Выше изображены известные Треугольник Серпинского и Кривая Коха. Эти объекты являются «самоподобными», и это означает, что их исследование на более детальном уровне покажет ту же форму. Оба элемента являются примерами «фрактальной геометрии» и характерны для многих явлений в природе, таких как горы, кристаллы и газы. Самоподобные объекты...
1) находим максимум минус минимум для каждого из 10 дней, предшествующих настоящему моменту;
2) берем сумму этих значений (сумма частей);
3) находим 10-дневный диапазон: 10-дневный максимум минус 10-дневный минимум;
4) делим сумму частей на целый диапазон – это основная мера фрактальной размерности/сложности;
5) берем 60-дневную среднюю 10-дневной серии значений сложности – это метрика квартального хаоса/стабильности;
6) используем 252-дневное нормальное распределение z-оценки или ранг процентиля метрики хаоса/стабильности;
7) значения, которые выше 0,5, показывают, что рынок находится в режиме «хаоса» и гораздо менее предсказуем и нестационарен, значения ниже 0,5 показывают, что рынок стабилен и намного более предсказуем.
在该分支中没有看到任何关于信息标准(贝叶斯 或阿卡伊克)的内容。也许它们是默认使用的(在应用的MO包中)?
使用交叉熵或对数损失
分别用于多类和二类分类
为回归任务的均方。(rms)和类似
我相信这是Akaike的作品
使用交叉熵或对数损失
分别用于多类和二类分类
用于回归任务的均方。(rms)和类似
我想这是阿凯克。
看起来是这样的。
检查了PCA和LDA对预测因子的预处理(摆脱了勾稽关系)。正如预期的那样,它对新的数据不起作用,因为组件本身开始跳来跳去,尽管模型在拖车中可能被训练得更好一点。但由于组件本身在新数据上的行为是不可预测的,所以这也是一样的,甚至更糟。一般来说,许多经典的MO技术根本不适用于市场。
由于非稳态性,有时需要抛弃过时的历史。
1)我们需要一个适当的算法来丢弃样本中过时的部分(寻找不连续的部分)。
2)样本的剩余部分总是长度不一,而且往往很短。我们这里也需要正确的模式。
马克西姆-德米特里耶夫斯基。
这一点已经在新的文章中实现了,但不太符合我们的意愿。
我们谈论的是哪篇文章?
我们谈论的是哪篇文章?
已提交审核,尚未公布
还有另一种方法,我认为它是目前最有前途的方法--通过列举输出变量的方式粗暴地强化模型。
粗略地说,虚拟交易员的交易次数是伪随机的(像蒙特卡洛或遗传学),每次他/她都会观察他/她的交易并纠正错误的头寸,粗略地说是把不赚钱的头寸变成赚钱的。
每次通过后,它都会对修正后的交易进行重新训练。这一点已经在新文章中实现了,但还没有达到我们希望的程度。我们需要取决于当前市场条件的有趣的退出组合,例如取决于n条以上的分散性和斜率。对于每一个这样的特征,都会选择一个分布,从中抽出随机交易,然后以同样的方式对无利可图的交易进行修正和训练。经过大量的传递,最佳策略被搜索出来(基于测试样本的最小误差)。
亲爱的有识之士,请注意,问题:如何以一种有趣的方式组织当前市场的概率特征和随机输出 采样的分布的依赖关系。在这种情况下,交易数量和模型内部的一些依赖关系都会发生变化,也就是说,我们会得到很多不同的盈利模型(解决方案),根据自定义的优化标准(模型误差,对新数据的稳定性)在其中选择最佳模型。当资本缩减高于指定的资本缩减,并且其增长与波动率相比过于缓慢(偏度与方差的比率较小)时,退出似乎是有意义的。
目前还不是很清楚这种方法将如何帮助对抗非平稳性)。
已提交审核,尚未公布
谢谢,我会等的,现在我不会再错过它了!
有趣的文章http://www.long-short.pro/post/indikator-haosa-i-rezhimy-fondovogo-rynka-886
和一般的博客
有趣的文章http://www.long-short.pro/post/indikator-haosa-i-rezhimy-fondovogo-rynka-886
和一般的博客。
你有没有试着用代码来表达他的指标?