交易中的机器学习：理论、模型、实践和算法交易 - 页 1496

[Maxim Dmitrievsky]

mytarmailS:

大致说来是的，这篇文章是一切的基础，http://gekkoquant.com/2014/09/07/hidden-markov-models-examples-in-r-part-3-of-4/。

这里是文章中例子的一个代码片段。

如果你去掉数据处理和可视化，是的，代码只有三行。

好吧，这就是例如bulmarket和beermarket以及bulmarket的由来，即首先需要进行一些数据预处理。

然后是通过维特比和前向-后向计算路径，也是两种不同的算法。我不明白，我会读的。

在Python中，它看起来像这样，在lib hmmlearrn中

>>> import numpy as np
>>> from hmmlearn import hmm
>>> np.random.seed(42)
>>>
>>> model = hmm.GaussianHMM(n_components=3, covariance_type="full")
>>> model.startprob_ = np.array([0.6, 0.3, 0.1])
>>> model.transmat_ = np.array([[0.7, 0.2, 0.1],
...                             [0.3, 0.5, 0.2],
...                             [0.3, 0.3, 0.4]])
>>> model.means_ = np.array([[0.0, 0.0], [3.0, -3.0], [5.0, 10.0]])
>>> model.covars_ = np.tile(np.identity(2), (3, 1, 1))
>>> X, Z = model.sample(100)

[Ilya Antipin]

目前正在研究通过增强拓扑结构来进化神经网络， 从http://gekkoquant.com/2016/10/23/evolving-neural-networks-through-augmenting-topologies-part-4-of-4-trading-strategy。

我没能通过devtools远程安装RNeat软件包，而是用了它的替代品--Remotees（remotes::install_github）。MT4的脚本几乎已经准备好了。我已经排除了复杂的预处理转换，我会先尝试使用原始数据。我增加了与任何数量的预测器一起工作的可能性。如果有有趣的东西出来，我会通知你。

我附上一个关于外汇数据的R-脚本的例子。分析的符号是USDJPY-H1。初始数据--最后已知价格和10个RSI滞后。

[mytarmailS]

伊利亚-安提平。

很想看看RNeat在我的指标上是如何工作的

[Ilya Antipin]

mytarmailS:

使用众所周知的指标，甚至是有固定周期的指标是一个烂主意，没有算法不会在那里找到任何模式，因为它们根本不存在，市场有一个动态的、分形的（相互封闭的结构），我们需要一个至少稍微适合市场的指标，它考虑到了分形，甚至是间接的分形

我同意。我用ZigZag指标得到了很好的结果。我提供最近的极值或其衍生品的价格，包括最后一个极值的未完成的价格。该指标是针对训练集中的每个实例计算的，也就是说，它产生的变体没有重新塑造。这是唯一一个显示出或多或少令人满意的结果的指标，可以进行交易。

[mytarmailS]

伊利亚-安提平。
我同意。我用ZigZag指标得到了很好的结果。我提供最近的极值或其衍生品的价格，包括最后一个极值的未完成的价格。该指标是针对训练集中的每个实例计算的，也就是说，它产生的变体没有重新塑造。这是唯一一个显示出或多或少令人满意的结果的指标，可以进行交易。

如果我猜对了，我也做了几乎同样的事情，但用的是不同的算法，我预测的不是方向，而是转弯的膝盖，我在这里写了我是如何处理价格的https://www.mql5.com/ru/forum/86386/page1476

[Ilya Antipin]

关于RNeat软件包研究的第一印象。首先，它需要很长的时间来计算模型，而且对计算机的计算能力要求很高。第二，当你输入目标时，它不会得到完美的结果。它似乎有一个奇特的学习机制，它不直接评估预测者的重要性。

[mytarmailS]

伊利亚-安提平。
当我输入目标时，我无法判断我是否得到一个完美的结果。

这不是很清楚...你能说得更具体些吗？

p.s. 目标是什么？ 我看了一下代码，但想不出来，利润最大化？

[Ilya Antipin]

mytarmailS:

如果我猜对了，我也几乎做了同样的事情，但用的是不同的算法，我预测的不是方向，而是反转的膝盖，我在这里写了我如何处理价格https://www.mql5.com/ru/forum/86386/page1476

我可以对这一效应给出市场解释。在市场反转点（趋势改变），由于更强的（基本）定价因素的表现，供需平衡发生了变化。也许过去不同的此类点之间的数学关系可能包含对未来点的技术预测的有价值的信息。

[mytarmailS]

伊利亚-安提平。
人们可以对这一效应给出一个市场解释。在市场反转点，与较强的（基本）定价因素的表现有关的供需平衡发生了变化。也许过去不同点之间的数学关系可能包含对未来点的技术预测的宝贵信息。

在我看来，这甚至更简单...如果我们只留下重要的价格极值，而放弃其他一切，再加上我们不是在预测方向，而只是预测极值的踪迹，这是在清除数据中的大量噪音，并减少神经网络的自由度，对此，我们很感激。

[Ilya Antipin]

mytarmailS:

在我看来，这甚至更简单...如果我们只留下重要的价格极值，而放弃其他一切，再加上我们不预测方向，而只是预测极值的轨迹，就不能从大量的噪音中清理出数据，并减少了神经网络的自由度，对此，我们要感谢

是的，毫无疑问，通过使用显著极值，我们正在减少数据的维度，这反过来会对学习结果产生积极影响。