Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3028

 
Aleksey Vyazmikin #:

É isso mesmo.

Isso é o que você deveria ter dito em primeiro lugar.

Em vez de três palavras compreensíveis, 100 conceitos incompreensíveis.

Você está sentado aí se perguntando sobre o que diabos está falando.
 
Maxim Dmitrievsky #:

convoluções, núcleos convolucionais

transformação de núcleo convolucional

Entendi. Mas algo na imaginação não mostra como elas podem ser conectadas à quantização para serem substituídas mutuamente. A história é bastante puxada por elas. Pretendo experimentá-las mais tarde.

 
mytarmailS #:
Você deveria ter dito isso imediatamente.

Em vez de três palavras compreensíveis, você tem 100 conceitos incompreensíveis.

Você está sentado aí se perguntando sobre o que diabos está falando.

Não sei como ser mais específico - acho que Maxim entendeu.

"Em formato binário. A coluna é o número da regra, e o valor é "1" - a regra funcionou e "0" - a regra não funcionou. Bem, e o alvo como na amostra principal. "

 
Aleksey Vyazmikin #:

Entendi. Mas algo na imaginação não mostra como eles podem ser conectados com a quantificação, que seria mutuamente substituída. É mais como se a história estivesse sendo puxada por eles. Planejo experimentá-los mais tarde.

estudo

https://www.arxiv-vanity.com/papers/1910.13051/

https://www.youtube.com/watch?v=1BRYrnvMhyI


O artigo contém muitas referências a outros métodos de ponta de classificação de séries temporais, métodos de extração de sinais e padrões.

Não há nada sobre ineficiências, mas esse é, como dizem, o dever de casa

ROCKET: Exceptionally fast and accurate time series classification using random convolutional kernels
ROCKET: Exceptionally fast and accurate time series classification using random convolutional kernels
  • www.arxiv-vanity.com
Most methods for time series classification that attain state-of-the-art accuracy have high computational complexity, requiring significant training time even for smaller datasets, and are intractable for larger datasets. Additionally, many existing methods focus on a single type of feature such as shape or frequency. Building on the recent...
 
Aleksey Nikolayev #:

Bem, ainda não consegui descobrir como implementar a maximização do lucro no mesmo busting, por exemplo.

Estou fazendo algo, é claro, mas gostaria de ouvir outras opiniões informativas sobre o assunto.

Como você está se saindo com o aumento e a maximização de lucros?

 
Maxim Dmitrievsky #:

estudo

https://www.arxiv-vanity.com/papers/1910.13051/

https://www.youtube.com/watch?v=1BRYrnvMhyI


O artigo contém muitas referências a outros métodos de ponta de classificação de séries temporais, métodos de extração de sinais e padrões.

Não há nada sobre ineficiências, mas esse é, como dizem, o dever de casa

Sim, a teoria da criação é clara. Há uma questão de racionalidade em minha mente, e a geração de diferentes variantes. O plano é criar um gerador e um testador com quantificação para avaliar a eficiência de cada instância do núcleo de convolução. Posteriormente, a tarefa de primeira prioridade é a previsão de desvio de dados em um preditor específico. Sem resolver essa tarefa, meu interesse em tudo diminui.

 
Aleksey Vyazmikin #:

A teoria da criação é bastante clara. Para mim, é uma questão de racionalidade e geração de diferentes variantes. De acordo com o plano, farei um gerador e um testador com quantificação para avaliar a eficiência de cada instância do kernel de convolução. Posteriormente, a tarefa de primeira prioridade será a previsão de desvio de dados em um preditor específico. Sem resolver esse problema, meu interesse em tudo diminui.

A "quantificação" destaca algumas das propriedades da ficha, pelo que entendi. A convolução faz a mesma coisa. Ela acaba sendo muito boa.
 
Maxim Dmitrievsky #:
A "quantização" destaca algumas das propriedades da ficha, pelo que entendi. Uma convolução faz a mesma coisa. Ela acaba sendo muito boa.

A reconciliação em séries temporais agrega informações sobre os valores passados dos preditores (é possível pegar os que estavam na amostra e os que não estavam), e a quantificação avalia o sucesso dessa ação.

 
Aleksey Vyazmikin #:

A convolução de séries temporais agrega informações sobre os valores passados dos preditores (é possível pegar os que estavam na amostra e os que não estavam), e a quantificação avalia o sucesso dessa ação.

O que é quantificação?)
 
Maxim Dmitrievsky #:
O que é quantificação?)

No contexto a que estou me referindo, é uma avaliação fragmentada de um intervalo de dados para identificar uma parte (segmento quântico) cuja probabilidade de pertencer a uma das classes é x por cento maior do que a média de todo o intervalo.