交易中的机器学习：理论、模型、实践和算法交易 - 页 1004

新评论
 
米哈伊尔-赫里斯托夫。

我曾经从他们那里购买过另一种产品，没有任何问题。但在这里，它已经开始了。

卖方如何评估情况--一切都在按计划进行吗？

 
桑桑尼茨-弗门科。

这都是合法的：不给糖就捣蛋的人必然会受到惩罚。始终如此。

这更像是一个问题，当你买了东西，你不知道它是如何工作的，但你相信它...基本信任的问题是从童年（一个良好的童年）开始的问候--意见。

 
桑桑尼茨-弗门科。

请




计算误差的公式显示在表格的标题中。让我用最后一个例子nnet来解释：204/(204+458)=30.8%，也就是说，该模型总共产生了662个单元，其中204个是错误。

在12种货币对上的结果几乎相同，即模型的性能几乎与模型和货币对无关。

这一结果的取得是由于对预测器的仔细工作，当在5000个蜡烛图文件上运行500个蜡烛图窗口时，其预测能力变化很小。变化在5%以内。



PS。

还不能展示测试器--卡在对超过1000条的文件应用测试器。

那么你的目标是什么呢？ZZ标志？

 
Alexander_K2:

在振兴这一分支的强烈愿望的驱使下，并考虑到预测只可能在静止的VR上进行。

(1. Kolmogorov A. N. 静止随机序列的内插和外推

2.Wiener N. 静态时间序列的外推、内插和平滑)

问题。

事实上，CLOSE[i]-OPEN[i]的数值不过是增量的总和。

在极限情况下，这些数值的序列应该 趋于正态分布。

那么，有一种观点 认为，回归者的序列（CLOSE[i]-OPEN[i]）-（CLOSE[i-1]-OPEN[i-1]）是一个固定的序列。

有没有人在NS输入上试过这种东西，结果如何？


P.S. 麦克斯，医生，米申亚，术士，阿廖沙...你把这条线扔给谁了？А?

1）它不应该。例如，它可以有许多不同的边际分布。

2）很可能是错的。我已经给了你vertex/done的反例。非平稳性是 "不是一个错误，而是一个筹码"，是由于做市商摆脱了大部分 交易者的 "过度 "而出现的。

 
elibrarius。

你的目标是什么？ZZ标志？

增量

ZZ可以成为一个令人敬畏的趋势教师，但我找不到任何关于这个教师的预测指标--都给出了大约50%的误差
 
Alexander_K2:

而科尔莫戈罗夫，一般来说，我看到，特别注意B(k)=M[x(t)*x(t-to)]=M[(CLOSE[i]-OPEN[i])*(CLOSE[i-to]-OPEN[i-to])]，如果这个函数不是很确定，就拒绝预测什么。

也许对NS的工作提出某些条件是有意义的？

比如说，跳过BP的不稳定部分，探索二次回归或B（k）？

ARIMA模型也有类似的条件。
该模型可以被训练，甚至可以从图表中获得利润，但如果不满足某些条件和要求--这个模型无论如何也不能被交易。我记得的是Dickey-Fuller静止性检验。
在GARCH中，预测的回归者的分布也被观察到与原始数据相似。
我认为你想做的大部分事情已经在这个模型中实现了。

关于neuronkey--你不能只是把一些时间序列 塞给它，把它训练到最大的结果，然后等待盈利。这将导致 "过度拟合"--神经元只是存储现有的数据，而无法在新数据上充分工作。我们需要调整它的训练参数，有时还需要停止训练并进行交叉验证，以确保过拟合还没有到来。
，如果一切操作正确，当R2比0高一点时，训练就会提前停止。股票图表将在训练和新数据上显示稳定的利润，但超过几个点的价差将使一切变成负数。为了获得更高的精度，人们应该使用深度网和周来进行训练，或者自己选择各种指标，这些指标应该和时间序列一起提交给神经元。

 
亚历山大_K2。

而科尔莫戈罗夫，一般来说，我看到，特别注意B(k)=M[x(t)*x(t-to)]=M[(CLOSE[i]-OPEN[i])*(CLOSE[i-to]-OPEN[i-to])]，如果这个函数不是很确定，就拒绝预测什么。

也许对NS的工作提出某些条件是有意义的？

比如说，通过探索二次回归或B(k)，跳过不稳定的BP片区？

不，它不起作用。

市场上的phicha工程有一个好东西--金融技术的互联互通。你可以创建类似但略有不同的工具，并观察它们之间的分布情况。但每个人都厌倦了从一个BP中提取特征 :)

 
SanSanych Fomenko:

增加

ZZ可以成为一个伟大的趋势教师，但我无法为这个教师找到任何预测因素--所有的预测因素都给出了大约50%的误差。

ZZ是一个棘手的目标工具，用它你需要以特殊的方式准备样本，以免欺骗自己。

准确度 "50左右 "是很正常的，如果你使用球形数据，超过53%你就可以交易了，一般来说准确度是一个低劣的指标，它可以很容易地达到准确度~50%+-1%，预测增量与市场的相关性>5%（0.05），这是巨大的，不是圣杯，但足以在投资组合中与其他策略交易。使用相关或R^2，或者如果你习惯于非线性，则使用logloss

 
Maxim Dmitrievsky:

而且每个人都已经厌倦了从一个 BP中提取特征 :)

毕竟，我们面对的是两个流。

1.事件流--一个新的报价出现的时间（它们之间的间隔）。

2.在这个事件流中，价格系列本身。

今天或明天，我将尝试证明（或反驳），任意改变报价的读取时间，例如自 相关函数，在一个相同的移动观察时间窗口中表现不同。

我想说的是什么？

А!我的观点是，事件流的 "变薄 "起着很大的作用。也许--一个关键的问题。儿子阿列申卡不会撒谎。但是，只要是 "在这个过程中......"

 
亚历山大_K2。

不过，我们还是在处理两个流，因为它是。

1.事件流 - 一个新的报价出现的时间（它们之间的间隔）。

2.在这个事件流中，价格系列本身。

今天或明天，我将尝试证明（或反驳），任意改变报价的读取时间，例如自相关函数，在一个相同的移动观察时间窗口中表现不同。

我想说的是什么？

А!我的观点是，事件流的 "变薄 "起着很大的作用。也许--一个关键的问题。儿子阿列申卡不会撒谎。但当这一切都在 "进行中 "时......。

所以他已经承认他已经泄密多年了，然后他又把它打回原形，现在对他不起作用了

如果英国石油公司的转型有一个真正的模式，那么它仍然在运作。关于市场现在更有效和 "我曾经做过伟大的事情 "的传说是行不通的。

事实上，没有人可以揭开面具，无论他们如何抗争 :)因此，阿列申卡是一个糟糕的谚语，需要一个新的谚语。

1...997998999100010011002100310041005100610071008100910101011...3399
新评论