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 51

新しいコメント
 
ミハイル・マルキュカイツ
ごあいさつ!!!!LibVMRを使用していますが、Bad Dataというエラーが出るので、古いバージョンのようです。新バージョンが出たと聞いています。どこでダウンロードできますか？もし可能であれば？

新鮮な製品とダウンロードをBitBucketリポジトリで配布中です： https://bitbucket.org/jprediction/jprediction/downloads

プロジェクト名も libVMR から jPrediction に変更しました。

 
ユーリー・レシェトフ

よくわからない？価格をOHLCとしてパターンやその変形をとっているのでしょうか？

要は、OHLCをそのまま受け取ると、比較対象から1000ポイント上下の類似パターンは、比較対象から10ポイント上下の全く異なるパターンよりも、ユークリッド距離でより異なるということである。そして、その差は2桁になり、したがって比較誤差も2桁になる。

Euclidで測定したところ、すべてのベクトルが正規化され、打ち切られた
 
mytarmailS:
Euclidで測定したところ、すべてのベクトルが正規化され、打ち切られました。
どうやるんですか？
 
mytarmailS:

解決策は見つかったのだが......。

現在のベクトル（現在の価格）にスペクトル分析を適用し、より単純な成分に分解すると、そのような成分は単純な構造であるため、履歴から容易に見つけることが可能である

s

price <- cumsum(rnorm(200))+1000

library(Rssa)
s <- ssa(price)
r <- reconstruct(s)

par(mfrow=c(1,2))
plot(price,t="l")
plot(r$F2,t="l")
for(i in 3:50) {lines(r[[i]],col=i)}

分解には「キャタピラー」または「ssa」方式http://www.milanor.net/blog/wp-content/uploads/2014/07/SingularSpectrumAnalysisWithRssa.pdf を使用しました。

歴史の中から類似品を探し、その結末を見るのですが、価格の類似品を探すのではなく、個々のスペクトル成分ごとに探し、それらを繋いで簡単な予測を得るのです

最初のテストから判断すると、このテーマは、それぞれの構成要素を個別に予測すれば、かなり有望だと思います。予想はよく当たるが、まれに偏らないこともある...。

遅効性

黒い色は現在の成分の1つを示し、青い色は黒い縦線がアルゴリズムにとって未知の新しいデータである後に履歴で見つかった成分アナログを示す - 実際には、予測 - あなたが非常に効果的に見ることができますように

しかし、予測には常に偏りがあり、必ずしも良いものではありません。相関関係を通じて古い方法を探している類似品間の近接は、これが最も不適当な方法の1つであることを理解しています。私がフーリエについて語る意味がお分かりいただけたでしょうか？

 

Dr.トレーダー

ニューラルネットワークはどうなっている？

RNeat？いいえ、トレーニングは非常に遅く、モデルのフィットネスは現在0.018で、1日に100分の1ずつ成長しています。トレーニングデータと検証データの精度は0.52となり、非常に低くなりましたが、少なくとも再トレーニングを行わずにプラスに働いています。
 
ユーリー・レシェトフ
どうやるんですか？

まあ、2つのベクトルを比較する前に、" scale "関数でスケーリングしただけのことなんですけどね。

scale(x = data , center = TRUE, scale = TRUE )

 
ユーリー・レシェトフ
どうやって？
興味深いことに、私は5.0が保存されず、テキストファイルを作成しないので、バージョン6.0をダウンロードし、トレーニング1エラー値で、しかしテキストファイルの値は完全に異なっている理由は明らかではありません？
 
ミハイル・マルキュカイツ
5.0は保存もテキストファイルの作成もできないので、トレーニング中のエラー値とテキストファイルの値が全く違うのはなぜなのか、バージョン6.0をダウンロードしたのはなぜなのか、疑問です。
テキストファイルには、2値分類器の特性と3値分類器の学習後の特性が記載されています。2つのグリッドがあり、その読みが一致すれば肯定、異なればダッシュとなる。二値分類器は、サンプルの類似パターンのデータが類似しているかどうかにかかわらず、常に肯定的な回答のみを与える。三分類器は、学習サンプルが類似のパターンを含んでいない場合、肯定的な答えを出せないことがあります。
 
Dr.トレーダー
RNeat？いいえ、トレーニングは非常に遅く、モデルを定義するフィットネスは現在0.018で、1日に100分の1ずつ成長しています。トレーニングデータと検証データの精度は0.52となり、非常に低くなりましたが、少なくともプラス側で、再トレーニングを行わずに済みました。
52は50より良いですね、そういえば前回は0,017でしたから、100分の1は2％精度が上がるかもしれません）、もしネットワークが十分良いなら、SI用に書き直した方が良いと思います、また報告してください、とても興味があります．
 
mytarmailS:
おお、52はすでに50より良いですね、確か前回は0.017でしたから、100分の1で予測精度が2％上がります）、もしネットワークが注目されるなら、SIで書き直した方が良いと思います、また報告してください、非常に興味があります．

同じ精度で、モデルがトポロジーを改良し、ニューロンを2つほど落としただけで、フィットネスが上がるかもしれません。
コードのコメントから理解した限りでは、Luaからの移植です。そして、Luaも元がすでにc++なので、移植です。http://nn.cs.utexas.edu?neat。
RNeatの作者は、C++のコードをベースにして、既存のRの遺伝学的パッケージを適用してネットワークを進化させた方が良いと思います。

1...444546474849505152535455565758...3399
新しいコメント
理由: