L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 340
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
R a un paquet mxnet assez bon. Mais des modèles plus avancés devraient être examinés dans Pythone.
Étrange. L'autre jour, je lisais une revue relativement récente sur les réseaux neuronaux et les logiciels libres NS. Python est donc loin d'être en avance sur le reste du monde. Il est mentionné parmi d'autres, mais, si je comprends bien, il ne brille pas par sa diversité. C'est dommage que je n'aie pas sauvegardé le lien.
Quant à R, du fait de sa spécialisation, il est totalement dépourvu des mathématiques de modélisation habituelles - par exemple, le filtrage des signaux, et bien d'autres choses. Que pouvez-vous faire ? C'est soit chanter, soit danser.
Regarde ça, ça, ça et peut-être ça.
Tout ne sera pas clair, mais nous espérons que certains concepts de base sur les réseaux neuronaux apparaîtront.
Bonne chance
A propos, l'intégration de MT4|5 avec R a-t-elle été réalisée ou faut-il encore appliquer une DLL ?
Mon opinion personnelle - neurones, forêt, régressions - tous trop faibles pour forex.............
J'étudie actuellement des modèles de reconnaissance des formes qui examinent l'histoire pour voir comment les prix se sont comportés après des formes similaires..............
Sur mes traces et pensant de la même façon que moi, c'est drôle.
Le marché est une bête intéressante, il est difficile de le comprendre en une fois... Je vais vous dire comment vous pouvez ajouter un peu plus de stabilité à neuroke. J'ai écrit à ce sujet il y a longtemps, vous devez ajouter le soi-disant "point de vue critique".
la recette est la suivante :
1) prenez des données sur le marché - il peut s'agir de n'importe quoi, des indicateurs aux prix.
2) prenez un échantillon d'entraînement et divisez-le en trois parties "A". , "Б" , "Ц"
3) prendre un neurone à la sortie ayant un vecteur avec la probabilité d'une classe au lieu de la classe elle-même ; enseigner ceneurone en utilisant les données du marché de l'échantillon "A".
4) prédire les échantillons "B" et "C" avec notre neurone, obtenir un vecteur de prédictions des échantillons "B" et "C".
5) prenez un nouveau réseau neuronal et entraînez-le à nouveau avec les données de marché de l'échantillon "B" et ajoutez un autre vecteur de prévisions de l' échantillon "B" de l'ancien réseau neuronal.
6) échantillon "C" pour validation
Essayez-le, voyez comment il fonctionne
le filtrage des signaux, et bien plus encore. et.
Je peux être plus précis ? Très intéressant.
Il m'a semblé que tout dans R est redondant. Le propre du rubricateur, issu des statistiques, ne ressemble pas à matlab, mais tout semble y être...
A propos, l'intégration de MT4|5 avec R a-t-elle été réalisée ou faut-il encore appliquer une DLL ?
Voici une bibliothèque avec des exemples. Aucune plainte.
Vous suivez mes traces et pensez comme moi, c'est drôle.
Le marché est une bête intéressante, il est difficile de le comprendre en une fois... Je vais vous dire comment vous pouvez ajouter un peu plus de stabilité au neurocircuit, j'ai écrit à ce sujet il y a longtemps, vous devez ajouter un soi-disant "point de vue critique".
la recette est la suivante :
1) prenez des données sur le marché - il peut s'agir de n'importe quoi, des indicateurs aux prix.
2) prenez un échantillon d'entraînement et divisez-le en trois parties "A". , "Б" , "Ц"
3) prendre un neurone à la sortie duquel un vecteur avec la probabilité d'une classe est utilisé au lieu de la classe elle-même ; enseigner ceneurone en utilisant les données du marché de l'échantillon "A".
4) prédire les échantillons "B" et "C" avec notre neurone, obtenir un vecteur de prédictions des échantillons "B" et "C".
5) prenez un nouveau réseau neuronal et entraînez-le à nouveau avec les données de marché de l'échantillon "B" et ajoutez un autre vecteur de prévisions de l' échantillon "B" de l'ancien réseau neuronal.
6) échantillon "C" pour validation
Essayez, voyez ce qui se passe.
Essayé sur les arbres - là aussi vous pouvez prendre la probabilité de la classe au lieu de la classe. Le schéma est presque le vôtre. Essayé encore plus : pour deux classes, ne pas diviser la probabilité par deux, mais il existe des méthodes pour la diviser autrement. L'amélioration est de quelques pour cent.
Tout est vide.
Nous devons rechercher des prédicteurs qui sont pertinents pour la cible. Et ne vous embêtez pas du tout avec les modèles. Avec de bons prédicteurs, les modèles donneront à peu près les mêmes résultats.
Pouvez-vous être plus précis ? Très intéressant.
Je pensais que tout ce qui était en R était redondant. Le rubricator est propre, issu des statistiques, ne ressemble pas à matlab, mais tout semble être là...
Spécifiquement déjà dit. Par exemple - le filtrage. Les filtres dans R sont absents en tant que tels, les filtres au sens de l'ingénierie radio, et tous les logiciels de filtrage. Transformation en Z - absente. Les transformations intégrales sont absentes (de toutes ces transformations, seules les transformations de Fourier sont présentes). R manque beaucoup, c'est pourquoi j'ai arrêté de travailler avec SciLab il y a quelques mois. Si vous aviez demandé à ce moment-là, vous auriez pu être plus précis).
Il ne s'agit pas d'un défaut de R, mais d'une spécificité. SciLab a aussi ses propres inconvénients (spécificités)). Les logiciels visent à résoudre des problèmes différents, qui se chevauchent partiellement.
Spécifiquement déjà dit. Par exemple - le filtrage. Il n'y a pas de filtres dans R en tant que tel, des filtres au sens radio, et tous les logiciels de filtrage. Transformation en Z - absente. Les transformations intégrales sont absentes (de toutes ces transformations, seules les transformations de Fourier sont présentes). R manque beaucoup, c'est pourquoi j'ai arrêté de travailler avec SciLab il y a quelques mois. Si vous aviez demandé à ce moment-là, vous auriez pu être plus précis).
Il ne s'agit pas d'un défaut de R, mais d'une spécificité. SciLab a aussi ses propres inconvénients (spécificités)). Les logiciels visent à résoudre des problèmes différents, qui se recoupent en partie.
Vous construisez votre phrase de manière incorrecte. Vous écrivez : "Je n'ai pas trouvé les filtres dont j'ai besoin*. Comme je ne sais pas quels sont les filtres qui vous intéressent, en voici quelques-uns d'un coup d'œil :
paquet mFilter - filtre Baxter-King, filtre Butterworth, filtre Christiano-Fitzgerald, filtre Hodrick-Prescott, filtre de régression trigonométrique
Paquet FKF - Filtre Kalman rapide
package kza -coeff() Transformée de Fourier de Kolmogorov-Zurbenko
et beaucoup, beaucoup d'autres...
En outre, si vous êtes un expert en filtres et que vous connaissez les formules mathématiques pour les calculer, il n'y a aucun problème à les calculer. Non ?
Bonne chance
Spécifiquement déjà dit. Par exemple - le filtrage. Il n'y a pas de filtres dans R en tant que tel, des filtres au sens technique de la radio, et tous les logiciels de filtrage. Transformation en Z - absente. Les transformations intégrales sont absentes (de toutes ces transformations, seules les transformations de Fourier sont présentes). R manque beaucoup, c'est pourquoi j'ai arrêté de travailler avec SciLab il y a quelques mois. Si vous aviez demandé à ce moment-là, vous auriez pu être plus précis).
Il ne s'agit pas d'un défaut de R, mais d'une spécificité. SciLab a aussi ses propres inconvénients (spécificités)). Le logiciel vise à résoudre des problèmes différents, qui se recoupent partiellement.
Il ne s'agit pas de R, il s'agit de toi.
D'après ce que j'ai compris, vous maîtrisez certains outils mathématiques et vous essayez naturellement de les utiliser dans vos transactions.
Je pense que l'autre approche est plus correcte : nous cherchons des problèmes dans le commerce, puis nous cherchons des outils pour résoudre ces problèmes.
R est un système spécialisé pour l'utilisation des statistiques dans le commerce, et c'est pourquoi les différents matlabs, matcads (skylab n'est pas du tout connu) n'ont pas cité comme concurrents de R il y a une décennie.
Plus précisément sur les filtres.
Un collègue ci-dessus en a cité quelques-uns.
Mais les filtres servent à diviser le signal d'entrée et le premier à ressortir est la tendance. Le lissage, qui a pour effet de mettre en évidence le filtre, est donc la première étape dans de nombreux packages R. Comme outils de lissage déclarés comme tels, il en existe beaucoup d'autres, qualitativement différents, par exemple SSA (crawler), ondelettes.
Mais en réalité, le pseudo-problème des filtres R que vous avez identifié, a des racines beaucoup plus profondes.
Pourquoi en avez-vous besoin ? Un filtre est un outil auxiliaire. Et R a des solutions toutes faites pour construire des unités de décision. Nous pouvons désigner deux grandes lignes : l'apprentissage automatique et l'ARMA-ARIMA-ARFIMA-ARCH-GARCH. Qu'est-ce que les filtres ont à voir avec ça ?