Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2374

 

Pradovskaya işlemlerin işaretlenmesi

4 simple ways to label financial data for Machine Learning ⋆ Quantdare
4 simple ways to label financial data for Machine Learning ⋆ Quantdare
  • quantdare.com
We have seen in previous posts what is machine learning and even how to create our own framework. Combining machine learning and finance always leads to interesting results. Nevertheless, in supervised learning, it is crucial to find a set of appropriate labels to train your model . In today’s post, we are going to see 3 ways to transform our...
 
Maksim Dmitrievski :

Pradovskaya işlemlerin işaretlenmesi

Bu şey daha ilginç. Sadece anlamadım, sadece komut satırından mı çalışıyor? İzleyen var mı?

SigCWGAN, a new generation GAN architecture for Time Series Generation. ⋆ Quantdare
SigCWGAN, a new generation GAN architecture for Time Series Generation. ⋆ Quantdare
  • quantdare.com
As a continuation to our last post on Time Series Signatures and our running list of posts regarding GANs and synthetic data we now want to present the Signature Conditional Wasserstein GAN, shortened as SigCWGAN, a new GAN architecture presented in [1] that is specifically designed to generate time series of arbitrary length and dimensions. 2...
 
Vladimir Perervenko :

Bu şey daha ilginç.

Bu, yalnızca GAN'larla sınırlı olmayan başka bir konudur

 
Maksim Dmitrievski :

Pradovskaya işlemlerin işaretlenmesi

Anlaşılmaz dil ve tanıdık olmayan işlevler ... ve yazar yanıltıcıdır.

fix_time_horizon() işlevine göre şu satır var:

idx_lower = veri[veri[ad] < - eşik].index

yukarıda yazdı

eşik : int
Etiketleri hesaplamak için önceden tanımlanmış eşik sabiti.

Ve aşağıdaki resimlerde int (yani 0,1,2,3 ...) değil, 0,05, 0,01 ...

Double ile daha net hale geldi - TP=SL=fiyat değişikliğinin bir değeri ile yaptığımla aynı.

Ancak yöntemin ve işlevin neden sabit_zaman_horizon () olarak adlandırıldığı açık değil, sabit zaman nerede? Bu, zamanda değil, fiyatta sabit bir değişikliktir.

---------

quantized_labelling() yöntemine göre - koddan hiçbir şey anlamadım. Sabit bir değerin, örneğin 0.05'in değil, fiyat oynaklığı ile her zaman değişen bir nicelik tarafından alındığını varsayıyorum.

 
elibrarius :

Anlaşılmaz dil ve tanıdık olmayan işlevler ... ve yazar yanıltıcıdır.

fix_time_horizon() işlevine göre şu satır var:

idx_lower = veri[veri[ad] < - eşik].index

yukarıda yazdı

eşik : int
Etiketleri hesaplamak için önceden tanımlanmış eşik sabiti.

Ve aşağıdaki resimlerde int (yani 0,1,2,3 ...) değil, 0,05, 0,01 ...

Çift ile - daha net hale geldi - bu, TP=SL=bir miktar fiyat değişikliği değeri ile yaptığımla aynı.

Ancak yöntemin ve işlevin neden sabit_zaman_horizon () olarak adlandırıldığı açık değil, sabit zaman nerede? Bu, zamanda değil, fiyatta sabit bir değişikliktir.

---------

quantized_labelling() yöntemine göre koddan hiçbir şey anlamadım. Sabit bir değerin, örneğin 0.05'in değil, fiyat oynaklığı ile her zaman değişen bir nicelik tarafından alındığını varsayıyorum.

kodu okumadı. Ana şey, programa göre değil, artışlara göre işaretlemektir. Bunu bir dizi ilginç özellik takip eder, örneğin, gürültü azaltılmış bir grafiğe veya belirli VR bileşenlerine işaretleme uygulamak

bir int ile, muhtemelen bir gaf ile, yazan Prado'nun kendisi değil, bazı türler

sabit bir ufuk, seçilen artış gecikmesi anlamına gelir, muhtemelen

 
Maksim Dmitrievski :

kodu okumadı. Ana şey, programa göre değil, artışlara göre işaretlemektir. Bunu bir dizi ilginç özellik takip eder, örneğin, gürültü azaltılmış bir grafiğe veya belirli VR bileşenlerine işaretleme uygulamak

muhtemelen int ile bir gaf, onu yazan Prado'nun kendisi değildi, ama bazı türler

sabit bir ufuk, seçilen artış gecikmesi anlamına gelir, muhtemelen

Birisi aptal ya da Prado ya da onun türleri.

 

quantized_labelling() yöntemiyle

Bunu öğretmede küçük bir nokta görüyorum. Sonuçta, düşük oynaklık zamanlarında sınıflandırmayı iyi, yüksek oynaklık zamanlarında daha kötü öğrenebilirsin. Daha sonra düşük volatilitede %40'lık bir hata + yüksek volatilitede %51'lik bir hata size sistemin karlılığını yine 0 civarında verecektir. birçok küçük kazanç, birkaç büyük kayıpla dengelenebilir.
 
elibrarius :

Birisi aptal ya da Prado ya da onun türleri.

tüm zashibi, denemek zorundasın, ama ben farklı yapacağım

Kitabında biraz farklı bir tanımı var, bir nevi. Bakmak için çok tembel
 
Maksim Dmitrievski :

tüm zashibi, denemek zorundasın, ama ben farklı yapacağım

Kitabında biraz farklı bir tanımı var, bir nevi. Bakmak için çok tembel
TP=SL= sabit değer denedim. Yeni çapraz doğrulama verilerinde %50 sonuç.
Noktayı nicel olarak görmüyorum, yukarıdaki yazıya bakın
 
elibrarius :
TP=SL denedim. Yeni çapraz doğrulama verilerinde %50 sonuç.
Noktayı nicel olarak görmüyorum, yukarıdaki yazıya bakın

Burada artışlar, sl ve tp olmadan

Bunu kümeleme yoluyla yaptım, işaretledim. Genel olarak, etiketli verilerdeki eğri çok iyi değildir, ancak yeni verilerde daha kararlıdır.