L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 1508

 
mytarmailS:

Comment va la conseillère Ilya ?

Je suis déçu par le Graal. Il y a une forte déviation par rapport à mes calculs et hypothèses théoriques. J'ai été inspiré par l'article éponyme de Maxim pour étudier le phénomène de ce qu'on appelle la mémoire longue ou ladépendance à longue portée .J'ai écrit un indicateur basé sur ARFIMA. Les auteurs affirment qu'il a une meilleure capacité de prédiction que l'ARIMA.

Autoregressive fractionally integrated moving average - Wikipedia
Autoregressive fractionally integrated moving average - Wikipedia
  • en.wikipedia.org
In statistics, autoregressive fractionally integrated moving average models are time series models that generalize ARIMA (autoregressive integrated moving average) models by allowing non-integer values of the differencing parameter. These models are useful in modeling time series with long memory—that is, in which deviations from the long-run...
Dossiers :
R_ARFIMA.zip  20 kb
 
Ilya Antipin:

Décevant. Il y a une forte déviation par rapport à mes calculs et hypothèses théoriques. L'article de Maxim du même nom m'a inspiré l'étude du phénomène de ce qu'on appelle la mémoire longue ou ladépendance à distance...

Cela n'existe pas, vous n'avez pas à vous en inquiéter.
 
Ilya Antipin:

Je suis déçu par le Graal. Il y a une forte déviation par rapport à mes calculs et hypothèses théoriques. L'article éponyme de Maxim m'a incité à étudier le phénomène de la "mémoire longue" ou de la "dépendance à distance" .J'ai écrit un indicateur basé sur ARFIMA. Selon les auteurs, il a une meilleure capacité de prédiction que l'ARIMA.

La LRD flotte par vagues, il est logique de filtrer les zones à haute en, puis les prédictions ont un sens, pour une petite perspective. Et choisissez une fenêtre.

J'ai presque réussi, je vais les réécrire en mql pour le plaisir et les garder dans mon arsenal.
 
Ilya Antipin:

Je suis déçu par le Graal.

Avez-vous essayé l'indicateur que j'ai lancé avec les chaînes ? Ou avez-vous seulement joué avec les prix ?

 

Les psychologues impressionnés et choyés n'ont pas intérêt à regarder.


 
Maxim Dmitrievsky:

Les psychologues impressionnés et choyés n'ont pas intérêt à regarder.


Que dites-vous de ça ? Drobyshevsky de la systématisation des crânes homénidés, est passé à la philosophie sur un thème de leur contenu (on parle de crânes). De façon inattendue ! Je l'ai regardé avec grand plaisir, merci.

Pyssy : On dirait qu'il ne se lasse pas des lauriers d'Anokhin et de Tchernigovskaya.
 
sibirqk:

Que dites-vous de ça ? Drobyshevsky est passé de la systématisation des crânes homénidés à la philosophie sur le sujet de leur contenu (des crânes, en fait). De façon inattendue ! Je l'ai regardé avec grand plaisir, merci.

Pyssy : On dirait qu'il a un problème avec Anokhin et Chernigovskaya.

Je ne peux pas prendre au sérieux les personnes qui, lorsqu'elles ne comprennent pas quelque chose, en viennent invariablement à Dieu, ou qui rampent ainsi devant les sentiments des croyants. Anokhin semble être un homme raisonnable, mais quand il commence à penser à des choses élevées... Je ne dirai rien du second :))

 
Maxim Dmitrievsky:

Les psychologues impressionnés et choyés n'ont pas intérêt à regarder.


Eh bien, surprise, je ne savais pas que les anciens singes/humains humanoïdes sont maintenant considérés comme les ancêtres des singes modernes (58:18).

D'après le matériau, on a l'impression de faire partie de l'histoire :) Malheureusement, les justifications sont faibles et contradictoires, mais comme point de vue, laissons-les faire.

À mon avis, les recherches similaires devraient être soutenues par l'analyse des changements dans l'ADN des sous-espèces avec la séparation des nouvelles mutations qui ont servi au développement de l'espèce - alors ce sera plus intéressant pour moi.

Quant aux "réflexes conditionnés", sur la base desquels un homme prend souvent des décisions irréfléchies dans sa vie quotidienne, y compris sur des questions importantes, un livre de Robert Cialdini intitulé "Psychologie de l'influence" est intéressant. Le sujet n'y est pas non plus entièrement couvert, mais il est intéressant de voir les techniques collectées utilisées par des personnes compétentes et intéressées à leurs fins.

 
Et voilà, je vous l'avais dit :( des psychologues demandent l'extraction d'ADN sur des restes fossilisés, aussi anciens que d. dinosaure
 
Maxim Dmitrievsky:
Qu'en est-il des circuits, avez-vous manqué de performance ?

Avec les chaînes, tout est ambigu. J'ai pris un logreturn EURUSD/M20, je l'ai "ajusté" avec "lambertW" (images ici). J'ai entraîné le modèle avec deux états (le meilleur, l'auteur dit 5). Vous trouverez ci-dessous le code et les photos.

require(LambertW)
set.seed(12358)
y1 <- diff(log(pr$close), 3)*100
out <- Gaussianize(y1, return.tau.mat = TRUE)
x1 <- get_input(y1, c(out$tau.mat[, 1]))  #  same as out$input
#---
 States <- 2 L
#set.seed(12358)
 param0 <- matrix(c(0.1, 0.05, -1, -0.1, -0.05, 1), States, 3 L, byrow = TRUE)
gamma0 <- ldhmm.gamma_init(m = States)
h <- ldhmm(m = States, param = param0, gamma = gamma0, stationary = TRUE)

mod <- ldhmm.mle(h, x1)
dc <- ldhmm.decoding(mod, x1)
post <- t(as.matrix(dc@states.prob))
#predStates <- cbind(post[,1:States])
prStat <- apply(post, 1, function(x) which.max(x))
Stat <- dc@states.global

mod@param
mod@delta
floor(mod@gamma*10000)/100
ldhmm.ld_stats(mod)


> mod@param
               mu      sigma    lambda
[1,] -0.001182310 0.09119015 0.4625385
[2,]  0.001808756 0.04114724 0.6977260
> mod@delta
[1] 0.4189323 0.5810677
> floor(mod@gamma*10000)/100
      [,1]  [,2]
[1,] 93.79  6.20
[2,]  4.47 95.52
> ldhmm.ld_stats(mod)
             mean         sd kurtosis
[1,] -0.001182310 0.05256228 2.142325
[2,]  0.001808756 0.02542165 2.465665

Dessinons le signal et les cotations

par(mfrow = c(2,1))
matplot(tail(post, 300), t = "l", col = c(1,2,4,5))
abline(h = 0.5, col = 2)
plot(tail(pr$close, 300), t = "l")
par(mfrow = c(1,1))

signal