Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2378

[Aleksey Vyazmikin]

mytarmailS:

Não sei o que estás a escrever e como o estás a escrever, mas preciso de saber que no alvo um passo fora do futuro em relação à amostra, é assim ou não?

É convoluto o porquê, no targetet o resultado da decisão sobre a linha atual de preditores. Ou seja, nada precisa de ser deslocado.

[mytarmailS]

Aleksey Vyazmikin:

Intrincada a razão pela qual, no alvo, o resultado da decisão da linha atual de preditores está no alvo. Ou seja, não há necessidade de mudar nada.

Em resumo, tudo está como você queria, mesmo com a afinação.

Accuracy : 0.535  

X <- read.csv2("C:\\Users\\....\\Desktop\\test.csv")
Y <- X$Target_100
X <- as.matrix(within(X, rm("Time","Target_P","Target_100",
                      "Target_100_Buy","Target_100_Sell")))
library(glmnet)
tr <- 1:1300 #  train idx
best_lam <- cv.glmnet(x = X[tr,], 
                      y = Y[tr],alpha = 1, 
                      lambda = 10^seq(2, -2, by = -.1), 
                      nfolds = 5)$lambda.min

lasso_best <- glmnet(x = X[tr,], y = Y[tr], alpha = 1, lambda = best_lam)
pred <- predict(lasso_best, s = best_lam, newx = X[-tr,])

sma <- TTR::SMA(pred,20)
pred2 <- c(pred-sma) ; pred2[pred2>0] <- 1 ; pred2[pred2<=0] <- 0

yy <- tail(Y[-tr] ,200)
pp <- tail(pred2 ,200)
caret::confusionMatrix(as.factor(yy),as.factor(pp))

Deita-a fora e esquece-a.

"Target_P"

dá 0,97 acuracracia

[Maxim Dmitrievsky]

Você ensina regressão a uns e zeros?

[mytarmailS]

Maxim Dmitrievsky:
Você ensina regressão a uns e zeros?

E daí?

[Maxim Dmitrievsky]

mytarmailS:

E daí?

https://www.machinelearningmastery.ru/why-linear-regression-is-not-suitable-for-binary-classification-c64457be8e28/

[Maxim Dmitrievsky]

No entanto, não te vou impedir de roer o granito do MoD )

[Aleksey Vyazmikin]

mytarmailS:

Fiz tudo o que querias, até a afinação.

Deita-a fora e esquece-a.

♪ dá 0.97 akurasi ♪

Eu não tenho nada até agora :) Já exigi mais de 20 bibliotecas, continuo, mas não é suficiente :)

O que significa esta linha:

tr <- 1:1300 #  train idx

?

[Aleksey Vyazmikin]

Maxim Dmitrievsky:
Você ensina regressão a uns e zeros?

Esta é uma ideia expressa por uma pessoa experiente - não vejo qualquer problema em verificá-la.

[Aleksey Vyazmikin]

mytarmailS:

Consegui este resultado com uma amostra de treino:

          Reference
Prediction  0  1
         0 83 59
         1 17 41
                                          
               Accuracy : 0.62            
                 95% CI : (0.5489, 0.6875)
    No Information Rate : 0.5             
    P-Value [Acc > NIR] : 0.0004225       
                                          
                  Kappa : 0.24            
                                          
 Mcnemar's Test P-Value : 2.563e-06       
                                          
            Sensitivity : 0.8300          
            Specificity : 0.4100          
         Pos Pred Value : 0.5845          
         Neg Pred Value : 0.7069          
             Prevalence : 0.5000          
         Detection Rate : 0.4150          
   Detection Prevalence : 0.7100          
      Balanced Accuracy : 0.6200          
                                          
       'Positive' Class : 0               
                                          

Como posso aplicar o modelo a outra amostra/arquivo?

E por que há tão poucos números na tabela de contingência, se tenho 4683 linhas no arquivo de treinamento, e aqui tenho 83+59+17+41?

E eu percebo, você submeteu as primeiras 200 filas - certo?

yy <- tail(Y[-tr] ,200)
pp <- tail(pred2 ,200)

Mas eles deveriam ter participado do treinamento.

[Vladimir Perervenko]

Aleksey Vyazmikin:

Oh, obrigado!

Agora, vamos tentar correr isto :)

Não é possível instalar o pacote glmnet - não é possível encontrá-lo no repositório via R-Studio :(

O que fazer?

> install.packages("glmnet")
Installing package into ‘C:/Users/User/Documents/R/win-library/4.0’
(as ‘lib’ is unspecified)
пробую URL 'https://cran.rstudio.com/bin/windows/contrib/4.0/glmnet_4.1-1.zip'
Content type 'application/zip' length 2254744 bytes (2.2 MB)
downloaded 2.2 MB

package ‘glmnet’ successfully unpacked and MD5 sums checked

The downloaded binary packages are in
        C:\Users\User\AppData\Local\Temp\RtmpsbZ5ec\downloaded_packages

Instalar corretamente