L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2547

 
Aleksey Nikolayev #:

Il recupero di Shapelet è come il clustering dei segmenti di fila. Probabilmente utile per segnali come i cardiogrammi, ma non sono sicuro dell'utilità per gli studi sui prezzi.

A proposito, sei riuscito a capire l'applicazione del modello LGBM? Se siete addestrati in R, potreste provare a usare la libreria di San Sanych).

Il problema è specifico. Ho un macbook m1 e volevo allenare i modelli senza virtualizzazione, ma catbust non è stato ancora consegnato per questa architettura. Ma c'è un'ulteriore versione cli per salvare i modelli in formato cpp o if/else. O analizzando il codice python in quello di µl. Si scopre che per ora è più conveniente usare il desktop virtuale con katbust (promettono una versione per m1 per un anno).
 
Aleksey Nikolayev #:

Il recupero di Shapelet è come il clustering dei segmenti di fila. Probabilmente utile per segnali come i cardiogrammi, ma non sono sicuro dell'utilità per gli studi sui prezzi.

A proposito, sei riuscito a capire l'applicazione del modello LGBM? Se siete addestrati in R, potreste provare a usare la libreria di San Sanych).

Cos'è la biblioteca San Sanich?
 
Maxim Dmitrievsky #:
Il problema è specifico. Ho un macbook m1, volevo allenare i modelli senza virtualizzazione, ma catbust non è ancora disponibile per questa architettura, e lgbm lo è. Ma c'è un'ulteriore versione cli per salvare i modelli in formato cpp o if/else. O analizzando il codice python in quello di µl. Si scopre che per ora è più conveniente usare Windows virtual desktop con catbust (stanno promettendo la versione per m1 già da un anno).

È per i test, forse? Probabilmente il commercio su win VPS, ed è meglio non andare oltre il puro mql lì. Quindi, devo fare if/else o aspettare l'ONNX promesso in mql)

 
mytarmailS #:
Cos'è una biblioteca sannyasi?

È questo. Ma per qualche motivo sembra che tu abbia scritto su di esso (forse confuso con elibrarius).

 
Aleksey Nikolayev #:

Questo. Ma per qualche ragione sembra che tu ne abbia scritto (forse mi confondo con elibrarius).

Ahh, non è il suo bbl, è solo un utente normale...

Forse sei confuso, forse no... Ho scritto del collegamento con mt5 ma era una bibbia diversa, la più recente

 
mytarmailS #:
Aah, Quindi non è suo, bibla è solo un utente normale...

Forse sei confuso, forse no... Ho scritto sul collegamento con mt5 ma quella era un'altra bibbia, la più recente

Non importa chi sia l'autore. L'importante è che funzioni (con le correzioni date nei commenti). La sessione R viene inizializzata lì e si lavora con essa per tutto il tempo necessario, il che è utile se si ha bisogno di mantenere un modello pesante in memoria (senza caricarlo/scaricarlo ad ogni calcolo). C# integra ufficialmente R in modo simile.

 
Aleksey Nikolayev #:

Questo è per i test, giusto? Il trading è probabilmente su win VPS, ed è meglio non andare oltre il puro mql lì. Quindi, devo usare if/else o aspettare l'ONNX promesso in mql).

O riscrivere il codice del modello in mql, ma poi salvarlo in c++, per semplificarlo. Complessità ridotta.
 
Maxim Dmitrievsky #:
Oppure riscrivi il codice dei modelli in mql, ma poi salvalo in c++ per semplificarlo. Cambiamenti non necessari

Se VPS non è metaquot, allora è possibile provare a compilare c++ in dll. In pratica, però, non hanno testato questo approccio.

 
Roman #:

Per essere onesto, non capisco bene la domanda.
È di questo che si tratta?

Ho già letto molti libri.

Domanda più specifica, che lunghezza del kernel h e g dallo schermo, visto che fai un esempio sui filtri?

 
sibirqk #:
Wavelets sono la stessa cosa di Fourier. C'è la Fourier classica, c'è la Fourier a finestre e c'è Wavelets, dove invece di una finestra rettangolare come nella Fourier a finestre, viene usato un tipo speciale di finestra - wavelets. Per le quotazioni finanziarie, Fourier non è adatto, a causa della natura casuale del quoziente.

Passando al libro, dovremmo probabilmente iniziare con le basi, che le wavelet si differenziano per il tipo di trasformazione.
Trasformazione wavelet continua.
Trasformazione discreta wavelet.
Trasformazione discreta, divisa in altre due sottosezioni.

Cercare su Google ciò che è continuo e discreto, capirlo
e metterlo in relazione con il mondo della nostra materia, per capire quale tipo ci conviene.
Questo è probabilmente il punto in cui dovremmo iniziare a studiare le wavelets.

v3