트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2690

 
Maxim Dmitrievsky #:
심각하지 않다니 무슨 뜻인가요? 물론 3층 신경망이지만 시계열에 사용하는 것도 심각하지 않습니다. 훈련된 간단한 모델은 쉽게 이전할 수 있습니다.

물론 좀 더 구체적으로 설명해야 합니다. 로지스틱 회귀, 나무 모델 등과 같은 간단한 모델의 경우 아마도 가능할 것입니다. 하지만 저는 TC와 표 형식 데이터 모두에 대한 심각한 모델에 대해 이야기하고 있습니다. 이 두 영역은 이제 매우 세분화되고 전문화되었습니다. 머신 러닝에서 주로 사용되는 표 형식 데이터의 경우 TabNet(논문, 구현(py) 1, 2, 3)이 매우 유망합니다. 그 외에도 훌륭한 결과를 제공하는 많은 패키지가 있습니다. 다음은 제가 조사하고 부분적으로 사용하는 것의 목록입니다.

conda environments:
#
 base                  *  C:\Users\User\AppData\Local\R-MINI~1
PressPurtEnv             C:\Users\User\AppData\Local\R-MINI~1\envs\PressPurtEnv
aif360                   C:\Users\User\AppData\Local\R-MINI~1\envs\aif360
autogluon                C:\Users\User\AppData\Local\R-MINI~1\envs\autogluon
autokeras                C:\Users\User\AppData\Local\R-MINI~1\envs\autokeras
autopt                   C:\Users\User\AppData\Local\R-MINI~1\envs\autopt
darts                    C:\Users\User\AppData\Local\R-MINI~1\envs\darts
deap                     C:\Users\User\AppData\Local\R-MINI~1\envs\deap
deepxf                   C:\Users\User\AppData\Local\R-MINI~1\envs\deepxf
evalml                   C:\Users\User\AppData\Local\R-MINI~1\envs\evalml
fastai                   C:\Users\User\AppData\Local\R-MINI~1\envs\fastai
fedot                    C:\Users\User\AppData\Local\R-MINI~1\envs\fedot
flash                    C:\Users\User\AppData\Local\R-MINI~1\envs\flash
gluon                    C:\Users\User\AppData\Local\R-MINI~1\envs\gluon
ludwig                   C:\Users\User\AppData\Local\R-MINI~1\envs\ludwig
mindsdb                  C:\Users\User\AppData\Local\R-MINI~1\envs\mindsdb
mlbox                    C:\Users\User\AppData\Local\R-MINI~1\envs\mlbox
mlr3keras                C:\Users\User\AppData\Local\R-MINI~1\envs\mlr3keras
mlsauce                  C:\Users\User\AppData\Local\R-MINI~1\envs\mlsauce
nni                      C:\Users\User\AppData\Local\R-MINI~1\envs\nni
poutyne                  C:\Users\User\AppData\Local\R-MINI~1\envs\poutyne
pycaret                  C:\Users\User\AppData\Local\R-MINI~1\envs\pycaret
pycaret-ts               C:\Users\User\AppData\Local\R-MINI~1\envs\pycaret-ts
pymc_env                 C:\Users\User\AppData\Local\R-MINI~1\envs\pymc_env
r-gluonts                C:\Users\User\AppData\Local\R-MINI~1\envs\r-gluonts
r-gluonts1               C:\Users\User\AppData\Local\R-MINI~1\envs\r-gluonts1
r-reticulate             C:\Users\User\AppData\Local\R-MINI~1\envs\r-reticulate
r-torch                  C:\Users\User\AppData\Local\R-MINI~1\envs\r-torch
reservoir                C:\Users\User\AppData\Local\R-MINI~1\envs\reservoir
skorch                   C:\Users\User\AppData\Local\R-MINI~1\envs\skorch
sktime-dl                C:\Users\User\AppData\Local\R-MINI~1\envs\sktime-dl
terchmeta                C:\Users\User\AppData\Local\R-MINI~1\envs\terchmeta

기계의 성능 제한과 개인적 선호도 때문에 모든 패키지가 사용되는 것은 아닙니다. 저에게는 한 시간 이상의 훈련과 최적화는 흥미롭지 않습니다.

이러한 모델을 MCL로 이전하는 것은 불가능할 것 같습니다. 그리고 여기서는 MKL<->Python을 연결하기 위한 인프라를 만들지 않고는 할 수 없습니다.

이것은 약간의 여담이지만 이 주제는 저에게 중요합니다.

다시 한 번 강조하지만, 프리랜서든 마케터든 외환/암호화폐/주식 트레이더든 모든 개발자는 자신이 '가장 좋아하는' 언어와 목발이 달린 '가장 좋아하는' 자전거를 가지고 있습니다. 우리는 사용 경험을 공유해야지 어떤 것이 더 나은지 논쟁해서는 안 됩니다. 특히 JA의 미래에 대해 왈가왈부해서는 안 됩니다.

그리고 발언을 인신공격으로 받아들이지 마세요. 유치원이 아니니까요.

모두에게 행운을 빕니다.

tabnet
tabnet
  • 2020.08.26
  • pypi.org
Tensorflow 2.0 implementation of TabNet of any configuration.
 
Vladimir Perervenko #:

물론 명확히 할 필요가 있습니다. 로지스틱 회귀, 트리 모델 등과 같은 간단한 모델의 경우 가능할 수 있습니다. 하지만 저는 TC와 표 형식 데이터 모두에 대한 심각한 모델에 대해 이야기하고 있습니다. 이 두 영역은 이제 매우 세분화되고 전문화되었습니다. 머신 러닝에서 주로 사용되는 표 형식 데이터의 경우 TabNet(논문, 구현(py) 1, 2, 3)이 매우 유망합니다. 그 외에도 훌륭한 결과를 제공하는 많은 패키지가 있습니다. 제가 연구하고 부분적으로 사용하고 있는 것들은 다음과 같습니다.

기계의 성능 제한과 개인적 선호도 때문에 모든 패키지가 사용되는 것은 아닙니다. 저에게는 한 시간 이상의 훈련과 최적화는 흥미롭지 않습니다.

이러한 모델을 MCL로 이전하는 것은 불가능할 것 같습니다. 그리고 여기서 우리는 MKL<->Python을 연결하기 위한 인프라를 만들지 않고는 할 수 없습니다.

이것은 약간의 여담이지만 이 주제는 저에게 중요합니다.

다시 한 번 강조하지만, 프리랜서든 마케터든 외환/암호화폐/주식 트레이더든 모든 개발자는 자신이 '가장 좋아하는' 언어와 목발이 달린 '가장 좋아하는' 자전거를 가지고 있습니다. 우리는 사용 경험을 공유해야지 어떤 것이 더 나은지 논쟁해서는 안 됩니다. 그리고 API의 미래에 대해 왈가왈부해서는 더욱 안 됩니다.

모두에게 행운을 빕니다.

표 형식의 데이터!= 표 형식의 시계열, 결국은 다른 것들입니다.

불쾌감을 주는 것이 아니라 다른 TC를 작성하는 경험에 관한 것입니다. 때로는 500개의 레이어로 이루어진 네트워크가 하나의 차트에 첨부되어 있을 때 읽는 것이 재미있을 때가 있습니다.
 
Maxim Dmitrievsky #:
표 형식의 데이터!= 테이블 형식의 시계열, 결국은 다른 것들입니다

불쾌감을 주는 것이 아니라 다른 TS를 작성하는 경험에 관한 것입니다. 때로는 500계층 네트워크가 하나의 따옴표 차트에 첨부되어 있을 때 읽는 것이 재미있을 때가 있습니다.

물론 표 형식의 데이터와 시계열은 서로 다른 것입니다.

그리고 당신은 그것에 대해 논쟁 할 수 없습니다.

특히 신경망은 간단하다와 같은 일련의 기사가 재미있습니다. MKL 프로그래밍의 예로 - 좋지만 연습을 위해 - 0. 글쎄, 이것은 이미 불평하고 있습니다.

모두에게 행운을 빕니다.

 
Vladimir Perervenko #:

물론 표 형식의 데이터와 시계열은 서로 다른 개념입니다.

이 점에 대해서는 이의를 제기할 수 없습니다.

특히 재미있는 것은 신경망은 간단하다 같은 일련의 글입니다. MKL에 대한 프로그래밍의 예로 - 좋지만 연습용으로는 - 0입니다. 글쎄, 이것은 이미 불평입니다.

모두에게 행운을 빕니다.

아직 읽지 않으셨다면 읽어보세요.

분류기 순위가 있습니다.

https://www.timeseriesclassification.com

제가 기억하는 한, 신경망은 목록의 최상위에 없었습니다.
 

탭넷은 데이터 세트와 선택한 기능에 따라 크게 달라집니다.

다른 분류기와 거의 차이가 없는 경우도 있습니다.

그래서 적용을 추진할 때 좀 더 구체적이었으면 좋겠어요. 이 분류기가 그렇게 우수한가요?

https://arxiv.org/pdf/1908.07442.pdf

새로운 데이터를 합성하기 위해 유사한 아키텍처를 시도해 보았습니다. 모든 신경망은 외환 시계열에서 GMM보다 성능이 떨어졌습니다(그럴듯하지 않음). 반면 단순한 표 형식의 데이터에서는 잘 작동했습니다. 거기에 탭넷이 있었는지 기억이 나지 않습니다.

그래서 표 형식의 시계열 데이터는 결과가 더 나빠질 것이라는 설명을 썼습니다.
 
Vladimir Perervenko #:

무슨 말씀이신가요? 암호화폐 거래소(특히 바이낸스)는 ...

나도 성경에 코를 박고 싶었지만 생각해보니 시간이 아깝네요....

모두가 스레드에서 R로 글을 쓸 때 파이썬 주의자에게는 어렵습니다))))
오, 어떻게요? 파이썬이 상위에 있는데 어떻게요? )))))) 상단이 더 나은 것을 결정하지 않습니까?
 
mytarmailS #:
나도 성경에 코를 찔러볼까 생각도 해봤지만, 생각해보니 시간도 아깝고...

다들 브랜치에서 R로 글을 쓰면 파이썬쟁이로서는 힘들죠))))
아, 왜? 파이썬이 상위에 있는데, 왜? )))))) 상단이 더 나은 것을 결정하지 않습니까?
SDK는 없고 왼손잡이 성경만 있습니다. 자바 및 파이썬 전용 공식 API. 다시 사라졌습니다.

거기서 뭘 쓰고 있나요? 최소한 해결책 하나라도 보여주세요. 피선. 그런 다음 당신이 쓰는 것에 코를 찔러보세요.

정상적인 통합 솔루션이 하나라도 있나요? 고통과 감정의 눈물 없이 사용할 수 있는 솔루션 😀.

Alexey는 catbust, 터미널 버전으로 정상적인 솔루션을 만들었습니다. 저는 파이썬을 통한 아날로그를 제안했습니다. 모든 것이 터미널에서 작동합니다.

LGBM도 마찬가지입니다.
ZY 내 솔루션은 개발자가 시장에서 사용하고 있으며, 이는 통합되어 있음을 암시합니다. 그리고 단 두 번의 클릭으로.


당신이 아이언을 할 때, 당신이 직접 한 일을 먼저보십시오... 그리고 실제로는 아무것도, 당신은 R에서 패키지를 돌 렸습니다.

다른 포럼에서 서로 패키지를 던질 수 있지만 거래에서 MO 개발 측면에서 아무것도 변하지 않을 것이라고 생각합니다.

 

R을 사용하면 제품이 너무 멋져서 판매하기가 아쉽습니다 😁.

저는 최종 제품(MT5용)이 통합 없이 (가급적) 추가 파일 없이 ex5 파일로 구성되어야 한다는 데 전적으로 동의합니다. 가장 중요한 것은 작동(또는 판매)해야 한다는 것입니다.

 
Aleksey Nikolayev #:

R을 사용하면 제품을 너무 멋지게 만들어서 팔기 아까울 정도입니다 😁.

저는 최종 제품(MT5용)이 통합 없이 (가급적) 추가 파일 없이 ex5 파일로 구성되어야 한다는 데 전적으로 동의합니다. 가장 중요한 것은 작동(또는 판매)해야 한다는 것입니다.

나는 동의하며 이것이 올바른 방법이라고 생각합니다. 모든 것이 EXE에 있어야하며 아무것도 가져 오지 않아야합니다. 그렇지 않으면 판매용 제품이 아닙니다.

 
Valeriy Yastremskiy #:

동의하며 이것이 올바른 방법이라고 생각합니다. 모든 것이 EXE에 있어야하며 아무것도 가져 오지 않아야합니다. 그렇지 않으면 판매용 제품이 아닙니다.

아마존과 구글에 그렇게 말해보세요. 그들은 비즈니스를 올바르게 구축하지 않았고 인프라가 잘못되었습니다 :-)