 1 mes, luego generalización durante 2 años. Son reales y funcionan.

 
welimorn:

Si lo necesitas, aquí tienes un pequeño script que calcula el área relativa bajo la intersección de las curvas de la distribución de los valores de una característica para dos clusters.

Creo que es una buena métrica para elegir el método de adelgazamiento, el análisis del objetivo, las características y quién sabe qué más.

area_overlap es amarilla en la imagen.

Haces cosas ingeniosas ) Empezaré a mirarlo el lunes.

 
Todo el mundo sabe que una desviación de la media puede ser significativa, pero nadie sabe cuándo ocurrirá.
1...216121622163216421652166216721682169217021712172217321742175...3399
Nuevo comentario