L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2373

Nuovo commento
 
segreto:

Beh, è la S&P che ha la demolizione. Il fx non ce l'ha in modo costante.

Beh, se si toglie l'inflazione, la tendenza non è così costante neanche lì. Sul forex, invece, l'inflazione viene in parte rimossaautomaticamente.

segreto:

L'idea con il rapporto put-call ecc. è buona, ma non ho visto nessuno vantarsi dei profitti da essa) Tuttavia, il mercato si muove da partecipanti con denaro, non con esperienza, mentre la liquidità delle opzioni valutarie è bassa. E hanno uno scopo diverso.

Sicuramente tutti i pesci sono stati catturati da tempo, ma a volte bisogna controllare se ce ne sono di nuovi)

segreto:

p.s. sarebbe bello avere un ramo sulle voci che si rivelano irrilevanti ovunque)

Solo per) Ma enigmeranno un filo) Per la maggior parte dei processi casuali è una specie di roba filosofica e chiacchierona della categoria di cose su cui non importa quello che dici, tutto sarà vero in qualche senso) Ancora, ci saranno sempre un sacco di praticanti pratici desiderosi di spiegare ai teorici quanto siano terribilmente lontani dalla pratica pratica)

 
Aleksey Nikolayev:

Beh, se si toglie l'inflazione, anche lì la tendenza non è così costante. Sul mercato del forex, l'inflazione è, in parte, rimossaautomaticamente.

Sicuramente tutti i pesci sono stati pescati da tempo, ma a volte bisogna controllare se ce ne sono di nuovi)

Sono d'accordo) Ma enigmeranno un filo) Per la maggior parte dei processi casuali è una specie di schifezza filosofica e chiacchierona della categoria di quelle cose su cui non importa quello che dici - tutto sarà corretto in qualche senso) Di nuovo, ci saranno sempre un sacco di pratici desiderosi di spiegare ai teorici quanto siano terribilmente lontani dalla pratica pratica)

Giusto, è meglio discutere di alberi e foreste
 
Qualcuno può aiutare a fare uno script in R che prende un campione e gli applica il modello di "regressione Lasso"? Ho sentito un'opinione che funziona bene per le caratteristiche binarie con alta correlazione - voglio provarlo. Tuttavia, ho bisogno di una classificazione, non di una regressione, ma non credo che questo sia molto importante qui - l'uomo stava parlando di classificazione.
 
Aleksey Vyazmikin:
Qualcuno può aiutare a fare uno script in R che prende un campione e applica il modello di "regressione Lasso" su di esso? Ho sentito un'opinione che funziona bene per tratti binari con alta correlazione - voglio provarlo. Ma ho bisogno di classificazione, non di regressione, ma penso che non sia molto importante qui - l'uomo stava parlando di classificazione.

guardare verso ROCKET, l'algoritmo crea un mucchio di caratteristiche legate all'arredamento

 
Aleksey Vyazmikin:
Qualcuno può aiutare a fare uno script in R che prende un campione e applica il modello di "regressione Lasso" su di esso? Ho sentito un'opinione che funziona bene per le caratteristiche binarie con alta correlazione - voglio provarlo. Tuttavia, ho bisogno di una classificazione, non di una regressione, ma penso che non sia molto importante qui - l'uomo stava parlando di classificazione.

https://www.pluralsight.com/guides/linear-lasso-and-ridge-regression-with-r

http://www.science.smith.edu/~jcrouser/SDS293/labs/lab10-r.html

https://rstatisticsblog.com/data-science-in-action/machine-learning/lasso-regression/

 
mytarmailS:


Abbiamo bisogno di creare un modello di mercato di questi --- Uno spazio di caratteristiche semplificato che ha proprietà utili per noi


Perché semplificare

1) Visibilità, percettibilità.

2) uno spazio più semplice implica una maggiore ripetibilità, le regolarità sono più facili da trovare e non si ripetono ogni 2 anni

3) Minimizzazione della possibilità di un'esplosione combinatoria nella ricerca di modelli

4) La semplificazione intelligente rimuove il rumore


Quali sono le caratteristiche utili (cosa serve a un modello)

1) Il modello deve essere adeguato ai movimenti del mercato

2) ripetibilità dei dati all'interno del modello

3) semplicità


Potrei aggiungere qualcosa, e invito anche tutti a discutere le varianti del modello

Un modello matematico dei processi fisici con ipotesi ragionevoli è un obiettivo raggiungibile con sufficiente precisione.

I modelli matematici multifattoriali di processi semplici, Brownian è un buon esempio, raggiungono anche una precisione necessaria.

Ma i sistemi complessi non si incontrano.

Alexey Nikolaev nei blog ha fatto un modello di giochi di minoranza su R

Si è rivelato simile al movimento delle zecche. Ma aggiungere fattori di diversa influenza al modello semplicemente non funziona. E dove andare, verso modelli di gioco complessi o per fare un modello più complesso da uno semplice è difficile decidere più o meno correttamente. E il modello non è inizialmente semplice a causa del numero di classi/gruppi di variabili agenti più di 2. Nel moto browniano c'è 1 classe, e il modello è abbastanza complesso.

 
Maxim Dmitrievsky:

guardare verso ROCKET, l'algoritmo crea un mucchio di caratteristiche legate all'arredamento

Ho bisogno di sperimentare con quelli binari.

 
mytarmailS:

https://www.pluralsight.com/guides/linear-lasso-and-ridge-regression-with-r

http://www.science.smith.edu/~jcrouser/SDS293/labs/lab10-r.html

https://rstatisticsblog.com/data-science-in-action/machine-learning/lasso-regression/

Grazie, ma sono un passeggero in R, affogherei in tutta la varietà di esempi di codice lì - vorrei uno script banale e funzionante, come se non ci fossero molti parametri...

 
Aleksey Vyazmikin:

Grazie, ma sono un passeggero in R, annegherei in tutta la varietà di esempi di codice lì - vorrei uno script banale e funzionante, come se non ci fossero molti parametri...

Ecco a te, mio pigro amico.

library(glmnet)
Y <- sample(c(-1,1),100,replace = T)   #  data
X <- matrix(rnorm(400),ncol = 4)     #  target
tr <- 1:80 #  train idx

lambda_seq <- 10^seq(2, -2, by = -.1)
#  identifying best lamda
best_lam <- cv.glmnet(x = X[tr,], y = Y[tr],alpha = 1, lambda = lambda_seq, nfolds = 5)$lambda.min

#  train model with best lamda value identified
lasso_best <- glmnet(x = X[tr,], y = Y[tr], alpha = 1, lambda = best_lam)
#  predict new data
pred <- predict(lasso_best, s = best_lam, newx = X[-tr,])


Ma non chiedetemi del modello, non l'ho usato e non ho intenzione di usarlo, sono cresciuto fuori da quel modo di pensare, di credere nei modelli miracolosi).

 
Valeriy Yastremskiy:

Un modello matematico dei processi fisici con ipotesi ragionevoli è un obiettivo raggiungibile con sufficiente precisione.

I modelli matematici multifattoriali di processi semplici, il moto browniano è un buon esempio, raggiungono anche la precisione desiderata.

Ma i sistemi complessi non si incontrano.

Alexey Nikolaev nei blog ha fatto un modello di giochi di minoranza su R

Si è rivelato simile al movimento delle zecche. Ma aggiungere fattori di diversa influenza al modello semplicemente non funziona. E dove andare, verso modelli di gioco complessi o per fare un modello più complesso da uno semplice è difficile decidere più o meno correttamente. E il modello non è inizialmente semplice a causa del numero di classi/gruppi di variabili agenti più di 2. Nel moto browniano c'è 1 classe, e il modello è abbastanza complesso.

complicato

1...236623672368236923702371237223732374237523762377237823792380...3399
Nuovo commento