交易中的机器学习:理论、模型、实践和算法交易 - 页 128

 
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) :)