Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1002

 
Alexander_K2 :

Dolayısıyla (CLOSE[i]-OPEN[i])-(CLOSE[i-1]-OPEN[i-1]) dönüş dizisinin durağan bir seri olduğu yönünde bir görüş var.

Bir mumun dönüşü (yakın-açık) / açık, Millet Meclisi'ne sokmanın temiz bir fiyat olmadığı cehenneme kadar açık, bir sonraki dönüşün öncekiler tarafından tahmin edilmesi (farklı bir pencere ile) çok hastalıklı, yayılma için yeterli değil, ama görünüşe göre elde edebileceğiniz tek şey bu

 
Alexander_K2 :

Aslında, KAPAT[i]-AÇIK[i]'nin değeri, artışların toplamından başka bir şey değildir.

Bu tür niceliklerin dizisi, sınırda, normal bir dağılım eğiliminde olmalıdır.

Dolayısıyla (CLOSE[i]-OPEN[i])-(CLOSE[i-1]-OPEN[i-1]) dönüş dizisinin durağan bir seri olduğu yönünde bir görüş var.

Millet Meclisi girişine başvurmak için böyle bir şey deneyen var mı ve sonuçları ne oldu???

Kapat[i], Open[i+1] ile değiştirilebilir, Forex'te bu, vakaların %90'ından fazlasında doğrudur. Ya da farklar toplamda birkaç pip. O zaman formülde sadece bir zaman serisi olacak, bu yüzden daha uygun.

ARIMA modelinde böyle bir dönüşüm kullanılmaktadır. Ve gerçekten durağanlığa ulaşmaya hizmet ediyor, ancak orada daha birçok dönüşüm var, buradaki tek formül bu değil.

https://people.duke.edu/~rnau/411arim.htm

If d= 2 :  yt  =  (Yt - Yt- 1 ) - (Yt- 1 - Yt- 2 )  =  Yt - 2 Yt- 1 + Yt- 2
ARIMA, finansal piyasalarda zaten modası geçmiş, bir şey verirse, mevduat üzerindeki banka faizinden daha fazla değil. Makalelere bakılırsa GARCH çok daha iyi, özellikle de bu veritabanındaki ARIMA ve ayrıca her türlü iyileştirme olduğu için.
 
Alexander_K2 :

Bu tür niceliklerin sırası, sınırda, normal bir dağılım eğiliminde olmalıdır.

Normal bir dağılım için çabalayacak böyle fiyatlar görmedim. Büyümelerim her zaman kedi kuyruklu Laplace'a benziyordu.

 

Teorik olarak bahsettiğim şey buydu.

Pratikte elbette ilk dönüşlerde Gauss yok ve henüz kimse onu elde edemedi ve başaramayacak, ne yazık ki ...

Ama yine de (CLOSE[i]-OPEN[i])-(CLOSE[i-1]-OPEN[i-1] dizisinden bahsediyordum), yani. aslında ikinci dönüşler hakkında.

Bu yüzden, bu ikinci dönüşlere hala çok az dikkat ettim, ama boşuna.

 

Ve Kolmogorov, genel olarak, bakıyorum - B(k)=M[x(t)*x(t-k)]=M[(CLOSE[i]-OPEN[i])*(CLOSE[i-k'ye özellikle dikkat etti. ]-OPEN[i-k])] ve bu fonksiyonun iyi tanımlanmış bir formu yoksa herhangi bir şey tahmin etmeyi reddetti.

Belki Ulusal Meclisin çalışmalarına belirli koşullar koymak mantıklıdır?

Diyelim ki, örneğin ikinci getirileri veya B(k)'yi inceleyerek, durağan olmayan VR parçalarını atlamak için?

 

Hey!

sevgili gurular, zaten bir süper bot yarattınız mı?

gerçek hayatta denemelisin

 
Alexander_K2 :

Ve Kolmogorov, genel olarak, bakıyorum - B(k)=M[x(t)*x(t-k)]=M[(CLOSE[i]-OPEN[i])*(CLOSE[i-k'ye özellikle dikkat etti. ]-OPEN[i-k])] ve bu fonksiyonun iyi tanımlanmış bir formu yoksa herhangi bir şey tahmin etmeyi reddetti.

Belki Ulusal Meclisin çalışmalarına belirli koşullar koymak mantıklıdır?

Diyelim ki, örneğin ikinci getirileri veya B(k)'yi inceleyerek, durağan olmayan VR parçalarını atlamak için?

Bu nedenle bir sınır vardır: (Sigma kare)

Bu sınırın tanımı, günümüzde çözülmesi gereken ilk tanımdır.

iş görevleri.

Enterpolasyon problemine gelince, sadece

büyüklüklerle x (/) tahmini durumu

•x{t + i)Jx{t + 2)1 ...,x(t + n),

x(t - l), x(t~2), ... , x(t - ha).

Bu durumda, matematiksel ifadenin minimum değerini oj (ra) ile gösteririz.

beklentiler

a2 = MI0-<?)%

burada Q lineer bir formdur:

Q = axx {t + i) + atx {t + 2)+ ... + balta {t + n) +

+ a-ix(t - l)-\-a-2%(t - 2)+ ... -\-a-nx(t - ha)

gibi sabit reel katsayılarla.

m arttıkça, a2(n) miktarı artmaz. Bu nedenle, var

sınır

ben bir} (ha) = o? (5)

P~>oo

İkinci görevimiz a] belirlemektir. Daha fazla önerilen

yukarıda formüle edilen iki problemin çözümü rapor edilmeden rapor edilmiştir.

notumdaki kanıtlar (*) *. İle ilgili kavramlara dayanmaktadır.

durağan rastgele süreçlerin spektral teorisine.

Durağan rastgele süreçlerin spektral teorisi,

A. Ya. Khinchin tarafından zamanın sürekli değişmesi durumunda inşa edilmiştir.

argüman t (2) .

Chet anlamadı, önceden yapılmış tahminin güvenilirliğini analitik olarak değerlendirmeyi veya bir tahminde bulunmaya başlamayı planlıyorsunuz. İlk birkaç sayfa, makalenin tahminin güvenilirliğini değerlendirmekle ilgili olduğunu söylüyor. Ve tahminlerin kendileri A. Ya. Khinchin'den aranmalıdır.

Ve makaledeki temel ifadeyi dikkatlice kopyalamadınız.

Not: B(t)=M[x(t)*x(t-t)]=M[(KAPAT[i]-AÇIK[i])*(KAPAT[i-t]- AÇ[i-t] ) ]

A: V(t)=M[x(t)*x(t-t)]=M[(KAPAT[i]- AÇ[i] )*(KAPAT[i-t]- AÇ[i] )]

Ayrıca bence daha doğru:

Ticaret, otomatik ticaret sistemleri ve ticaret stratejilerinin test edilmesi hakkında forum

Ticarette makine öğrenimi: teori ve uygulama (ticaret ve daha fazlası)

Dr. Tüccar , 2018.07.06 02:37

Kapat[i], Open[i+1] ile değiştirilebilir, Forex'te bu, vakaların %90'ından fazlasında doğrudur. Ya da farklar toplamda birkaç pip. O zaman formülde sadece bir zaman serisi olacak, bu yüzden daha uygun.

ARIMA modelinde böyle bir dönüşüm kullanılmaktadır. Ve gerçekten durağanlığa ulaşmaya hizmet ediyor, ancak orada daha birçok dönüşüm var, buradaki tek formül bu değil.

https://people.duke.edu/~rnau/411arim.htm

If d= 2 :  yt  =  (Yt - Yt- 1 ) - (Yt- 1 - Yt- 2 )  =  Yt - 2 Yt- 1 + Yt- 2
ARIMA, finansal piyasalarda zaten modası geçmiş, bir şey verirse, mevduat üzerindeki banka faizinden daha fazla değil. Makalelere bakılırsa GARCH çok daha iyi, özellikle de bu veritabanındaki ARIMA ve ayrıca her türlü iyileştirme olduğu için.

not.

Evet ve gönderideki sorumu yanıtladığınız için teşekkürler : https://dxdy.ru/post1244134.html#p1244134

Рекуррентная формула для синуса : Дискуссионные темы (М) - Страница 7
  • dxdy.ru
В принципе, используется и рекуррентное вычисление через возвратное уравнение второго порядка, и через комплексную экспоненту. Первое менее расходно по ресурсам (умножение и два сложения и две ячейки памяти) по сравнению со вторым (два умножения, четыре сложения, две ячейки памяти при постоянной частоте), но накапливается погрешность быстрее...
 
Merhaba Mishan sana diyor ve telefondan yaptığımı nasıl tahmin ettin :-)
Genel olarak, biliyorum, şimdi hepsi aynı, veri ön işlemenin öne çıktığını düşünüyorum. Elbette optimizasyon algoritması da kendi içinde önemlidir ancak iyi bir eğitim örneğinin varlığı da son şey değildir. Burada hepiniz Reshetov optimizer'ı hackliyor ve hackliyorsunuz ve bu arada, iyi veri ön işleme ile iyi modeller yapıyor. Her durumda, 10 optimizasyon ile modellerin en az yarısı çalışacaktır. Sonuçta, her şeyi o kadar basit değil uyguladı. Ve JPrediction'ın her zaman alakalı olacağını düşünüyorum. Burada asıl mesele, verileri doğru bir şekilde ön işleme tabi tutmaktır ve rekabet şimdi bu alanda devam etmektedir.
 
Daha önce de belirttiğim gibi, başka bir başlıkta... İlki, önemsiz tahmin edicileri kaldırır. İkincisi, örneği öğrenme için daha iyi temsil ediyor ve ben ikinci noktada durmak istiyorum.
Temsiliyeti gerçekleştirdikten sonra, aynı veri seti için eğitimin kalitesi yüzde 15 arttı. Ana görev, uygun eğitim kalitesini korurken çalışma süresini artırmaktır. Örnek: 25 örnekte, genelleme yeteneğinin %80'inden ve sizinkinden elde edebilirim. 40 örnek üzerinde temsililik işlemi sayesinde modelin niteliklerinin %90'ını elde edebildim. En iyi modelin, eğitimin kalitesini korurken daha uzun bir örnek üzerinde öğrenebilen model olduğu varsayımına dayanmaktadır.
 
Gramazeka1 :
Merhaba Mishan sana diyor ve telefondan yaptığımı nasıl tahmin ettin :-)
Genel olarak, biliyorum, şimdi hepsi aynı, veri ön işlemenin öne çıktığını düşünüyorum. Elbette optimizasyon algoritması da kendi içinde önemlidir ancak iyi bir eğitim örneğinin varlığı da son şey değildir. Burada hepiniz Reshetov optimizer'ı hackliyor ve hackliyorsunuz ve bu arada, iyi veri ön işleme ile iyi modeller yapıyor. Her durumda, 10 optimizasyon ile modellerin en az yarısı çalışacaktır. Sonuçta, her şeyi o kadar basit değil uyguladı. Ve JPrediction'ın her zaman alakalı olacağını düşünüyorum. Burada asıl mesele, verileri doğru bir şekilde ön işleme tabi tutmaktır ve rekabet şimdi bu alanda devam etmektedir.

Hey Mishan!

Evet, tüm sinir ağlarının çabalarını ve yalnızca aracın kendisi için zayıf umutlarını yeniden düşünmenin zamanı geldi. Girdi verileri hazırlanmamışsa, hiçbir şey yardımcı olmaz - ne orman ne de bozkır -.

Ve evet - rekabet yok, bir sorun var ve genel bir şaşkınlık var.

Veri hazırlama yöntemlerini biliyorsanız - düzenleyin. İnsanlık size teşekkür edecek.