Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1743

[mytarmailS]

Maxim Dmitrievsky:

É uma coisa complicada, não se pode saber exactamente como abordá-la... é tudo muito vago.

Não sei se é muito para fazer pelos sinais ou o quê.

O que se passa?

[Mihail Marchukajtes]

Rorschach:

Encontrei-o aqui .

Verifiquei a fonte, mas em nenhum lugar vi uma conclusão inequívoca sobre o fraco desempenho deste método....

[Rorschach]

Mihail Marchukajtes:
Verifiquei a fonte, mas em nenhum lugar vi uma conclusão inequívoca sobre o fraco desempenho deste método....

Um método como um método com os seus prós e contras.

[Maxim Dmitrievsky]

mytarmailS:

O que se passa?

Nada, ainda não pensei no que fazer. Há artigos e códigos sobre o assunto, mas sem consequências graves.

[Maxim Dmitrievsky]

Oleg e Miklukha foram banidos?))

[Vladimir Perervenko]

Veja o muito interessante pacote TSrepr (Time Series Representations ) em R.

"Os métodos de representação de séries cronológicas podem ser divididos em quatro grupos (tipos) (Ratanamahatana et al. (2005)):

• adaptativo nondata
• adaptativo aos dados
• baseado no modelo
• dados ditados (dados recortados).

Nas representações adaptativas não-dados, os parâmetros de transformação permanecem os mesmos para todas as séries temporais, independentemente da sua natureza. Nas representações adaptativas de dados, os parâmetros de transformação variam de acordo com os dados disponíveis. Uma abordagem à representação baseada em modelos baseia-se no pressuposto de que a série temporal observada foi criada com base no modelo básico. O objetivo é encontrar os parâmetros de um modelo como representação. Duas séries temporais são então consideradas similares se foram criadas pelo mesmo conjunto de parâmetros de um modelo básico. Nas abordagens de dados ditados, a taxa de compressão é definida automaticamente com base em séries temporais brutas, tais como clipped (Aghabozorgi, Seyed Shirkhorshidi, e Ying Wah (2015)).

Os métodos mais famosos (bem conhecidos) para representações do tipo adaptativo de não-dados são PAA (Piecewise Aggregate Approximation), DWT (Discrete Wavelet Transform), DFT (Discrete Fourier Transform), DCT (Discrete Cosine Transform) ou PIP (Perceptually Important Points). Para representações do tipo adaptativo de dados, é SAX (Symbolic Aggregate ApproXimation), PLA (Piecewise Linear Approximation) e SVD (Singular Value Decomposition). Para representações baseadas em modelos é ARMA, perfis médios ou coeficientes de regressão estimados a partir de um modelo estatístico (por exemplo, modelo linear). Os dados ditados são o tipo de representação menos conhecido e o método mais famoso deste tipo é o clipping (representação em nível de bits) (Bagnall et al. (2006)).

No pacote TSrepr, estes métodos de representação de séries cronológicas são implementados (os nomes das funções estão entre parênteses):

Nondata adaptável:

1. PAA - Aproximação por partes (repr_paa)
2. DWT - Transformada Wavelet Discreta (repr_dwt)
3. DFT - Transformada Fourier Discreta (repr_dft)
4. DCT - Transformada Cosina Discreta (repr_dct)
5. SMA - Média Móvel Simples (repr_sma)
6. PIP - Pontos Perceptualmente Importantes (repr_pip)

Adaptativo de dados:

1. SAX - Aproximação do Agregado Simbólico (repr_sax)
2. PLA - Aproximação Linear por Partes (repr_pla)

Baseado em modelos:

1. Perfil sazonal médio - Perfil sazonal médio, perfil sazonal mediano, etc. (repr_seas_profile)
2. Representações sazonais baseadas no modelo linear (aditivo) (LM, RLM, L1, GAM) (repr_lm, repr_gam)
3. Coeficientes sazonais de suavização exponencial (repr_exp)

Dados ditados:

1. FeaClip - Extracção de características da representação recortada (repr_feaclip, clipping)
2. FeaTrend - Extracção de características da representação de tendências (repr_featrend, trending)
3. FeaClipTrend - Extracção de características da representação de clipes e tendências (repr_feacliptrend)"".

Transformações muito interessantes que dá, incluindo o agrupamento.

Boa sorte.

[mytarmailS]

Vladimir Perervenko:

Veja o muito interessante pacote TSrepr(Time Series Representations) em R.

Lembre-se, quando eu lhe pedi para fazer um script para mt4, havia neurônicos treinados a partir do pacote nnfor, e o alvo era PIP- Perceptually Important Points (repr_pip) da TSrepr :)

Vladimir! Tenho algumas perguntas, se me permite...

1) Diga-me que erro máximo conseguiu alcançar na classificação da direcção em ziguezague no EURUSD? E você usou o filtro sonoro enquanto o fazia?

2) A "discretização" dos preditores, que você descreveu em seus artigos, piora a qualidade da aprendizagem

3) Eu quero tentar fazer algum tipo de meta-learning, no nível mais baixo, a essência da idéia é a seguinte :

n1. treinar um meteorologista sobre os dados

n2. retiramos todas as regras que a Forest gerou e as submetemos como novos preditores; cada regra é um preditor, portanto temos 500-1000 regras. Os prognósticos parecem "esparsos", mas o que pode ser feito?

P.3 Treinar um novo modelo sobre regras de previsão...

A idéia é

1) aumentar o número de palpiteiros

2) obter regras mais complexas e profundas, ou seja, regras mais complexas hierarquicamente

3) A floresta mostra a previsão como soma de todas as regras (árvores), acho que se considerarmos não a soma das regras, mas as regras separadamente, podemos separar melhor os rótulos das classes, talvez encontrar algumas combinações únicas de regras, etc.

A questão é: o que acabei de escrever não é o habitual aumento de gradiente?

4) Também, onde posso obter os indicadores espectrais que estou usando satl, fatl, etc .?

[Rorschach]

Rorschach:

Encontrei-o aqui .

Eu li o fio e cheguei à mesma conclusão. E a previsão da cssa é inteligentemente feita, prevendo gradualmente um passo à frente, é realmente assim tão eficaz?

Alguma comparação de velocidade entre bpf e ssa? Caso contrário, pegue wavelets complexos e são os mesmos números de Lessage. Só que não é claro como colocá-los no otimizador, é mais adequado para o ajuste visual.

cssa traduzido como Causal SSA. Este método está no livro de 2013.

[Alexander_K2]

http://forex.kbpauk.ru/showflat.php?Cat=0&Board=mts&Number=25750&page=0&fpart=1

[Valeriy Yastremskiy]

Maxim Dmitrievsky:
Oleg e Miklouha foram banidos?)

Oleg não foi proibido, mas Miklokh não foi proibido por alguma razão ............