L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 2405

 
Maxim Dmitrievsky:

L'idée est généralement correcte, mais elle ne nécessite pas nécessairement une formation en ligne dans la vie réelle, elle ne peut être réalisée que pendant la phase de formation de base/de recyclage, puis utilisée telle quelle.

Eh bien oui, il est logique qu'il n'y ait pas de calculs lourds lors des transactions.

 
High-Frequency Financial Trading on FOREX with MDFA and R: An Example with the Japanese Yen
High-Frequency Financial Trading on FOREX with MDFA and R: An Example with the Japanese Yen
  • 2013.02.19
  • Christian Dallas Blakely
  • imetricablog.com
In my previous article on high-frequency trading in iMetrica on the FOREX/GLOBEX, I introduced some robust signal extraction strategies in iMetrica using the multidimensional direct filter approach (MDFA) to generate high-performance signals for trading on the foreign exchange and Futures market. In this article I take a brief leave-of-absence...
 

J'ai décidé de comparer les métriques de proximité entre elles, qui sont les mieux adaptées à la reconnaissance des données du marché...

La métrique la plus courante est la métrique "euclidienne" , qui est utilisée dans près de 99% des cas et constitue en quelque sorte une norme dans le MO...

presque tous les clusters y travaillent...

Ainsi, 24 mesures ont été comparées pour vérifier la pertinence de la reconnaissance des nouvelles données du marché...

liste des métriques et résultat des erreurs

 [1,] "0.51"  "euclidean"  
 [2,] "0.525" "manhattan"  
 [3,] "0.51"  "minkowski"  
 [4,] "0.545" "infnorm"    
 [5,] "0.505" "ccor"       
 [6,] "0.565" "sts"        
 [7,] "0.51"  "dtw"        
 [8,] "0.52"  "edr"        
 [9,] "0.55"  "erp"        
[10,] "0.51"  "lcss"       
[11,] "0.535" "fourier"    
[12,] "0.46"  "tquest"     
[13,] "0.525" "acf"        
[14,] "0.52"  "pacf"       
[15,] "0.525" "cdm"        
[16,] "0.53"  "cid"        
[17,] "0.53"  "cor"        
[18,] "0.5"   "cort"       
[19,] "0.495" "ar.pic"     
[20,] "0.485" "int.per"    
[21,] "0.49"  "per"        
[22,] "0.52"  "mindist.sax"
[23,] "0.535" "ncd"        
[24,] "0.51"  "pdc"

Comme vous pouvez le constater, euclid n'est pas la meilleure solution pour les prix ;))

 
mytarmailS:

J'ai décidé de comparer les métriques de proximité entre elles, qui sont les mieux adaptées à la reconnaissance des données du marché...

La métrique la plus courante est la métrique "euclidienne" , qui est utilisée dans près de 99% des cas et constitue en quelque sorte une norme dans le MO...

presque tous les clusters y travaillent...

Ainsi, 24 mesures ont été comparées pour vérifier la pertinence de la reconnaissance des nouvelles données du marché...

liste des métriques et résultat des erreurs

Comme vous pouvez le constater, euclid est loin d'être la meilleure solution pour les prix ;))

Ceci si vous n'avez que des prix d'entrée. Et si vous avez aussi le temps entre la barre 0 et celle où vous regardez le prix, et si vous avez aussi les volumes (tick/real) ou autre chose. Euclidienne, et en effet toute distance entre les puces sera inadéquate. Comment pouvez-vous égaliser un prix de 5 pips, des barres de 5 minutes, des barres de 5 heures, un volume de 5 lots ? Tu ne peux pas.
Et le clusterizer les considérera comme égaux.
 
elibrarius:
C'est si vous avez seulement des prix d'entrée. Et si vous avez aussi le temps entre la barre 0 et celle où vous regardez le prix, et si vous avez aussi les volumes (tick/real) ou autre chose. Euclidienne, et en effet toute distance entre les puces sera inadéquate. Comment pouvez-vous égaliser un prix de 5 pips, des barres de 5 minutes, des barres de 5 heures, un volume de 5 lots ? Tu ne peux pas.
Et le clusterizer les considérera comme égaux.

Vous pouvez utiliser la métrique de Mahalanobis ou une autre forme de normalisation des données.

 
Aleksey Nikolayev:

Vous pourriez utiliser la métrique de Mahalanobis ou une sorte de normalisation des données.

La normalisation va simplement changer les échelles. Il fera un ellipsoïde à partir d'une balle - si les valeurs mah ne correspondent pas. Vous égaliserez 5 pts avec 2 heures et 7 lots.
Dans tous les cas, c'est assimiler le chaud au doux. Après normalisation, il sera chaud et moelleux).

 
elibrarius:

La normalisation ne fera que changer les masses. Il fera un ellipsoïde à partir d'une balle - si les valeurs mah ne correspondent pas. Vous égaliserez 5 pts avec 2 heures et 7 lots.
Dans tous les cas, c'est assimiler le chaud au doux. Après la normalisation, vous vous sentirez mieux)).

Vous pouvez parfois utiliser leur fonction de distribution pour les SB afin de normaliser lescaractéristiques. Par exemple, les longueurs de genoux en zigzag pour les SB sont distribuées de manière exponentielle, etc. Si la distribution n'est pas connue exactement, elle peut être approximée par une simulation de Monte Carlo.

 
elibrarius:

La normalisation ne fera que changer les masses. La balle fera un ellipsoïde - si les valeurs mah ne correspondent pas. Vous égaliserez 5 pts avec 2 heures et 7 lots.
Dans tous les cas, c'est assimiler le chaud au doux. Après la normalisation, vous vous sentirez mieux)).

Chaud avec duveteux veut égaliser -

elibrarius:
barres de 5 heures et 5 lots de volume
 
Aleksey Nikolayev:

Vous pourriez utiliser la métrique de Mahalanobis ou une sorte de normalisation des données.

Pourquoi tous les mathématiciens célèbres ont-ils des noms si compliqués ?

 
secret:

Pourquoi tous les mathématiciens célèbres ont-ils des noms aussi compliqués ?

Indien) Ils en ont des plus compliqués.)