Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2373

Novo comentário
 
segredo:

Bem, é o S&P que tem demolição. O fx não o tem numa base constante.

Bem, se você tirar a inflação, a tendência também não é tão constante lá. No forex, por outro lado, a inflação é, em parte,automaticamente removida.

segredo:

A idéia com put-call ratio etc. é boa, mas não vi ninguém se vangloriar de lucros com isso) No entanto, o mercado se move pelos participantes com dinheiro, não com experiência, enquanto a liquidez das opções de moeda é baixa. E eles têm um propósito diferente.

Certamente todos os peixes já foram pescados há muito tempo, mas às vezes é preciso verificar se há algum novo peixe)

segredo:

p.s. seria bom ter um ramo sobre rumores, pois eles se revelam irrelevantes em todos os lugares)

Apenas para) Mas eles vão enigma um fio) Para a maioria dos processos aleatórios é uma espécie de coisas filosóficas e tagarelas da categoria de coisas sobre as quais não importa o que você diz, tudo será verdade em algum sentido) Mais uma vez, haverá sempre muitos praticantes práticos ansiosos para explicar aos teóricos o quão terrivelmente longe eles estão da prática prática prática)

 
Aleksey Nikolayev:

Bem, se você tirar a inflação, a tendência lá também não é tão constante. No mercado forex, a inflação é, em parte,automaticamente removida.

Certamente todos os peixes já foram pescados há muito tempo, mas às vezes você tem que verificar se há algum novo peixe)

Eu sou a favor disso) Mas eles vão adivinhar um fio) Para a maioria dos processos aleatórios é uma espécie de treta filosófica e tagarela da categoria das coisas sobre as quais não importa o que você diga - tudo será correto em algum sentido) Mais uma vez, haverá sempre um monte de praticantes práticos ansiosos para explicar aos teóricos o quão terrivelmente longe eles estão da prática prática prática)

Certo, é melhor discutir sobre árvores e florestas.
 
Alguém pode ajudar a fazer um roteiro em R que pegue uma amostra e aplique o modelo "regressão Lasso" a ele? Ouvi uma opinião que funciona bem para características binárias com alta correlação - quero tentar. Contudo, eu preciso de uma classificação, não de uma regressão, mas não acho que isso seja muito importante aqui - o homem estava a falar de classificação.
 
Aleksey Vyazmikin:
Alguém pode ajudar a fazer um roteiro em R que pegue uma amostra e aplique o modelo "Lasso regression" nele? Ouvi uma opinião que funciona bem para traços binários com alta correlação - quero tentar. Mas eu preciso de classificação, não de regressão, mas acho que não é muito importante aqui - o homem estava a falar de classificação.

olhar para ROCKET, o algoritmo cria um conjunto de características relacionadas com a decoração

 
Aleksey Vyazmikin:
Alguém pode ajudar a fazer um roteiro em R que pegue uma amostra e aplique o modelo "Lasso regression" nele? Ouvi uma opinião que funciona bem para características binárias com alta correlação - quero experimentar. Contudo, eu preciso de uma classificação, não de uma regressão, mas acho que não é muito importante aqui - o homem estava a falar de classificação.

https://www.pluralsight.com/guides/linear-lasso-and-ridge-regression-with-r

http://www.science.smith.edu/~jcrouser/SDS293/labs/lab10-r.html

https://rstatisticsblog.com/data-science-in-action/machine-learning/lasso-regression/

 
mytarmailS:


Precisamos de criar um modelo de mercado daqueles --- Um espaço simplificado de funcionalidades que tenha propriedades úteis para nós


Porquê simplificar

1) Visibilidade, perceptibilidade.

2) um espaço mais simples implica mais repetibilidade, as regularidades são mais fáceis de encontrar e não se repetem a cada 2 anos

3) Minimização da chance de uma explosão combinatória na busca de padrões

4) A simplificação inteligente remove o ruído


Quais são as características úteis (o que é necessário de um modelo)

1) O modelo deve ser adequado aos movimentos do mercado

2) repetibilidade dos dados dentro do modelo

3) simplicidade


Posso acrescentar algo a isso, e também convido todos a discutir as variantes do modelo

Um modelo matemático de processos físicos com suposições razoáveis é uma meta alcançável com precisão suficiente.

Os modelos matemáticos multifactoriais de processos simples, Brownian é um bom exemplo, também atingem uma precisão necessária.

Mas sistemas complexos não se encontram.

Alexey Nikolaev nos blogs fez um modelo de jogos de minorias no R

Acabou por ser semelhante ao movimento do carrapato. Mas acrescentar fatores de influência diferente ao modelo simplesmente não funciona. E para onde ir, para modelos de jogo complexos ou para fazer um modelo mais complexo a partir de um modelo simples é difícil decidir mais ou menos correctamente. E o modelo não é inicialmente simples devido ao número de classes/grupos de variáveis de atuação mais de 2. No movimento browniano há 1 classe, e o modelo é bastante complexo.

 
Maxim Dmitrievsky:

olhar para ROCKET, o algoritmo cria um conjunto de características relacionadas com a decoração

Preciso de experimentar com os binários.

 
mytarmailS:

https://www.pluralsight.com/guides/linear-lasso-and-ridge-regression-with-r

http://www.science.smith.edu/~jcrouser/SDS293/labs/lab10-r.html

https://rstatisticsblog.com/data-science-in-action/machine-learning/lasso-regression/

Obrigado, mas eu sou um passageiro em R, eu me afogaria em toda a variedade de exemplos de código lá - eu gostaria de um roteiro de trabalho trivial, como se não houvesse muitos parâmetros...

 
Aleksey Vyazmikin:

Obrigado, mas eu sou um passageiro em R, eu me afogaria em toda a variedade de exemplos de código lá - eu gostaria de um roteiro de trabalho trivial, como se não houvesse muitos parâmetros...

Aqui tens, meu amigo preguiçoso.

library(glmnet)
Y <- sample(c(-1,1),100,replace = T)   #  data
X <- matrix(rnorm(400),ncol = 4)     #  target
tr <- 1:80 #  train idx

lambda_seq <- 10^seq(2, -2, by = -.1)
#  identifying best lamda
best_lam <- cv.glmnet(x = X[tr,], y = Y[tr],alpha = 1, lambda = lambda_seq, nfolds = 5)$lambda.min

#  train model with best lamda value identified
lasso_best <- glmnet(x = X[tr,], y = Y[tr], alpha = 1, lambda = best_lam)
#  predict new data
pred <- predict(lasso_best, s = best_lam, newx = X[-tr,])


Mas não me pergunte sobre o modelo, eu não o usei e não vou usar, eu saí dessa forma de pensar, para acreditar em modelos milagrosos).

 
Valeriy Yastremskiy:

Um modelo matemático de processos físicos com suposições razoáveis é uma meta alcançável com precisão suficiente.

Modelos matemáticos multifatoriais de processos simples, o movimento Browniano é um bom exemplo, também atinge a precisão desejada.

Mas sistemas complexos não se encontram.

Alexey Nikolaev nos blogs fez um modelo de jogos de minorias no R

Acabou por ser semelhante ao movimento do carrapato. Mas acrescentar fatores de influência diferente ao modelo simplesmente não funciona. E para onde ir, para modelos de jogo complexos ou para fazer um modelo mais complexo a partir de um modelo simples é difícil decidir mais ou menos correctamente. E o modelo não é inicialmente simples devido ao número de classes/grupos de variáveis de atuação mais de 2. No movimento browniano há 1 classe, e o modelo é bastante complexo.

complicado

1...236623672368236923702371237223732374237523762377237823792380...3399
Novo comentário