L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1490
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
Non ho ancora guardato, è il mio giorno libero) Ti farò sapere quando avrò tempo, più tardi in settimana intendo
guardando i pacchetti per ora. Penso chehttps://hmmlearn.readthedocs.io/en/latest/tutorial.html
dovrebbe
Poi si prende l'algoritmo di Viterbi e si ottiene (test dei dati)
Si ottengono due stati, dovrebbe apparire qualcosa del genere.
È un vero e proprio graal).
Forse sono confuso, ma queste immagini non sono così tanto tempo fa dimostrato qualcuno Inocenti? E poi si è scoperto che era un guardone, fiaspalm
Non sono sicuro dell'effetto che avrà sulla non stazionarietà... e se è lento, allora è difficile anche montecaratterizzare
imho il problema principale è il ridimensionamento/trasformazione dei dati, l'estrazione dei cicli poiché anche la regressione non lineare o SVM danno buoni risultati se i modelli si ripetono (su BP artificiale)
cioè i problemi con la selezione dei modelli sono inverosimiliSì, sto solo cercando di ravvivare l'argomento))
Forse sono confuso, ma queste foto non sono state mostrate non molto tempo fa da qualcuno chiamato Inokentiy, e poi si è scoperto che era un guardone, vergogna cazzo, facepalm
Imho, puoi ottenere immagini simili con le MA ordinarie. Date un'occhiata più da vicino.
Sembra davvero non meglio del mashki, in realtà per una zona particolare può essere ottimizzato mashki e più fresco, e, sì, il graal è scivolato via di nuovo...
È solo che apparentemente la colorazione del grafico è come quella di Inokenty, ecco perché ce l'ho...Imho, se si assegnano correttamente le modalità, è possibile ottenere caratteristiche informative AR
Sto ancora sbattendo la testa contro il muro su come riscriverlo in mql, ma questo è l'elemento mancante che trasformerà la vostra spazzatura in modelli funzionanti
https://www.quantstart.com/articles/market-regime-detection-using-hidden-markov-models-in-qstrader
Perché riscriverlo? Vedere alglib.
CMarkovCPD::~CMarkovCPD(void)
{
}
//+------------------------------------------------------------------+
//| DESCRIPTION: |
//| This function creates MCPD (Markov Chains for Population Data) |
//| solver. |
//| This solver can be used to find transition matrix P for |
//| N-dimensional prediction problem where transition from X[i] to |
//| X[i+1] is modelled as X[i+1] = P*X[i] |
//| where X[i] and X[i+1] are N-dimensional population vectors |
//| (components of each X are non-negative), and P is a N*N |
//| transition matrix (elements of are non-negative, each column |
//| sums to 1.0). |
//| Such models arise when when: |
//| * there is some population of individuals |
//| * individuals can have different states |
//| * individuals can transit from one state to another |
//| * population size is constant, i.e. there is no new individuals |
//| and no one leaves population |
//| * you want to model transitions of individuals from one state |
//| into another |
//| USAGE: |
//| Here we give very brief outline of the MCPD. We strongly |
//| recommend you to read examples in the ALGLIB Reference Manual |
//| and to read ALGLIB User Guide on data analysis which is |
//| available at http://www.alglib.net/dataanalysis/ |
//| 1. User initializes algorithm state with MCPDCreate() call |
//| 2. User adds one or more tracks - sequences of states which |
//| describe evolution of a system being modelled from different |
//| starting conditions |
//| 3. User may add optional boundary, equality and/or linear |
//| constraints on the coefficients of P by calling one of the |
//| following functions: |
//| * MCPDSetEC() to set equality constraints |
//| * MCPDSetBC() to set bound constraints |
//| * MCPDSetLC() to set linear constraints |
//| 4. Optionally, user may set custom weights for prediction errors |
//| (by default, algorithm assigns non-equal, automatically chosen|
//| weights for errors in the prediction of different components |
//| of X). It can be done with a call of |
//| MCPDSetPredictionWeights() function. |
//| 5. User calls MCPDSolve() function which takes algorithm state |
//| and pointer (delegate, etc.) to callback function which |
//| calculates F/G. |
//| 6. User calls MCPDResults() to get solution |
//| INPUT PARAMETERS: |
//| N - problem dimension, N>=1 |
//| OUTPUT PARAMETERS: |
//| State - structure stores algorithm state |
//+------------------------------------------------------------------+
Perché riscriverlo? Vedere alglib.
Wow, è in datanalisis o in solvers? non l'ho visto nell'aiuto
wow, è in datanalisis o in solvers? non l'ho visto nell'aiuto
datanalisis - ricerca del file stesso
l'intestazione dice di vedere esempi sul sito web, ma non ci sono esempi sul sito web
Nell'intestazione dice di guardare gli esempi sul sito web, ma non ci sono esempi sul sito web
Se sapete come lavorare con questo in altre lingue, penso che possiate usare questa versione per analogia. I parametri I/O dovrebbero essere simili.