L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3077

Nuovo commento
 
Maxim Dmitrievsky #:
Risulta che lei ha letto l'articolo in diagonale e non ha capito nulla. Le domande qui non sono più per gli scienziati.

Facciamo allora una domanda di controllo. Quali tipi di f-y fastidiosi esistono e come si differenziano? E come li chiamerebbe in modo diverso? Non essendo affatto un agricoltore collettivo, ma di sangue blu.

Anche se a causa della sua compiaciuta tendenza a etichettare le persone è spiacevole avere a che fare con lei, ma più tardi le risponderò per il gusto di discutere pubblicamente la traduzione della terminologia sull'esempio di un articolo molto interessante.

Per ora, la traduzione Yandex di nuisance è .

fastidio, fastidio, fastidio, fastidio, peso ...

Non sono affatto soddisfatto. Più tardi darò la mia traduzione e la giustificherò. Ora sono occupato.

 
СанСаныч Фоменко #:

Anche se la sua compiaciuta tendenza a etichettare le persone rende sgradevole avere a che fare con lei, le risponderò sicuramente più tardi per il gusto di discutere pubblicamente la traduzione della terminologia sull'esempio di un articolo molto interessante.

Per ora, la traduzione di Yandex per fastidio è

Fastidio, seccatura, fastidio, fastidio, peso ...

non mi piace affatto. Più tardi vi darò la mia traduzione e ve la spiegherò. Adesso ho da fare.

Prima di una storia molto interessante, cercate la definizione su internet (sezione statistiche).

e anche RF è solo menzionato nell'articolo, ma non è la base dell'articolo.

non ha letto l'articolo ma ha tratto delle conclusioni.

 
Maxim Dmitrievsky #:

Prima di una storia molto interessante, cercate la definizione su internet (sezione statistiche).

e anche la RF è solo menzionata nell'articolo, ma non è la base dell'articolo.

non ha letto l'articolo ma ha tratto delle conclusioni.

4 Simulazione

Studio Studiamo le prestazioni a campione finito dei meta-apprendisti per la stima degli effetti eterogenei del trattamento basati sulle Foreste Casuali (Breiman, 2001; si veda anche Biau & Scornet, 2016, per un'introduzione completa). Lo studio Monte Carlo si concentra sulla valutazione dell'influenza del sample-splitting e del cross-fitting nella stima dell'effetto causale. A tal fine, confrontiamo i metalearners sopra discussi, stimati con campione completo, doppio sample-splitting e doppio cross-fitting.


Per diverse ragioni ci affidiamo alla Foresta Casuale come learner di base per tutti i metalearner.


Non holetto l'articolo, ma ho tratto delle conclusioni .

Non vedo il motivo di discutere con te!

 
СанСаныч Фоменко #:

4 Modellazione

Studio Indaghiamo l'efficacia dei metacampioni finiti per la stima degli effetti eterogenei del trattamento basati sulle foreste casuali (Breiman, 2001; si veda anche Biau & Scornet, 2016, introduzione dettagliata). L'obiettivo dello studio Monte Carlo è quello di valutare l'impatto della suddivisione del campione e del cross-fitting sulla stima degli effetti causali. A tal fine, confrontiamo i meta-apprendisti discussi in precedenza, stimati con campionamento completo, doppio split campionario e doppio cross-fitting.


Abbiamo scelto Random Forest come metodo di apprendimento di base per tutti i meta-apprendimenti per diversi motivi.


Non ho letto gli articoli, ma ho fatto una scorpacciata.

Non vedo il motivo di discutere con voi!

L'articolo non parla di RF, ma di inferenza causale, quindi la terminologia proviene da lì.

Non sei ancora in grado di discutere di nulla, è ovvio che non ne vedi il senso.
 

Propongo di unire gli sforzi per cercare informazioni utili nel codice base, ovvero indicatori interessanti.

Il compito richiede molto tempo, ma c'è la probabilità di trovare qualcosa di sottovalutato.

Creiamo dei predittori di base per gli indicatori e quelli target, analizziamo la distribuzione di probabilità per quello target.

Come risultato, selezioneremo interessanti indicatori personalizzati con le loro impostazioni per diversi TF e strumenti di trading.

Da parte mia, circa 200 core saranno inclusi nel lavoro. Organizzerò il lavoro comune e scriverò il codice necessario.

Di conseguenza, saremo in grado di utilizzare qualsiasi indicatore analizzato nel nostro codice, avendo a disposizione uno standard per le loro impostazioni, compresi il range e il passo di variazione di ciascuna impostazione.

Tutti i partecipanti a questo lavoro congiunto potranno utilizzare i risultati ottenuti.

Sarà conveniente organizzare il processo in Discordia. Cosa ne pensate? Sembra che tutti vincano: non si condividono i propri segreti, ma si ottiene un risultato potenzialmente utile.

 

Ho imparato a visualizzare un grafico interattivo in R con shiny per la mia applicazione....

un po' con le stampelle ma ci sono riuscito, non ho ancora provato la libreria dash....

Quindi, se siete interessati, potete usarla, il grafico si apre in un browser, potete fare una modalità a schermo intero facendo doppio clic su di esso.


Il grafico è completo, si possono visualizzare gli scambi, disegnare, selezionare oggetti, ottenere valori, ecc... (ma questo è un codice separato)


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 indicatori personalizzati con le loro impostazioni per diversi TF e strumenti di trading.

Da parte mia, circa 200 core saranno inclusi nel lavoro. Organizzerò il lavoro comune e scriverò il codice necessario.

Di conseguenza, saremo in grado di utilizzare qualsiasi indicatore analizzato nel nostro codice, avendo a disposizione uno standard per le loro impostazioni, compresi il range e il passo di variazione di ciascuna impostazione.

Tutti i partecipanti a questo lavoro comune saranno in grado di utilizzare i risultati ottenuti.

Sarà conveniente organizzare il processo in Discordia. Cosa ne pensate? Sembra che tutti vincano: non si condividono i propri segreti, ma si ottiene un risultato potenzialmente utile.

Il 90% della МА di tali indicatori viene sostituito da filtri digitali e wavelets. Cosa rimane? Gli indicatori di volatilità, e cos'altro?

 
Rorschach #:

Il 90% degli indicatori di questo tipo è sostituito da filtri digitali e wavelets. Cosa rimane? Indicatori di volatilità, cos'altro?

Si può anche aggiungere un tentativo di prevedere i suoi valori in base ai rendimenti al compito generale del valore dell'indicatore - se ne esce con una precisione del 100%, cestinatelo.

Si può iniziare con un semplice - categorizzare per tipi - oscillatori, mediatori - come MA, indicatori di livello - che vengono ricalcolati relativamente di rado.

È possibile elaborare le notizie storiche nell'ambito di questo progetto.
 

Quindi la mia idea non è piaciuta a nessuno?

Tutti pensano di essere più intelligenti degli altri e sono sicuri che non ci siano idee utili negli indicatori?

O semplicemente non sono interessati a ottenere informazioni utili insieme a loro? Per esempio, non per se stessi o per gli altri?

Oppure avete 10 vite di riserva e sperate di gestire tutto da soli?

 
Aleksey Vyazmikin indicatori personalizzati con le loro impostazioni per diversi TF e strumenti di trading.

Da parte mia, circa 200 core saranno inclusi nel lavoro. Organizzerò il lavoro comune e scriverò il codice necessario.

Di conseguenza, saremo in grado di utilizzare qualsiasi indicatore analizzato nel nostro codice, avendo a disposizione uno standard per le loro impostazioni, compresi il range e il passo di variazione di ciascuna impostazione.

Tutti i partecipanti a questo lavoro comune saranno in grado di utilizzare i risultati ottenuti.

Sarà conveniente organizzare il processo in Discordia. Cosa ne pensate? Sembra che tutti vincano: non si condividono i propri segreti, ma si ottiene un risultato potenzialmente utile.

Alexei, è quasi impossibile

1...307030713072307330743075307630773078307930803081308230833084...3399
Nuovo commento