Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 444
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
Así es, los futuros han estado cotizando durante los últimos 3 meses, justo antes y después del vencimiento del anterior. Es inútil mirar antes e intentar hacer algo con ello.
Maxim (o su sistema) se ha dado cuenta de lo evidente.
:)) No me refiero a los futuros, que aún no han comenzado, sino al comportamiento cíclico, probablemente relacionado con la vida del contrato, lo que significa que los patrones cambian en un nuevo contrato, como la volatilidad y la liquidez, el mercado cambia sus reacciones. Por cierto, es invisible a los ojos, pero el análisis estadístico lo mostrará. Pero eso no es lo principal, el mercado está lleno de otras ciclicidades. El problema es que el sistema se reconstruye sin pérdidas de rentabilidad automáticas. Es decir, no tengo que hacer nada manualmente, soy demasiado vago...
Introduzca un parámetro que defina la calidad de su EA, si su valor se desvía por debajo del límite establecido, vuelva a entrenar el modelo. Todo esto se puede hacer en R sin abandonar el estado operativo.
¿Cuál es el problema?
¡Atención! Puede haber errores en R.
Ayer mismo estuve haciendo histogramas. Llevo horas haciéndolo, no he escrito ningún script, todo está en la línea de comandos. No tengo ganas de repetir horas de experimentos sólo para publicar los códigos.
Entonces, hagamos un histograma. El histograma muestra que la probabilidad de encontrar valores de la serie en un determinado rango es de 0,22. Esto está bien, pero el histograma en sí no lo parece. Lo sumamos todo y obtenemos 0,59 y no 1 como debería ser.
A continuación, trazamos los mismos histogramas para la muestra de procesos aleatorios uniformemente distribuidos. Todo converge aquí y la suma es 1 como debe ser. ¿Cómo es eso?
Bien, hay muchas maneras de hacer lo mismo en R. Hagámoslo de otra manera. Esta vez obtenemos la probabilidad 0,43. Esto no puede ser, porque no hay forma de obtener 0,43 a partir de 0,22 (con la suma 0,59).
Sumando los valores del histograma obtenemos 0,991. Te recuerdo que debe ser igual a 1. Incluso si todo es correcto, obtendremos un 1% de error. Esto es un error escandaloso, simplemente no puede ser.
Después de una cosa así, la credibilidad de R, de alguna manera, cae. Y si lo mismo para otros cálculos y algoritmos más complejos, donde no es tan fácil, y a menudo imposible de comprobar.
¡Atención! Puede haber errores en R.
Ayer mismo estuve haciendo histogramas. Llevo horas haciéndolo, no he escrito ningún script, todo está en la línea de comandos. No tengo ganas de repetir horas de experimentos sólo para publicar los códigos.
Entonces, hagamos un histograma. El histograma muestra que la probabilidad de encontrar valores de la serie en un determinado rango es de 0,22. Esto está bien, pero el histograma en sí parece ser diferente. Lo sumamos todo y obtenemos 0,59 y no 1 como debería ser.
A continuación, trazamos los mismos histogramas para la muestra de procesos aleatorios uniformemente distribuidos. Todo converge aquí y la suma es 1 como debe ser. ¿Cómo es eso?
Bien, hay muchas maneras de hacer lo mismo en R. Hagámoslo de otra manera. Esta vez obtenemos la probabilidad 0,43. No puede ser, porque no hay forma de obtener 0,43 a partir de 0,22 (con la suma 0,59).
Sumando los valores del histograma obtenemos 0,991. Te recuerdo que debe ser igual a 1. Incluso si todo es correcto, seguimos teniendo un 1% de error. Esto es un error escandaloso, simplemente no puede ser.
Después de una cosa así, la credibilidad de R, de alguna manera, cae. Y si lo mismo con otros cálculos y algoritmos más complejos, donde no es tan fácil, y a menudo imposible de comprobar.
Me gustaría ver algo.
Construyo gráficos de barras regularmente pero no he notado nada.
¡Atención! Puede haber errores en R.
Ayer mismo estuve haciendo histogramas. Llevo horas haciéndolo, no he escrito ningún script, todo está en la línea de comandos. No tengo ganas de repetir horas de experimentos sólo para publicar los códigos.
Entonces, hagamos un histograma. El histograma muestra que la probabilidad de encontrar valores de la serie en un determinado rango es de 0,22. Esto está bien, pero el histograma en sí no lo parece. Lo sumamos todo y obtenemos 0,59 y no 1 como debería ser.
A continuación, trazamos los mismos histogramas para la muestra de procesos aleatorios uniformemente distribuidos. Todo converge aquí y la suma es 1 como debe ser. ¿Cómo es eso?
Bien, hay muchas maneras de hacer lo mismo en R. Hagámoslo de otra manera. Esta vez obtenemos la probabilidad 0,43. Esto no puede ser, porque no hay manera de obtener 0,43 a partir de 0,22 (con la suma 0,59).
Sumando los valores del histograma obtenemos 0,991. Te recuerdo que debe ser igual a 1. Incluso si todo es correcto, seguimos teniendo un 1% de error. Esto es un error escandaloso, simplemente no puede ser.
Después de una cosa así, la credibilidad de R, de alguna manera, cae. Y si lo mismo con otros cálculos y algoritmos más complejos, donde no es tan fácil, y a menudo imposible de comprobar.
Sin un ejemplo reproducible un sonido vacío. La probabilidad de error en las funciones básicas es inferior a 0. Evidentemente, muchas horas de experimentos han surtido efecto. ¿No puedes sacar la secuencia de comandos de la historia? ¿O no estás practicando en Rstudio?
Sin un ejemplo reproducible, no hay nada. La probabilidad de error en las funciones básicas es inferior a 0. Obviamente, las horas de experimentación han tenido un impacto. ¿No puedes sacar la secuencia de comandos de la Historia? ¿O no estás practicando en Rstudio?
En R 3.4.1 c https://www.r-project.org/
Se necesita al menos una hora y media para reproducir la secuencia (que ya no necesito). Por supuesto, no lo haré sólo por publicar los resultados en el foro. Ayer, cuando todo estaba, por desgracia, no se me ocurrió escribir en el hilo.
Por eso he escrito con la mayor precisión posible y sin afirmar nada -¡Atención! Puede haber erroresen R . No tener, es decir, puede ser). En general, no insisto. Si crees que es bueno, es así.
Es interesante que para algunas series al trazar los histogramas es evidente que están ahí, pero para otras series no parecen estarlo. Al final tuve que ir a Excel y terminar todo allí.
PS Sí, gracias por recordarme lo de RStudio. Ya lo he hecho. En mi opinión, será más conveniente que R en el CAD.
setwd("D:/") # establecer el directorio de trabajo
x <- read.csv("x.csv", head=T) # cargar archivo de datos
sapply(x, class) # a qué clase pertenece el contenido de la variable
Introduzca un parámetro que defina la calidad de su EA, si su valor se desvía por debajo del límite establecido, vuelva a entrenar el modelo. Todo esto se puede hacer en R sin abandonar el estado operativo.
¿Cuál es el problema?
No uso R por su completa inutilidad para desarrollar bots :) Si necesitas algún tipo de estadística puedes, pero todo lo demás se hace en mt5, incl. libs con redes neuronales que puedes usar directamente como dll, ¿para qué necesito R?
Obviamente no necesitas R. Buena suerte
-----------------------
SanSanych:
Ya que ha cambiado a problemas de regresión vea esto
Buena suerte
Obviamente no necesitas R. Buena suerte
-----------------------
SanSanych:
Ya que ha cambiado a problemas de regresión vea esto
Buena suerte
Estoy tratando de dominar un modelo muy particular - GARCH. Me atrae el hecho de que una serie de fuentes se descompone en sus componentes y luego estos componentes se modelan por separado. Y la descomposición es intuitiva y está directamente relacionada con el reentrenamiento del modelo. Como sólo me interesa la capacidad de reentrenamiento del modelo (puedo crear Asesores Expertos reentrenados en TA con una duración de hasta 6 meses), eso es lo que determinó la elección de GARCH.
No conozco ningún enfoque en NS que permita colas gruesas, torceduras... Me parece que el modelo NS en sí no tiene nada que ver con los problemas del cotier original.
En GARCH, mientras se ajusta el modelo, puedo realizar pruebas que sirvan de base para que en el futuro el modelo resultante se comporte exactamente igual que en los datos de entrenamiento. No soy capaz de encajar GARCH con parámetros superiores al 90% de probabilidad.