L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 3077

Nouveau commentaire
 
Maxim Dmitrievsky #:
Il s'avère que vous avez lu l'article en diagonale et que vous n'avez rien compris. Les questions ne s'adressent plus aux scientifiques.

Posons alors une question de contrôle. Quels sont les types de f-y nuisibles et en quoi diffèrent-ils ? Et comment les appelleriez-vous différemment ? N'étant pas du tout un agriculteur collectif, mais de sang bleu.

En raison de votre tendance à étiqueter les gens, il est désagréable d'avoir affaire à vous, mais je vous répondrai plus tard afin de discuter publiquement de la traduction de la terminologie sur l'exemple d'un article très intéressant.

Pour l'instant, la traduction Yandex de nuisance est .

nuisance, nuisance, nuisance, ennui, fardeau ...

Je ne suis pas du tout satisfait. Plus tard, je donnerai ma traduction et la justifierai. Je suis occupé pour l'instant.

 
СанСаныч Фоменко #:

Bien que votre tendance à étiqueter les gens vous rende désagréable, je répondrai certainement plus tard afin de discuter publiquement de la traduction de la terminologie sur l'exemple d'un article très intéressant.

Pour l'instant, la traduction Yandex de nuisance est la suivante

Nuisance, nuisance, nuisance, ennui, fardeau ...

ne me convient pas du tout. Je vous donnerai ma traduction plus tard et je l'expliquerai. Je suis occupé pour l'instant.

Avant une histoire très intéressante, je vous invite à consulter la définition sur internet (section statistiques).

Et aussi RF est juste mentionné dans l'article, mais ce n'est pas la base de l'article.

Je n'ai pas lu l'article mais j'en ai tiré des conclusions.

 
Maxim Dmitrievsky #:

Avant une histoire très intéressante, veuillez consulter la définition sur l'internet (section statistiques).

et aussi la RF est juste mentionnée dans l'article, mais ce n'est pas la base de l'article.

n'a pas lu l'article mais en a tiré des conclusions.

4 Simulation

Étude Nous étudions la performance sur échantillon fini des méta-apprenants pour l'estimation des effets de traitement hétérogènes basée sur les forêts aléatoires (Breiman, 2001 ; voir également Biau & Scornet, 2016, pour une introduction complète). L'étude de Monte Carlo se concentre sur l'évaluation de l'influence du fractionnement de l'échantillon et de l'ajustement croisé dans l'estimation de l'effet causal. À cette fin, nous comparons les méta-avertisseurs susmentionnés estimés avec un échantillon complet, un double découpage d'échantillon et un double ajustement croisé.


Nous nous appuyons sur la forêt aléatoire comme apprenant de base pour tous les méta-apprenants, et ce pour plusieurs raisons.


Je n'ai pas lu l'article, mais j'en ai tiré des conclusions .

Je ne vois pas l'intérêt de discuter avec vous !

 
СанСаныч Фоменко #:

4 Modélisation

Étude Nous étudions l'efficacité des méta-études à échantillon fini pour l'estimation des effets de traitement hétérogènes sur la base de forêts aléatoires (Breiman, 2001 ; voir aussi Biau & Scornet, 2016, introduction détaillée). L'objectif de l'étude de Monte Carlo est d'évaluer l'impact du fractionnement de l'échantillon et de l'ajustement croisé sur l'estimation des effets causaux. À cette fin, nous comparons les méta-apprenants discutés ci-dessus, estimés avec un échantillonnage complet, un double fractionnement de l'échantillonnage et un double ajustement croisé.


Nous utilisons Random Forest comme méthode d'apprentissage de base pour tous les méta-apprentissages, et ce pour plusieurs raisons.


Je n'ai pas lu les articles, mais j'ai fait une recherche.

Je ne vois pas l'intérêt de discuter avec vous !

L'article ne traite pas de la RF, mais de l'inférence causale, et la terminologie en est donc issue.

Vous n'êtes pas encore en mesure de discuter de quoi que ce soit, bien sûr que vous n'en voyez pas l'intérêt.
 

Je propose d'unir nos efforts pour rechercher des informations utiles dans la base de code, à savoir des indicateurs intéressants.

La tâche prend du temps, mais il y a une probabilité de trouver quelque chose de sous-estimé.

Créons des prédicteurs de base pour les indicateurs et les cibles, analysons la distribution de probabilité pour la cible.

En conséquence, nous sélectionnerons des indicateurs personnalisés intéressants avec leurs paramètres pour différentes TF et instruments de trading.

De mon côté, environ 200 cœurs seront inclus dans le travail. J'organiserai le travail en commun et écrirai le code nécessaire.

Ainsi, nous pourrons utiliser n'importe quel indicateur analysé dans notre code, en disposant d'une norme pour leurs paramètres, y compris la plage et le pas de variation de chaque paramètre.

Tous les participants à ce travail conjoint pourront utiliser les résultats.

Il sera pratique d'organiser le processus dans Discord. Qu'en pensez-vous ? Il semble que tout le monde soit gagnant - vous ne partagez pas vos secrets, mais vous obtenez un résultat potentiellement utile.

 

J'ai appris à afficher un graphique interactif en R avec shiny pour mon application....

un peu avec des béquilles mais j'y suis arrivé, je n'ai pas encore essayé la bibliothèque dash....

Donc, si vous êtes intéressés, vous pouvez l'utiliser, le graphique s'ouvre dans un navigateur, vous pouvez passer en mode plein écran en double-cliquant dessus.


Le graphique est complet, vous pouvez afficher des transactions, dessiner, sélectionner des objets, obtenir des valeurs, etc... (mais ceci est un code séparé)


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 indicateurs personnalisés intéressants avec leurs paramètres pour différentes TF et instruments de trading.

De mon côté, environ 200 cœurs seront inclus dans le travail. J'organiserai le travail en commun et écrirai le code nécessaire.

Ainsi, nous pourrons utiliser n'importe quel indicateur analysé dans notre code, en ayant une norme pour leurs paramètres, y compris la plage et le pas de variation de chaque paramètre.

Tous les participants à ce projet commun seront en mesure d'utiliser les résultats.

Il sera pratique d'organiser le processus dans Discord. Qu'en pensez-vous ? Il semble que tout le monde soit gagnant - vous ne partagez pas vos secrets, mais vous obtenez un résultat potentiellement utile.

90 % de ces indicateurs sont remplacés par des filtres numériques et des ondelettes. Que reste-t-il ? Des indicateurs de volatilité, et quoi d'autre ?

 
Rorschach #:

90% des MA de ces indicateurs sont remplacés par des filtres numériques et des ondelettes. Que reste-t-il ? Les indicateurs de volatilité, quoi d'autre ?

Vous pouvez également ajouter une tentative de prédiction de ses valeurs par retour à la tâche générale de la valeur de l'indicateur - s'il sort avec une précision de 100 %, mettez-le à la poubelle.

Vous pouvez commencer par un indicateur simple - classer les indicateurs par type - oscillateurs, moyennes - comme les MA, les indicateurs de niveau - qui sont recalculés relativement rarement.

Et vous pouvez traiter les informations historiques dans le cadre de ce projet.
 

Personne n'a donc aimé mon idée ?

Tout le monde se croit plus intelligent que les autres et est persuadé qu'il ne peut y avoir d'idée utile dans les indicateurs ?

Ou bien ils ne sont tout simplement pas intéressés par l'obtention d'informations utiles avec eux ? Ni pour eux-mêmes, ni pour les autres ?

Ou bien vous avez 10 vies en réserve et vous espérez tout gérer par vous-même ?

 
Aleksey Vyazmikin indicateurs personnalisés intéressants avec leurs paramètres pour différentes TF et instruments de trading.

De mon côté, environ 200 cœurs seront inclus dans le travail. J'organiserai le travail en commun et écrirai le code nécessaire.

Ainsi, nous pourrons utiliser n'importe quel indicateur analysé dans notre code, en ayant une norme pour leurs paramètres, y compris la plage et le pas de variation de chaque paramètre.

Tous les participants à ce projet commun seront en mesure d'utiliser les résultats.

Il sera pratique d'organiser le processus dans Discord. Qu'en pensez-vous ? Il semble que tout le monde soit gagnant - vous ne partagez pas vos secrets, mais vous obtenez un résultat potentiellement utile.

Alexei, c'est presque impossible

1...307030713072307330743075307630773078307930803081308230833084...3399
Nouveau commentaire