L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 2262
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
Qu'est-ce que tu veux dire ?
il suffit de secouer la vache matricielle. ce sera aléatoire ....
vous devez connaître l'objectif - le but de l'opération, ce que doit être la coupe finale ?
l'objectif est le profit :D
Vous voyez, tout le monde ici propose de vendre des tick scalpers sur le marché, mais mon intérêt est purement sportif.l'objectif est le profit :D
En ce qui concerne l'approche de la génération elle-même, une critique de ma part )
Lorsque vous créez des données et que vous passez en revue les modèles à la recherche d'un modèle qui fonctionnera sur les "nouvelles données", comprenez-vous qu'il s'agit d'un ajustement ? Vous comprenez que c'est un essayage ?
Puisque ces "nouvelles données" interviennent dans le choix du modèle, ce ne sont pas des"nouvelles données"... Ce n'est pas très évident, mais ça l'est !
Nous avons besoin d'ajouter un troisième échantillon, qui n'est pas impliqué de quelque manière que ce soit, l'avez-vous fait ?
Pour ce qui est de la covariance, je peux m'en occuper, mais je ne suis pas un expert en GMM.
ici j'ai une fausse matrice
J'ai créé un modèle GMM
Voici la sortie du modèle.
Model$parameters $pro [1] 0.2 0.2 0.4 0.2 $mean [,1] [,2] [,3] [,4] [1,] 7.00000e-01 -0.7 -0.15 1.000000e+00 [2,] -2.00000e-01 -0.8 0.30 -6.000000e-01 [3,] -7.41241e-145 -1.4 1.00 -5.000000e-01 [4,] -1.70000e+00 1.5 0.30 -8.061356e-177 [5,] -2.60000e+00 -1.1 0.20 -3.000000e-01 [6,] 1.30000e+00 -0.1 -0.45 1.200000e+00 [7,] -4.00000e-01 -0.6 1.10 2.300000e+00 [8,] 9.00000e-01 -0.4 1.00 -1.900000e+00 [9,] 4.00000e-01 1.0 -0.50 3.000000e-01 [10,] -1.60000e+00 0.2 0.65 1.400000e+00 $variance $variance$modelName [1] "EEI" $variance$d [1] 10 $variance$G [1] 4 $variance$sigma , , 1 [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [1,] 0.009 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 [2,] 0.000 0.016 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 [3,] 0.000 0.000 0.484 0.000 0.000 0.000 0.000 0.000 0.000 0.000 [4,] 0.000 0.000 0.000 1.764 0.000 0.000 0.000 0.000 0.000 0.000 [5,] 0.000 0.000 0.000 0.000 0.144 0.000 0.000 0.000 0.000 0.000 [6,] 0.000 0.000 0.000 0.000 0.000 0.009 0.000 0.000 0.000 0.000 [7,] 0.000 0.000 0.000 0.000 0.000 0.000 0.016 0.000 0.000 0.000 [8,] 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.036 0.000 0.000 [9,] 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.196 0.000 [10,] 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.025 , , 2 [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [1,] 0.009 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 [2,] 0.000 0.016 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 [3,] 0.000 0.000 0.484 0.000 0.000 0.000 0.000 0.000 0.000 0.000 [4,] 0.000 0.000 0.000 1.764 0.000 0.000 0.000 0.000 0.000 0.000 [5,] 0.000 0.000 0.000 0.000 0.144 0.000 0.000 0.000 0.000 0.000 [6,] 0.000 0.000 0.000 0.000 0.000 0.009 0.000 0.000 0.000 0.000 [7,] 0.000 0.000 0.000 0.000 0.000 0.000 0.016 0.000 0.000 0.000 [8,] 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.036 0.000 0.000 [9,] 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.196 0.000 [10,] 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.025 , , 3 [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [1,] 0.009 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 [2,] 0.000 0.016 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 [3,] 0.000 0.000 0.484 0.000 0.000 0.000 0.000 0.000 0.000 0.000 [4,] 0.000 0.000 0.000 1.764 0.000 0.000 0.000 0.000 0.000 0.000 [5,] 0.000 0.000 0.000 0.000 0.144 0.000 0.000 0.000 0.000 0.000 [6,] 0.000 0.000 0.000 0.000 0.000 0.009 0.000 0.000 0.000 0.000 [7,] 0.000 0.000 0.000 0.000 0.000 0.000 0.016 0.000 0.000 0.000 [8,] 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.036 0.000 0.000 [9,] 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.196 0.000 [10,] 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.025 , , 4 [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [1,] 0.009 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 [2,] 0.000 0.016 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 [3,] 0.000 0.000 0.484 0.000 0.000 0.000 0.000 0.000 0.000 0.000 [4,] 0.000 0.000 0.000 1.764 0.000 0.000 0.000 0.000 0.000 0.000 [5,] 0.000 0.000 0.000 0.000 0.144 0.000 0.000 0.000 0.000 0.000 [6,] 0.000 0.000 0.000 0.000 0.000 0.009 0.000 0.000 0.000 0.000 [7,] 0.000 0.000 0.000 0.000 0.000 0.000 0.016 0.000 0.000 0.000 [8,] 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.036 0.000 0.000 [9,] 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.196 0.000 [10,] 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.025 $variance$Sigma [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [1,] 0.009 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 [2,] 0.000 0.016 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 [3,] 0.000 0.000 0.484 0.000 0.000 0.000 0.000 0.000 0.000 0.000 [4,] 0.000 0.000 0.000 1.764 0.000 0.000 0.000 0.000 0.000 0.000 [5,] 0.000 0.000 0.000 0.000 0.144 0.000 0.000 0.000 0.000 0.000 [6,] 0.000 0.000 0.000 0.000 0.000 0.009 0.000 0.000 0.000 0.000 [7,] 0.000 0.000 0.000 0.000 0.000 0.000 0.016 0.000 0.000 0.000 [8,] 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.036 0.000 0.000 [9,] 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.196 0.000 [10,] 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.025 $variance$scale [1] 0.05824961 $variance$shape [1] 0.1545075 0.2746800 8.3090689 30.2834661 2.4721197 0.1545075 0.2746800 [8] 0.6180299 3.3648296 0.4291874 $Vinv NULLQu'est-ce qu'une matrice de covariance ?
En ce qui concerne l'approche de la génération elle-même, une critique de ma part )
Lorsque vous créez des données et que vous passez en revue les modèles à la recherche d'un modèle qui fonctionnera sur les "nouvelles données", vous rendez-vous compte qu'il s'agit d'un ajustement ? Vous comprenez que c'est un essayage ?
Puisque ces "nouvelles données" interviennent dans le choix du modèle, ce ne sont pas des"nouvelles données"... Ce n'est pas très évident, mais ça l'est !
Nous avons besoin d'ajouter un troisième échantillon, qui n'est pas impliqué de quelque manière que ce soit, l'avez-vous fait ?
Pour ce qui est de la covariance, je peux m'en occuper, mais je ne suis pas un expert en GMM.
ici j'ai une fausse matrice
J'ai créé un modèle GMM
Voici la sortie du modèle.
c'est la matrice de covariance ?
Je l'ai vérifié sur la 3, oui.
mieux de secouer les centroïdes des clusters. C'est-à-dire la moyenne (les moyennes), chaque valeur. Dans un petit intervalle, où chaque valeur est le centre de la distribution normale. Après chaque agitation, ajoutez les échantillons.
C'est une mauvaise approche, ne vous donnez pas la peine. Il est préférable de secouer les incréments de prix moyens, c'est plus clair mais plus long.
Il est préférable de secouer les incréments de prix moyens, c'est plus clair, mais plus long.
Quelle est la différence fondamentale ?
Quelle est la différence fondamentale ?
Rien, c'était une supposition que vous pouvez encore le secouer avec un minimum d'effort. Mais ça ne marchera pas.
Désolé, je l'ai mal lu. La différence est que le gmm trouvera d'autres clusters sur des incréments modifiés. Et en secouant les centroïdes, vous ne faites pratiquement rien.
c'est-à-dire que l'objectif est de générer une série avec une moyenne et/ou une variance différente, similaire à l'originale.
mais vous prenez un petit morceau de la série originale et vous générez le reste.
Rien, c'était une suggestion que vous pouvez encore le secouer avec un minimum d'effort. Mais ce n'est pas comme ça que ça marche.
Désolé, je l'ai mal lu. La différence est que gmm trouvera d'autres clusters sur des incréments modifiés. Et en secouant les centroïdes, vous ne faites pratiquement rien.
c'est-à-dire que l'objectif est de générer une série avec une moyenne et/ou une variance différente, similaire à l'originale.
mais vous prenez un petit morceau de la série originale et générez le reste.
Ne serait-il pas plus facile de créer un pseudo-générateur de prix qui puisse générer ce que vous voulez...
qui passeront les contrôles de traçabilité, de test et de validité.
Ne serait-il pas plus simple de créer un pseudo-générateur de prix pouvant générer n'importe quoi, et d'ajuster ses paramètres pour qu'il génère une série
qui passera les tests de formation, d'essai et de validation.
Nous n'avons besoin de rien, il nous suffit d'hériter des particularités de la série, sur lesquelles nous ferons du commerce.
Nous n'avons besoin de rien, nous devons hériter des particularités de la série dont nous faisons commerce.
Ecoutez, s'il a passé tous nos critères, cela signifie qu'il a hérité de tout, de tout ce que nous pensions qu'il ferait et même de tout ce que nous n'avons jamais pensé qu'il ferait et que nous n'aurions jamais inclus dans le modèle...
Ecoutez, s'il répond à tous nos critères, alors il a hérité de tout ce que nous pouvions imaginer et même de choses que nous ne connaissions pas et que nous n'aurions jamais incluses dans le modèle...
de trouver un tel générateur)
trouver un tel oscillateur )
Je ne suis pas un génie ;))
Tout a déjà été inventé... Même GMM, on peut prendre des moyennes et les changer comme on veut jusqu'au résultat, ou changer la série elle-même, ou synthétiser le spectre et l'utiliser pour reconstruire le signal, ou.... ou...