L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 264
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Désolé, j'ai été distrait...
Voici les données https://drop.me/aGE2kB
Je n'ai pas fait d'édition parce que je n'ai pas eu le temps, jusqu'à présent le verre est seulement delta, certains jours avec des sauts, mais comme un test il fera
Je ne sais pas si ces conférences seront utiles à quiconque, mais elles sont probablement bonnes pour le développement général, et tout simplement intéressantes.
la prévision des séries chronologiques :
https://www.youtube.com/watch?v=u433nrxdf5k
transformations de caractéristiques :
https://www.youtube.com/watch?v=U1QYrGj6Ztg
À la fin de la vidéo sur la transformation des caractéristiques, le conférencier mentionne une méthode intéressante de réduction de la dimensionnalité qui peut être utilisée, par exemple, pour évaluer la séparabilité des classes. Cette méthode(t-SNE) est considérée comme plus avancée que l'ACP et mérite une attention particulière.
J'ai comparé comment les méthodes de sous-échantillonnage sont divisées
Et en effet, la méthode se compare favorablement aux autres.
Les données et le code peuvent être tirés de cet articlehttp://biostat-r.blogspot.com/2016/05/pca-mds-t-sne.html.
paquets de méthodes : tsne, Rtsne
le dernier est rapide et écrit en C++.
Je ne l'ai pas encore fait fonctionner sur les données du marché...
Dr. Trader, vous vous rappelez avoir dit que vous ne saviez pas comment fonctionne scale()? Je l'ai découvert ;)))
# аналог
(x - mean(x)) / sd(x)
Je ne sais pas si ces conférences seront utiles à quiconque, mais elles sont probablement bonnes pour le développement général, et tout simplement intéressantes.
la prévision des séries chronologiques :
https://www.youtube.com/watch?v=u433nrxdf5k
transformations de caractéristiques :
https://www.youtube.com/watch?v=U1QYrGj6Ztg
Je vois, tout ceci explique pourquoi je voulais le résultat en 0...1, mais que je l'ai obtenu dans des limites différentes pour chaque colonne.
Désolé, j'ai été distrait...
Voici les données https://drop.me/aGE2kB
Je n'ai pas fait de modifications car je n'avais pas le temps, jusqu'à présent le verre n'est que delta, certains jours avec des sauts, mais en tant que test il fera l'affaire.
Je ne sais pas si ces conférences seront utiles à quiconque, mais elles sont probablement bonnes pour le développement général, et tout simplement intéressantes.
la prévision des séries chronologiques :
https://www.youtube.com/watch?v=u433nrxdf5k
Oui, il y a des points intéressants, par exemple la vérification des résidus et l'ajustement programmatique.
Mais il est étrange que la personne dise d'abord "la validation est indispensable" et ensuite "si une partie de l'histoire interfère avec l'ajustement du modèle - il suffit de la couper" .
Bonjour à tous !
1) A propos de t-SNE : il n'a pas fonctionné avec les données du marché.
2) J'ai trouvé un paquet avec des modèles de chandeliers déjà implémentés, vous pouvez l'installer comme ceci :
J'aimerais bien m'amuser avec, mais il se trouve que je n'ai pas rencontré de données xts sérieusement, comment traduire mes citations dans le bon format ?
mes données
X.DATE. X.TIME. X.OPEN. X.HIGH. X.LOW. X.CLOSE. X.VOL.
385327 20170117 204000 115420 115440 115400 115400 314
385328 20170117 204500 115400 115440 115370 115410 559
385329 20170117 205000 115410 115440 115380 115420 475
385330 20170117 205500 115410 115510 115360 115470 1745
385331 20170117 210000 115470 115490 115430 115440 607
385332 20170117 210500 115440 115490 115420 115470 453
[1] "data.frame"
J'ai besoin du format xts
RIH7.Open RIH7.High RIH7.Low RIH7.Close RIH7.Volume
2017-01-30 10:00:00 119060 119060 118480 118620 12191
2017-01-30 10:05:00 118610 118620 118260 118320 13219
2017-01-30 10:10:00 118320 118470 118230 118250 8519
2017-01-30 10:15:00 118240 118260 118080 118120 11010
2017-01-30 10:20:00 118110 118160 117930 117980 8108
2017-01-30 10:25:00 117980 118100 117910 118020 5544
[1] "xts" "zoo"
Bonjour à tous !
1) A propos de t-SNE : il n'a pas fonctionné avec les données du marché.
2) J'ai trouvé un paquet avec des modèles de chandeliers déjà implémentés, vous pouvez l'installer comme ceci :
J'aimerais bien m'amuser avec, mais il se trouve que je n'ai pas rencontré de données xts sérieusement, comment traduire mes citations dans le bon format ?
mes données
X.DATE. X.TIME. X.OPEN. X.HIGH. X.LOW. X.CLOSE. X.VOL.
385327 20170117 204000 115420 115440 115400 115400 314
385328 20170117 204500 115400 115440 115370 115410 559
385329 20170117 205000 115410 115440 115380 115420 475
385330 20170117 205500 115410 115510 115360 115470 1745
385331 20170117 210000 115470 115490 115430 115440 607
385332 20170117 210500 115440 115490 115420 115470 453
[1] "data.frame"
J'ai besoin du format xts
RIH7.Open RIH7.High RIH7.Low RIH7.Close RIH7.Volume
2017-01-30 10:00:00 119060 119060 118480 118620 12191
2017-01-30 10:05:00 118610 118620 118260 118320 13219
2017-01-30 10:10:00 118320 118470 118230 118250 8519
2017-01-30 10:15:00 118240 118260 118080 118120 11010
2017-01-30 10:20:00 118110 118160 117930 117980 8108
2017-01-30 10:25:00 117980 118100 117910 118020 5544
[1] "xts" "zoo"