トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング - ページ 2311

[Valeriy Yastremskiy]

マキシム・ドミトリエフスキー：

それなら、昔、タオを学んだ彼らがここにいるのはおかしい。

cos、matstateconometrics、その他の指標に強い違いはないと思います))) すべては平均化から始まります))))

[Maxim Dmitrievsky]

Valeriy Yastremskiy:
csos、matstateconometrics、その他のメトリクスに強い違いは見当たりません))) すべては平均化から始まります)))

そうなると、靴を交換する意味がありません

[Valeriy Yastremskiy]

マキシム・ドミトリエフスキー：

それなら、シラを切り通す意味がない。

一理あるかもしれないが、ランダムで高い）。この範囲の問題を解くということは、何かを特定したり、計算を簡略化したりすることである。サイクルを特定するために定常関数に分解することは、サイクルが存在すれば意味がある)。自然界では確実に存在し、もちろん人生の結果においても単なる義務に過ぎない))))。しかし、これらの定常関数とそれを発生させた現象を比較すると......。まあそれは今日ではないだろうが......。

[Rorschach]

2つの方法についての考察。1 - 儲けられる行の特徴を探す。そう簡単にはいかないことがわかった。人々が稼ぐことができたプロットを見ると、統計では何も示していない。

2 - シリーズへのシステムの取り付け。最も単純なケースでは、ある条件下で初期系列に+-1を掛けたものです。それでも規則性が見いだせない場合は、ランダムなパラメータを条件としたり、ある程度の時間をおいてトランザクションの方向を 変えたりすればいいわけです。予告編に登場するフクロウの例として。

[Rorschach]

分布を正規化する実験。ユーロで2ファイル、異なるpgscで2ファイル。

[Forester]

マキシム・ドミトリエフスキー：

それならクズと交換する意味もない。

Maximさん、alglib MGC https://www.mql5.com/ru/forum/36408/page17#comment_9620369 を把握されたようですね。

pcabuildbasis(
double[,] x,       // матрица цен инструментов 
int npoints,       // количество цен для каждого инструмента
int nvars,         // количество инструментов
out int info,      // результат операции, любое положительное число - все ок
out double[] s2,   // массив разбросов / дисперсий для всех найденных векторов
out double[,] v)   // массив векторов, каждый вектор и есть искомые весы для выравнивая наборов вокруг нуля 

s2とvから、例えば2列の主成分を得るにはどうしたらよいか。
xは、これらの係数を掛け合わせたり、割ったりする必要があるのでは？
粉ミルクはありますか？

s2、vの配列はソートされているようですが、主なものは最初でしょうか、最後でしょうか。

[Maxim Dmitrievsky]

elibrarius:

Maximさん、アルギバMGC https://www.mql5.com/ru/forum/36408/page17#comment_9620369 を把握されたようですね。

s2とvから、例えば2列の主成分を得るにはどうしたらよいか。
xは、これらの係数を掛け合わせたり、割ったりする必要があるのでは？
数式はあるのか？

s2、vの配列はソートされているようですが、主なものは最初でしょうか、最後でしょうか。

pcaとldaをやりましたが、もう覚えていません、残念ながらずいぶん前のことです。役に立つものは何も得られなかったので、忘れ去られている。

[Forester]

もしかしたら、誰か知っているかも？

ステップ4で 、コンポーネント列を作成するためにこのようなコードがありますが、サイクルと(*/+-)を使ってこれを繰り返す方法がまだわかりません。

_, vecs = np.linalg.eig(covmat)
v = -vecs[:,1])
Xnew = dot(v,Xcentered)
print Xnew

OUT: [ -9.56404107 -9.02021624 -5.52974822 -2.96481262 0.68933859 0.74406645 2.33433492 7.39307974 5.3212742 10.59672425]

dot(X,Y)- オナーの積 (これは Python でベクトルや行列を乗算する方法です)

[Maxim Dmitrievsky]

elibrarius:

もしかしたら、誰か知っているかも？

ステップ4で、コンポーネントカラムを作るためにこういうコードがある のですが、これをループや(*/+-)で繰り返す方法が分かりません。

_, vecs = np.linalg.eig(covmat)
v = -vecs[:,1])
Xnew = dot(v,Xcentered)
print Xnew

OUT: [ -9.56404107 -9.02021624 -5.52974822 -2.96481262 0.68933859 0.74406645 2.33433492 7.39307974 5.3212742 10.59672425]

dot(X,Y)- オナーの積 (これは Python でベクトルや行列を乗算する方法です)

https://gist.github.com/freemancw/2981258

[Forester]

マキシム・ドミトリエフスキー：

https://gist.github.com/freemancw/2981258

見た。これは違うんです。3×3の行列を変数に書き換えただけである。しかし、新しい成分ベクトルは計算されない。
その結果、各コンポーネントについて6つの行が得られます（この例によれば）。