Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2277
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Я искал так мультифракталы, т.е. текущий фрактал это часть бОльшего, подобный ему. Потом брал продолжение из большого и прогнозировал. Ну иногда работает, иногда нет, потому что они склонны искривляться сильно, хотя в целом похожи
т.е. достаточно взять последний кусок графика n баров и взять большой последний кусок n+100500 баров. Найти с чем маленький коррелирует в большом куске и посмотреть что идет после этого куска, потом это перенести в будущее. Если несколько совпадений, то усреднить. Но я им делал еще аффинные пребр, потому что угол наклона тоже изменяется.
это очень быстро. У тебя есть шаблон 1000 знаков. Тебе надо интерполировать более мелкие образцы до размера шаблона
7 микросекунд потерпишь
но может надо более мелкие шаблоны коррелировать между собой (мелкие по точкам по оси Х), тогда будет быстрее. Тогда лучше сжимать большие и интерполировать мелкие.
ЗЫ. Если, например, образец 490 а шаблон 500, можно добавить 10 Nan в ряд случайным образом (а лучше равномерно распределить), а потом интерполировать
а если уменьшить надо то еще проще, в кусочно-линейной апрроксимации задаешь кол-во кусков равное 500, если образец > 500
ну и диапазон размеров окна сильно большой не нужен. От 200 до 800 там.. с шагом 20-50. Все будет летать. А может и не будет, вообще непонятно зачем это надо ) но у типа в видео быстро все, но паттерны ужас какие кривые находит
В алглибе есть чем сжимать и разжимать графики?
По интерполяции вижу несколько. Какой нам лучше подойдет? И какой побыстрее?
Вроде нашел. Сразу из одной сетки получает другую.
https://www.alglib.net/interpolation/spline3.php
Быстрая пакетная интерполяция по сетке
spline1dconvcubic function
Эта функция решает следующую задачу: учитывая таблицу y[] значений функций
в старых узлах x[] и новых узлах x2[], она вычисляет и возвращает таблицу значений
функций y2[] (вычисляется в x2[]).
Эта функция дает тот же результат, что и вызов Spline1DBuildCubic (), за которым следует
последовательность вызовов Spline1DDiff (), но она может быть в несколько раз быстрее при
вызове упорядоченных X[] и X2[].
ВХОДНЫЕ ПАРАМЕТРЫ:
X-старые узлы сплайна
Значения Y-функции
X2-новые узлы сплайна
ДОПОЛНИТЕЛЬНЫЕ ПАРАМЕТРЫ:
N-количество очков:
* N>=2
* если задано, то используются только первые N точек из X/Y
* если не задано, автоматически определяется по размерам X/Y
(len (X) должно быть равно len (Y))
BoundLType - тип граничного условия для левой границы
BoundL-левое граничное условие (первая или вторая производная,
в зависимости от типа BoundLType)
BoundRType - тип граничного условия для правой границы
BoundR-правое граничное условие (первая или вторая производная,
в зависимости от типа Boundr)
Н2 - количество новых точек :
* N2>=2
* если задано, то используются только первые N2 точки из X2
* если не задано, автоматически определяется по размеру X2
ВЫХОДНЫЕ ПАРАМЕТРЫ:
F2-значения функций при X2[]
ПОРЯДОК БАЛЛОВ
Подпрограмма автоматически сортирует точки, поэтому вызывающий может передать несортированный массив.
Значения функций корректно переупорядочиваются при возврате, поэтому F2[I] всегда
равно S(X2[I]) независимо от порядка точек.
УСТАНОВКА ГРАНИЧНЫХ ЗНАЧЕНИЙ:
Параметры BoundLType/BoundRType могут иметь следующие значения:
* -1, что соответствует периодическим (циклическим) граничным условиям.
В этом случае:
* и BoundLType, и BoundRType должны быть равны -1.
* BoundL/BoundR игнорируются
* Y[last] игнорируется (предполагается, что он равен Y[first]).
* 0, что соответствует параболически завершенному сплайну
(BoundL и / или BoundR игнорируются).
* 1, что соответствует граничному условию первой производной
* 2, что соответствует граничному условию второй производной
* по умолчанию используется BoundType=0
ЗАДАЧИ С ПЕРИОДИЧЕСКИМИ ГРАНИЧНЫМИ УСЛОВИЯМИ:
Задачи с периодическими граничными условиями имеют Y[first_point]=Y[last_point].
Однако эта подпрограмма не требует, чтобы вы указывали равные значения для
первой и последней точек - она автоматически заставляет их быть равными,
копируя Y[first_point] (соответствует самому левому, минимальному X []) в
Г[last_point]. Однако рекомендуется передавать последовательные значения Y [],
т. е. сделать Y[first_point]=Y[last_point].
-- ПРОЕКТ ПРОЕКТА --
Авторское право 03.09.2010 Бочканов Сергей
В алглибе есть чем сжимать и разжимать графики?
По интерполяции вижу несколько. Какой нам лучше подойдет? И какой побыстрее?
Адаптивная фильтрация
Идея для тс. Собрать систему на "машке", "машку" менять адаптивно с помощью нс.
Адаптивная фильтрация
Идея для тс. Собрать систему на "машке", "машку" менять адаптивно с помощью нс.
чего же ты ждешь?
#22497чего же ты ждешь?
#22497а че на новых данных то?
а че на новых данных то?
На сколько помню ТС немного поработав умерала..
Фильтрация в привычном понимании (машки,фильтры итп) это всегда задержка , задержка на рынке это слив....
Надо другую парадигму строить(чтоб без задержек), уровни например..
На сколько помню ТС немного поработав умерала..
Фильтрация в привычном понимании (машки,фильтры итп) это всегда задержка , задержка на рынке это слив....
Надо другую парадигму строить(чтоб без задержек), уровни например..
при чем здесь задержка? это такой же оверфит, какая разница как обучать
надо искать закономерноти фёрст
чего же ты ждешь?
#22497У меня этих идей вагон и тележка, в очередь.
В файле приводят пример для 2х микрофонов, и появилась еще одна идея с этой же целью использовать несколько валют.
Еще надо глянуть про слепую адаптацию.
Визуализация функции потерь