Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3077

Nuevo comentario
 
Maxim Dmitrievsky #:

Antes de una historia muy interesante, por favor, busque la definición en internet (sección de estadísticas).

y también RF sólo se menciona en el artículo, pero no es la base del artículo.

no leyo el articulo pero saco conclusiones.

4 Simulación

Estudio Estudiamos el rendimiento de muestra finita de los meta-aprendices para la estimación de efectos de tratamiento heterogéneos basados en Random Forests (Breiman, 2001; véase también Biau & Scornet, 2016, para una introducción exhaustiva). El estudio Monte Carlo se centra en la evaluación de la influencia de la división de muestras y el ajuste cruzado en la estimación del efecto causal. Para ello, comparamos los metalearners antes mencionados estimados con muestra completa, doble división de la muestra y doble ajuste cruzado.


Nos basamos en el Random Forest como aprendiz base para todos los meta-aprendices por varias razones.


No leíel artículo, pero saqué conclusiones .

No tiene sentido discutir nada contigo.

 
СанСаныч Фоменко #:

4 Modelización

Estudio Investigamos la eficacia de los metaestudios de muestras finitas para estimar efectos de tratamiento heterogéneos basados en bosques aleatorios (Breiman, 2001; véase también Biau y Scornet, 2016, introducción detallada). El enfoque del estudio Monte Carlo es evaluar el impacto de la división de la muestra y el ajuste cruzado en la estimación de los efectos causales. Para ello, comparamos los meta-aprendizajes comentados anteriormente, estimados con muestreo completo, doble división muestral y doble ajuste cruzado.


Nos basamos en Random Forest como método de aprendizaje de referencia para todo el meta-aprendizaje por varias razones.


No he leído los artículos, pero he echado un vistazo.

¡No veo el punto de discutir nada con usted!

El artículo no es sobre RF, sino sobre inferencia causal, así que la terminología viene de ahí.

todavía no estás en condiciones de discutir nada, claro que no le ves sentido.
 

Propongo aunar esfuerzos para buscar información útil en el código base, es decir, indicadores interesantes.

La tarea lleva tiempo, pero existe la probabilidad de encontrar algo subestimado.

Hagamos predictores básicos para indicadores y objetivos, analicemos la distribución de probabilidad para el objetivo.

Como resultado, seleccionaremos indicadores personalizados interesantes con sus configuraciones para diferentes TFs e instrumentos de negociación.

Por mi parte, unos 200 núcleos se incluirán en el trabajo. Organizaré el trabajo conjunto y escribiré el código necesario.

Como resultado, seremos capaces de utilizar cualquiera de los indicadores analizados en nuestro código, teniendo un estándar para sus ajustes, incluyendo el rango y el paso de variación de cada ajuste.

Todos los participantes en este trabajo conjunto podrán utilizar los logros alcanzados.

Será conveniente organizar el proceso en Discord. ¿Qué te parece? Parece que todos salimos ganando: no compartes tus secretos, pero obtienes un resultado potencialmente útil.

 

He estado aprendiendo a mostrar un gráfico interactivo en R con shiny para mi aplicación....

un poco con muletas pero lo he conseguido, aún no he probado la librería dash....

Así que, si te interesa, puedes usarlo, el gráfico se abre en un navegador, puedes hacer un modo de pantalla completa haciendo doble click sobre él.


El gráfico es completo, puedes mostrar operaciones, dibujar, seleccionar objetos, obtener valores, etc.... (pero esto es un código aparte)


library(xts)
library(plotly)
library(shiny)
library(shinyfullscreen)


len <- 50000
times <- seq(as.POSIXct("2016-01-01 00:00:00"), length = len, by = "sec")
prices <- cumsum(rnorm(len)) +1000

p <- to.minutes5(as.xts(prices,order.by = times))

dat <- cbind.data.frame(index(p) , coredata(p))
colnames(dat) <- c("date","open","high","low","close")




my_plot <- function(dat,width,height){
  library(plotly)
  
  pl <- plot_ly(dat, x = ~date, type="candlestick",
                open = ~open, close = ~close,
                high = ~high, low = ~low,
                line = list(width = 1),
                width = width, height = height)
  
  pl <- layout(pl,
               xaxis = list(rangeslider = list(visible = F),
                            title = ""),
               yaxis = list(side = "right"),
               plot_bgcolor='rgb(229,229,229)',
               paper_bgcolor="white",
               margin = list(l = 0, r = 0, t = 0, b = 0))
  pl
}
resize_tag <- function(){
  tags$head(tags$script('
                        var dimension = [0, 0];
                        $(document).on("shiny:connected", function(e) {
                        dimension[0] = window.innerWidth;
                        dimension[1] = window.innerHeight;
                        Shiny.onInputChange("dimension", dimension);
                        });
                        $(window).resize(function(e) {
                        dimension[0] = window.innerWidth;
                        dimension[1] = window.innerHeight;
                        Shiny.onInputChange("dimension", dimension);
                        });
                        '))
}







ui <- fluidPage(
  resize_tag(),
  #plotlyOutput("plot")
  fullscreen_this(   plotlyOutput("plot")   )
)


server <- function(input, output) {
  output$plot <- renderPlotly( {   
    my_plot(dat,
            width  = (0.95*as.numeric(input$dimension[1])),
            height =  as.numeric(input$dimension[2]))
  })
}

#shinyApp(ui = ui, server = server)
shinyApp(ui, server, options = list(launch.browser = TRUE))
 
Aleksey Vyazmikin indicadores personalizados interesantes con su configuración para diferentes TF e instrumentos de negociación.

Por mi parte, se incluirán unos 200 núcleos en el trabajo. Organizaré el trabajo conjunto y escribiré el código necesario.

Como resultado, podremos utilizar cualquiera de los indicadores analizados en nuestro código, teniendo un estándar para sus ajustes, incluyendo el rango y el paso de variación de cada ajuste.

Todos los participantes en este trabajo conjunto podrán utilizar los logros.

Será conveniente organizar el proceso en Discord. ¿Qué te parece? Parece que todos salimos ganando: no compartes tus secretos, pero obtienes un resultado potencialmente útil.

El 90% de МА de tales indicadores se sustituyen por filtros digitales y ondículas. ¿Qué queda? Indicadores de volatilidad, ¿qué más?

 
Rorschach #:

El 90% de estos indicadores se sustituyen por filtros digitales y ondículas. ¿Qué queda? Indicadores de volatilidad, ¿qué más?

También puede agregar un intento de predecir sus valores por retornos a la tarea general del valor del indicador - si sale con una precisión del 100%, a la basura.

Usted puede comenzar con una simple - categorizar por tipos - osciladores, promediadores - como MA, indicadores de nivel - que se vuelven a calcular con relativa frecuencia.

Y usted puede procesar noticias históricas en el marco de este proyecto.
 

¿A nadie le ha gustado mi idea?

¿Todos se creen más listos que los demás y están seguros de que no puede haber ninguna idea útil en los indicadores?

¿O simplemente no les interesa obtener información útil con ellos? ¿Ni para ellos mismos ni para los demás?

¿O tienen 10 vidas en reserva y esperan gestionarlo todo por su cuenta?

 
Aleksey Vyazmikin indicadores personalizados interesantes con su configuración para diferentes TF e instrumentos de negociación.

Por mi parte, se incluirán unos 200 núcleos en el trabajo. Organizaré el trabajo conjunto y escribiré el código necesario.

Como resultado, seremos capaces de utilizar cualquiera de los indicadores analizados en nuestro código, teniendo un estándar para sus ajustes, incluyendo el rango y el paso de variación de cada ajuste.

Todos los participantes en este trabajo conjunto podrán utilizar los logros.

Será conveniente organizar el proceso en Discord. ¿Qué te parece? Parece que todos salimos ganando: no compartes tus secretos, pero obtienes un resultado potencialmente útil.

Alexei, es casi imposible

 
lynxntech #:

Alexei, es casi imposible

¿Qué es exactamente imposible?

 
Aleksey Vyazmikin #:

¿Qué es exactamente lo que no es posible?

Sólo estaba ayudando,

1...307030713072307330743075307630773078307930803081308230833084...3399
Nuevo comentario