Alexey Burnakov / 발표
포럼
트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩
안녕하세요, 여러분, 포럼에 기계 학습 및 통계 애호가가 있다는 것을 알고 있습니다. 나는이 주제 (홀리바르없이)에서 토론하고,이 흥미로운 분야에서 우리 자신의 지식 은행을 공유하고 풍부하게 할 것을 제안합니다. 초보자뿐만 아니라 러시아어로 된 좋은 이론적 리소스가 있습니다 : https://www.machinelearning.ru/ . 유익한 기능을 선택하는 방법에 대한 문헌에 대한 작은 검토 : https://habrahabr.ru/post/264915/. 나는 첫 번째 문제를 제안합니다 . 나중에 해결책을 게시하겠습니다
무작위의 생각
안녕하세요! 나는 이것을 쓰고 누군가를 화나게하지 않거나 누군가를 홍수로 자극하지 않는 방법을 생각합니다. 나는 건설적인 것을 희망하고 단지 묻고 있는 것뿐입니다. 수년에 걸쳐 여러 견적을 받아 이를 기반으로 0과 1로 구성된 파일 을 생성하는 경우: 0 - 다음 가격이 이전 가격보다 높은 경우; 하나는 그 반대의 경우 - 의사 난수 시퀀스를 얻습니다. 당분간 "pseudo"라는 접두사를 붙여 신중하게 이름을 지정하겠습니다. 다음으로 의사 난수 시리즈를 기반으로 이상적인 거래를 생성합니다. 1이면 구매하여 다음 막대에서 거래를
금융 시리즈의 신경 예측(한 기사 기준)
안녕하세요! 제목: http://etd.ohiolink.edu/send-pdf.cgi/Lakshminarayanan%20Sriram.pdf?ohiou1127333497&dl=y 이 기사에서 연구원은 94% 영역에서 교환 상품의 일일 종가 증가분을 예측하는 정확도를 달성했습니다. 그의 테스트 샘플의 크기는 158일이었습니다. 그는 예측 신경망을 구축하고 여러 표준 기술 지표를 입력으로 제공한 다음 중복 입력을 제거했습니다. 그가 쓴 대로, 엘리엇 파동 지표를 사용하여 예측 정확도가 57%에서 94%로 증가했습니다. 그는 퍼지 논리를
인용 부호의 종속성 통계(정보 이론, 상관 관계 및 기타 기능 선택 방법)
안녕하세요! 포럼 스레드 중 하나에서 Alexei(Mathemat)가 제기한 주제를 약간 발전시키기로 결정했습니다. 통계적 방법을 사용하여 한 금융 상품의 시세에서 종속성을 찾으려고 했습니다. 우선 다우존스 산업 지수, 일일 데이터를 가져와 시리즈를 일련의 백분율 증분으로 변환했습니다. 그리고 기사는 실제로 여기에 있습니다. http://habrahabr.ru/blogs/data_mining/127394/ FX 견적을 계속하고 싶습니다. 결과를 여기에 게시하겠습니다
SOM: 요리 방법
안녕하세요! 나는 오랫동안 Forex에서 자기 정리 카드의 사용에 접근했습니다. 저는 실험을 하기로 결정했습니다. 2001년부터 2011년 3월 말까지 일일 막대를 가져와 크기 40의 신경망에 대한 입력 벡터를 만들고 7 x 7 뉴런의 SOM을 훈련하여 벡터 공간을 49개의 셀로 분할했습니다. 또한 각 셀에 대해 가격이 5개 막대에서 위 또는 아래로 움직일 확률을 계산했습니다. 아래의 분석 결과를 참조하십시오. 다음은 실용적인 관점에서 흥미로운 클러스터를 선택하는 것입니다. 구매 진입점을 표시하는 클러스터는 노란색으로 강조