L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 623
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
No, java non è un linguaggio interpretato, è traducibile, come C#, la traduzione avviene una volta, il risultato è "codice byte", che viene eseguito dalla macchina virtuale, java e sysharp sono più lenti di C++ non significativamente, 1-2 volte più lenti a seconda dell'algoritmo, l'ottimizzazione è solo a basso livello (non sicuro), a causa della gestione dei puntatori e del layout di memoria intelligente, quando si lavora con astrazioni standard di alto livello come vettori, liste, ecc. le prestazioni sono paragonabili a java\c#. Ma python e R perdono di decine di volte, a volte di centinaia, se si scrivono algoritmi nativi, l'interpretazione avviene a runtime ogni volta.
Selezione della caratteristica
Applicazione dell'algoritmo di lisciatura Lowess:Per filtrare i valori anomali nei dati.
Delta, derivata, derivata log, detrending con ema e lowess:
Yuriy Asaulenko:
Mi chiedo perché non Python? Forse la stessa R? Non capisco.
Non capisco:
Non parlerò per Michael, lui stesso è in grado di argomentare la sua scelta, ma posso suggerire che probabilmente perché python e R sono linguaggi interpretativi di alto livello, sono come matlab o "matematica" piuttosto che linguaggi stessi, è molto bello da imparare, ma in produzione quando si deve combattere con algoritmi esclusivi, nessuna possibilità, è come vincere la formula 1 su uno scooter
Quando hai bisogno di scrivere codice di produzione, avrai bisogno di java o c++, quindi è più una questione di tempo, perché devi studiare o pro o java, mentre python e R sono solo "per divertimento".
https://medium.com/deep-learning-turkey/google-colab-free-gpu-tutorial-e113627b9f5d
Cercando VAR, VECM, il pacchetto vars, e in esso, come sempre, i riferimenti. Confini di ingresso da SETAR
Agganciato, ma google per aiutare - letteratura e applicazioni specifiche ....
Se superi lo spread, forse condividi. È così bello senza la diffusione che è difficile togliergli gli occhi di dosso.
Ho letto, ma l'ho già fatto prima e ho mostrato gli incrementi, ma l'ho fatto via RF. L'ho già fatto con RF. I residui sono davvero più piccoli dello spread, spesso. Con LR i residui dovrebbero essere più grandi (in pip), perché RF memorizza troppo potentemente tutte le dipendenze. Ma è un argomento interessante in sé, ci sono arrivato intuitivamente, non sapendo che tali modelli sono già stati inventati :)
Ed esempi di scambi, puramente visivi (non ho ancora controllato con il bot)
i saldi sembrano essere normalmente distribuiti, ma una certa ciclicità non è completamente selezionata
e questo è come il modello si rompe su OOS... ricalcola ogni 50 barre e si rompe di nuovo, quasi immediatamente :)
Lei ignora i test per qualche motivo, mentre la cointegrazione è impensabile senza di essi. Dopo tutto, l'idea principale della cointegrazione è di prendere decisioni di trading su una serie STAZIONARIA, e tale serie è prevedibile, al contrario di quella non stazionaria. Il test fornirà prove di prevedibilità sulla storia.
Bene, vedete nel video come una serie STAZIONARIA sul campione di allenamento si trasforma in una non stazionaria su quello in avanti. Perché stipare un mucchio di test quando si può vedere tutto
Viene emesso in deviazioni standard. Sui nuovi dati appaiono molte deviazioni 3+ che indicano che il modello vettoriale non funziona bene come quello standard
Farò un'altra rappresentazione un po' più tardi, sembra già un po' più interessante :)
Lei ignora i test per qualche motivo, mentre la cointegrazione è impensabile senza di essi. Dopo tutto, l'idea principale della cointegrazione è di prendere decisioni di trading su una serie STAZIONARIA, e tale serie è prevedibile, al contrario di quella non stazionaria. Il test fornirà prove di prevedibilità sulla storia.
Mettiamola così:
Nello screenshot il rosso è solo gli incrementi con ritardo 55 della coppia attuale, il verde è un'approssimazione... hmm... chiamiamola un'autoregressione vettoriale non lineare (usando gli incrementi della coppia attuale e di un'altra coppia di valute (GBPUSD), diverse). gli incrementi previsti con ritardo 55 della coppia attuale, ovviamente non sono inseriti nell'input del modello, ma solo nell'output.
Tutto sembra a postonella storia .
Più avanti nel video vediamo come funziona il modello in avanti.
Non era molto chiaro nel video precedente con le deviazioni standard: abbiamo preso la differenza tra 2 curve e l'abbiamo usata per calcolare le deviazioni.