Выше изображены известные Треугольник Серпинского и Кривая Коха. Эти объекты являются «самоподобными», и это означает, что их исследование на более детальном уровне покажет ту же форму. Оба элемента являются примерами «фрактальной геометрии» и характерны для многих явлений в природе, таких как горы, кристаллы и газы. Самоподобные объекты...
1) находим максимум минус минимум для каждого из 10 дней, предшествующих настоящему моменту;
2) берем сумму этих значений (сумма частей);
3) находим 10-дневный диапазон: 10-дневный максимум минус 10-дневный минимум;
4) делим сумму частей на целый диапазон – это основная мера фрактальной размерности/сложности;
5) берем 60-дневную среднюю 10-дневной серии значений сложности – это метрика квартального хаоса/стабильности;
6) используем 252-дневное нормальное распределение z-оценки или ранг процентиля метрики хаоса/стабильности;
7) значения, которые выше 0,5, показывают, что рынок находится в режиме «хаоса» и гораздо менее предсказуем и нестационарен, значения ниже 0,5 показывают, что рынок стабилен и намного более предсказуем.
情報量規準(ベイズ、赤池)については、ブランチに何も書かれていませんでした。もしかしたら、(適用されたMOパッケージで)デフォルトで使用されているのでは?
クロスエントロピーを用いるか、log-lossを用いるか
は、それぞれ多クラス分類と二値分類の場合
は回帰タスクの平均二乗を表す。(rms)と同様
これは赤池だと思います。
クロスエントロピーの使用またはLog Loss
は、それぞれ多クラス分類と二値分類の場合
は回帰タスクの平均二乗です。(rms)と同様
それが赤池さんなんですね。
そうみたいですね。
予測変数の前処理(共線性の除去)のためにPCAとLDAを確認しました。予想通り、新しいデータではうまくいきません。コンポーネント自体が飛び交い始めるからです。しかし、コンポーネント自体が新しいデータに対して予測不可能な振る舞いをするため、同じような、さらに悪いことが起きてしまうのです。一般に、古典的な手口の多くは、単に市場に適用できないだけです。
非定常性のため、時代遅れの履歴を破棄する必要がある場合もある。
1) 廃れた部分を捨てるための適切なアルゴリズムが必要である(不連続性の探索)。
2) 残りの部分のサンプルは常に可変長で、短いことが多い。ここでも正しいモデルが必要なのです。
マキシム・ドミトリエフスキー
これはすでに新しい記事で実装されていますが、なかなか思うようにはいきません。
どの記事について話しているのでしょうか?
どの記事について話しているのでしょうか?
を投稿しました。
出力変数を列挙してモデルをブルートフォースする方法です。
大雑把に言うと、バーチャルトレーダーは、(モンテカルロや遺伝学のように)疑似乱数で取引を行い、その都度、自分の取引を見ながら、間違ったポジションを修正し、大雑把に言うと儲からないポジションを儲かるように変えていくのです。
を通過するたびに、修正されたトレードで再トレーニングを行います。これは新しい記事ですでに実装されていますが、なかなか思うようにいきません。現在の市場の状況、例えばnバー上の分散と傾きに依存した出口の面白い組み合わせが必要です。このような特性ごとに分布を選択し、そこからランダムな取引をサンプリングし、同じように採算の合わない取引を修正して学習させる。何度も通過した後、最適な戦略が探索されます(テストサンプルでの誤差の最小値に基づく)。
親愛なる知識のある人々は、注意を払う、質問:市場の現在の確率的特性とランダムな出力が サンプリングされている分布の依存関係を興味深い方法で整理する方法。この場合、取引回数とモデル内の依存関係の両方が変化します。つまり、さまざまな収益性の高いモデル(ソリューション)が多数得られ、その中からカスタム最適化基準(モデルエラー、新しいデータでの安定性)に従って最適なモデルが選択されます。キャピタル・ドローダウンが規定値より大きく、ボラティリティに比べて成長が遅すぎる場合(歪度/分散の比率が小さい)、イグジットは意味があるように思われる。
この方法が非定常性対策にどう役立つかはあまり明らかではない)。
を投稿しました。
ありがとうございます!待ちます!これで見逃さないぞ
面白い記事http://www.long-short.pro/post/indikator-haosa-i-rezhimy-fondovogo-rynka-886
とブログ全般について
面白い記事http://www.long-short.pro/post/indikator-haosa-i-rezhimy-fondovogo-rynka-886
とブログ全般に言えることです。
彼のインジケータをコードで表現してみましたか?