交易中的机器学习：理论、模型、实践和算法交易 - 页 128

新评论
 
mytarmailS:

我看到一个博客，几乎要哭了，这个人做的几乎是我曾经想出来并决定实施的想法，正是这个想法，我在一年前开始学习编程。

https://www.r-bloggers.com/time-series-matching-with-dynamic-time-warping/

我还以为我的想法很独特呢））））。年轻、天真...当然，我没有使用DTW，因为我当时并不了解它。

如果我们取两个时间序列：目标变量和预测器。我们得到一些 "距离"。如果距离小（什么是 "小"），那么预测能力就高？与其他有此距离的人相比，这样的预测器更有价值？

情况是这样吗？

 
桑桑尼茨-弗门科。

如果我们取两个时间序列：目标变量和预测器。获得一些 "距离"。如果距离小（什么是 "小"），那么预测能力就高？与其他有此距离的人相比，这样的预测器更有价值？

情况是这样吗？

根本不是这样，什么预测器，什么目标，根本没有这样的东西......这只是在BP中钝化搜索与最新的现状相似的领域的一切......。
 
mytarmailS:

我读了三遍，我不明白（（）。

1）这似乎不是纯粹的MO，它就像一些现有的TS的改进，它有信号输入，只有在这些输入上，我们才会进入，已经这些输入我们分析MO，对吗？

2）当有利润时，我们就关闭交易。当交易处于亏损状态时，我们就持仓，为什么要这样做？

3）什么时候买，什么时候卖？

如果你知道怎么做，你可以给我看方案（可能它有东西给我看），但我不明白你刚才说的，可能是作为一个简单的图片或跳蚤的方案或东西来显示...

1.1.信号是由网络产生的。

2.我不明白什么，我们有一个自由的国家。如果你想要它，就关闭它，如果你不想要它，就不要关闭它。SL在系统中，可能是也可能不是--也是你的权利。

3.我怎么知道？询问你正在训练的网格。

4.也许你需要读第四遍，也许会变得更清楚。

 
mytarmailS:

看到一个博客，几乎要哭了，这个人做的几乎是我曾经想出来并决定实施的想法，正是这个想法让我在一年前开始学习编程。

https://www.r-bloggers.com/time-series-matching-with-dynamic-time-warping/

我还以为我的想法很独特呢））））。年轻、天真...我没有使用DTW，因为我当时对它一无所知。

如果你的英语很好，我希望你能解释一下这篇文章的主要内容
 
Andrey Dik:

1.该信号是由网络产生的。

2.没有，这是个自由的国家。如果你想要它，就关闭它，如果你不想要它，就不要关闭它。SL在系统中，可能是也可能不是--也是你的权利。

3.我怎么知道？询问你正在训练的网格。

4.也许你需要读第四遍，也许会变得更清楚。

1）你的整个算法是为神经网络创建某种 "软 "目标函数，对吗？

但在这个算法的第一步，我们应该从神经网络中接收一些信号，这些信号是由目标函数从训练神经网络 中接收的，由我们尚未创建的目标函数接收，因为我们只是在第一步。

我的大脑正在爆炸...

 
mytarmailS:
根本不是这样的，什么预测器，什么目标，根本没有这样的东西。这只是在BP中钝化搜索与最新现状相似的领域，仅此而已......

两个时间序列

以下是参考资料

dtw(x, y=NULL,
dist.method="Euclidean",
step.pattern=symmetric2,
window.type="none",
keep.internals=FALSE,
distance.only=FALSE,
open.end=FALSE,
open.begin=FALSE,
... )

详情 该函数 执行动态时间扭曲（DTW），并计算两个时间序列x和y之间的最佳排列，以数字向量形式给出。"最佳 "排列方式使排列元素之间的距离之和最小。x和y的长度可能不同。x（查询）和y（参考）的元素之间的局部距离可以通过以下方式之一来计算。

注意参数step.pattern=symmetric2。

这是来自该软件包的文档。

 
mytarmailS:

1）你的整个算法是为神经网络创建某种 "软 "目标函数，对吗？

但在这个算法的第一步中，我们就应该收到来自神经网络的一些信号，这些信号来自神经网络通过目标函数进行的训练，通过我们尚未创建的目标函数，因为我们只在第一步。

我的大脑正在爆炸...

这里的人是这样的。他们是 "软 "的。他们没有说细节。有什么用呢？他们靠吃李子过日子？

我可以想到很多软目标的功能。就在我的脑海中。
马什卡的方向性预测。
膝关节z的预测
线性趋势斜率预测

所有这些信号只让人不知道如何和何时完成交易。然后是具有封闭条件的萨满教，结果是配合。
 
桑桑尼茨-弗门科。

两个时间行。

嗯，是的，两行，要测量两行之间的接近程度，你需要两行。

两个系列（在我们的例子中）意味着同一系列（价格）的两个部分。

唯一的区别是，你放在DTW中的行可以有不同的尺寸，这对我们来说是非常酷的。

 
mytarmailS:

1）你的整个算法是为神经网络创建某种 "软 "目标函数，对吗？

但在这个算法的第一步，我们就必须从神经网络中接收一些信号，这些信号来自于通过目标函数训练神经网络，通过我们还没有创建的目标函数，因为我们只在第一步。

我的大脑正在爆炸...

阿列克谢-伯纳科夫。
这里的人是这样的。他们是 "软 "的。他们没有说任何细节。那有什么用呢？他们住在他们的梅花？

我可以想到很多软目标的功能。就在我的脑海中。
马什卡的方向性预测。
膝关节z的预测
线性趋势斜率预测

所有这些信号只让人不知道如何和何时完成交易。然后是洗牌与关闭条件，以及因此而产生的装修。

在这里，我已经清楚地说明了我的工作。

详细来说：在当前的条形图上出现买入信号，就像我们买入一样，回数未来最小的条形图，并检查--该交易是否有利可图，如果是--就像我们关闭，如果不是--我们再向前数一个条形图并再次检查。这样，我们就达到了最大的条数，并最终关闭了它们。这是一种学习机制。

什么是不清楚的？这不是幻想，这正是我现在所做的。目标功能是以最小的跌幅实现利润最大化。我利用我的遗传学进行训练。

 
阿列克谢-伯纳科夫。
这里有这样的人。他们是 "软 "的。他们不谈细节。但这有什么用呢？他们住在他们的梅花？

我可以想到很多软目标。从我的头顶上看。
马什卡的方向性预言
Zzz膝盖预测
线性趋势预测

所有这些信号只让人不知道如何和何时完成交易。然后是洗牌与关闭条件，以及随之而来的装修。
你只是不知道如何烹饪它们（神经）。(ц) :)
1...121122123124125126127128129130131132133134135...3399
新评论