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 2791

[Forester]

mytarmailS #:

平均化するのは悪い考えだと思う。

特に関係のない列は、それが本来のやり方なんだよ、山は。行

予測された100行のうち、どれを使うべきか？平均が一番わかりやすい解答だ。

[mytarmailS]

elibrarius #:
そして、100の予測ラインのうち、どれで予測を立てるか？平均が一番わかりやすい。

まあ、上50下50の予想を平均して、横の予想が出たとして、それがどうした？）

[Forester]

mytarmailS #:
まあ、上50下50の予想を平均して、横の予想が出たとして、それがどうした？）

で、おしまい。選択肢は？

[mytarmailS]

elibrarius #:
で終わりです。あなたの選択肢は？

まあ、上で提案したような

[Forester]

elibrarius #:
そして、100本ある予想ラインのうち、どのラインを予想するのか？

提案はなかった)

[Maxim Dmitrievsky]

情報」マークアップの変形、ペンテスト：

def labeling_entropy(dataset, min_Mi = 0.1, min=15, max=15):
    labels = []
    MIs = []
    for i in range(max, dataset.shape[0]-max*2):
        rand = random.randint(min, max)
        curr_pr = dataset['close'][i]
        future_pr = dataset['close'][i + rand]
        full_pr = dataset[i-rand:i+rand]

        mi = mutual_info_regression(full_pr[full_pr.columns[1:]].iloc[0:rand], full_pr[full_pr.columns[0]].iloc[rand:rand*2])
        MIs.append(mi.mean())

        if future_pr + MARKUP < curr_pr and mi.mean() > min_Mi:
            labels.append(1.0)
        elif future_pr - MARKUP > curr_pr and mi.mean() > min_Mi:
            labels.append(0.0)
        else:
            labels.append(2.0)
    
    dataset = dataset.iloc[max:]
    dataset = dataset.iloc[:len(labels)].copy()
    dataset['labels'] = labels
    return dataset.dropna(), MIs

しかし、取引を開始する前のサインの集合のn個の文字列と、将来の価格のn個の文字列との間の相互情報（回帰型）を考慮する。

相互情報がしきい値以下であれば、取引しないとマークする。

そして、2019年から、シグナルと取引/不取引に関する2つのモデルを学習させた。

結果は以下の通り：

このアプローチで得られたものはあまりない

[mytarmailS]

elibrarius #:
その提案は見なかった)

さて、私の投稿、最後の写真を読み直してみよう。

まだこう書いてある。

[Maxim Dmitrievsky]

論理的に考えれば、他の選択肢を試すことだった：

mi = mutual_info_regression(full_pr[full_pr.columns[1:]].iloc[0:rand], full_pr[full_pr.columns[0]].iloc[0:rand]) сравниваем фичи и цены в момент предсказания
mi = mutual_info_regression(full_pr[full_pr.columns[1:]].iloc[0:rand*2], full_pr[full_pr.columns[0]].iloc[0:rand*2]) сравниваем на глубину предсказания вперед + назад
mi = mutual_info_regression(full_pr[full_pr.columns[1:]].iloc[rand:rand*2], full_pr[full_pr.columns[0]].iloc[rand:rand*2]) только вперед
mi = mutual_info_regression(full_pr.iloc[0:rand], full_pr[full_pr.columns[0]].iloc[rand:rand*2])текущие цены и фичи в момент предсказания VS будущие цены

すべての選択肢は何も生み出さない

[Forester]

mytarmailS #:
さて、私の投稿、最後の写真を読み直してみよう。

まだこう書いてある。

最初の25バーには2つのバリエーションしかなかった。そして、2つの誤差は小さな誤差だ。
。そして、これは何千ものチャートのうち、たまたまあなたの目に留まった1つのバリエーションに過ぎない。他では状況は違うだろう。あなたは戦略を立て（あなたはそれを立てていない）、新しいデータでバランスラインを見る必要がある（マキシムは彼のアイデアを最後まで持ち込み、すべてが一度に明らかになった）。

[Maxim Dmitrievsky]

私は1年以上前に同じことをクラスタリングで行い、その後、写真のように平均レベルを決定し、そこから注文を出した。上昇、下降、平均回帰の3つのクラスターに分けた。
。

面白いのは、どんな特別な手段を使っても、ランダムから良いものは得られないということだ。