交易中的机器学习:理论、模型、实践和算法交易 - 页 175

 
Mihail Marchukajtes:
我通过订阅clasterdelta获得实时交易量以及delta(卖家的买家数量),每月花费300卢布,不算太贵。而且我在CME上免费查看每日交易量。在每天的钢坯部分,英镑钢坯的数量为27,欧元为39。我把它们写在一个文件里,指标读取该文件并在图表上显示它们。
真的不贵。
 
Mihail Marchukajtes:

你在不了解雷舍托夫的工作的情况下就称赞他,但他做了一件MEGA酷的事情,告诉我为什么????

他解决了建造NS的一个重要问题。这是在选择那些能给出最大概括性的谓词。我的弹射文件有大约40个fects,其中三分之一是基本的,其余的是这些数据的滞后,但优化器只用4-5个fects建立模型。而且他们总是与众不同。实践表明,超过5个谓词的模型效果不是很好,很多数值都是 "我不知道",像这样的模型很少出现,但效果很好,工作时间较长,考虑到我每天都在优化模型,我不需要它。好吧,我在过去5天做的记录数量(按照成交量和OI),结果,我有一个45列和30行的表格,它足以赚取(如截图所示),网络如何划分好坏并不重要,重要的是它稳定地这样做。我们经常要翻转TS,因为在训练之后,它开始稳定地亏损,只要翻转它,瞧,我们就开始持续盈利了,所以它是这样的:....

我不会说什么。不,我要说:我没有对雷舍托夫的工作泼脏水。我只是不使用它。

我真的厌倦了论坛上毫无理由的争吵。
 
J.B:

不得不怀疑:)当时工作得很好,我现在不敢谈,因为我是被迫的,但我 "听人说过 "基金的量子,他们给CNN输入10k向量,虽然我不知道他们最近的回报率,但在2011年他们有半码12%,这很酷,虽然他们在中间下降了8%,但仍然...

没有关于 "盈利模式 "的评论 10个特点))每个真正切入市场的 "大师 "都令人信服地争辩说,模型应该尽可能简单,不要过度训练,在捣毁和BB上,你可以建立一个 "盈利模型 "等等。非常感谢他们))。

胡说八道。这种含沙射影的做法不止是奇怪。如果我不为自己建造模型,不仔细关注,我就不会在这里写作。一切都以实践为基础。

我只是说得不太隐晦,我已经暗示了很久,在基金中工作的那种基金专家是相当多样化的。一个人如果不了解不同任务的损失函数的差异,他能做什么?在论坛上抛出美丽的文字。在我看来,这就是全部。

你的推理不仅是不正确的,而且往往是没有依据的。

你能不能至少在这里公开说一下(不是证明),什么类型的NS有什么属性可以让你无痛地处理这么多的功能?要求你提供一些研究报告,我认为一般来说是没有用的。

也许你找错了主题?
 
阿列克谢-伯纳科夫
这么多的功能

在我看来,他的意思只是一系列的10000个价格,也就是说,只有一个特征(价格,或其增量)。我了解到,对于卷积网络 来说,输入一长串价格是正常的,然后它将在训练过程中找到模式、指标和其他任何需要的东西。

但通常情况下,如果你在10000个预测器上训练神经元,它将导致一无所获,我同意。

 
阿列克谢-伯纳科夫
1)胡说八道。暗示多于陌生。我不认为如果我不为自己建造模型,而只是密切关注,会有什么奇怪。一切都以实践为基础。

我只是没有说得很含蓄,我已经暗示了很久,在基金会工作的那种专家是相当多样化的。一个人如果不了解不同任务的lo-fi功能的区别,他能做什么?在论坛上抛出美丽的文字。在我看来,这就是全部。

你的推理不仅是错误的,而且往往是没有依据的。

2)你至少可以在这里公开说(而不是证明),什么样的NS具有什么样的属性,可以让你无痛地处理这样数量的特征?要求你提供一些研究报告,我认为一般来说是没有用的。

3) 也许你的主题不对?

1)当然,当然......你是对的,我只是在混淆视听,嗯......这对我和所有各种对冲基金工作人员都有好处,所以没有冒犯的意思。

好吧,既然你如此巧妙地事实上,所有的对冲基金都只是在货币对上一个一个地寻找 "模式",比较R^2 和相互熵模式,然后像你的简介中所说的那样 "输掉大钱",我们都是这样,你说得对,我们是 "与众不同",但我们对此保持沉默,互相闲聊,但我们对此感到羞耻。

2)CNN?此外,我说过 "一切 "都是同一类型的一个神经元吗?不是有维度压缩技术(PCA、自动编码器等)、特征选择等吗?你知道如果你订阅了所有的数据,光是来自纳斯达克的数据流就有多少吗?如果不仅仅是纳斯达克?

3)你是对的,误导的尝试失败了,我去合并有大贾的客户的汇总库,想知道如果R^2让它都适合))))),有什么问题吗?

PS:我已经看到了你在kaggle上的表现,这说明你有时找对了地方,温顿比赛已经结束了,但有一个数据集,你可以模拟和subdmit谓词,看看你是否至少在前10名,然后我们再谈。 但现在继续揭露我,我们的谈话至少又让我的两个同事感到高兴,自然收到的积极情绪对一个交易员非常重要)))

 
是的...支部淹没在负面情绪中......可悲的是...
 
J.B:
你的行李中需要有什么才能让你的团队感兴趣?或者像你们这样的团队?
 

同事们,我们不要争吵了。我当然不是一个榜样,但我只从这个论坛看这个主题。

虽然机器学习是统计学的孩子,但以指数级的 速度充满了启发式方法,没有足够的理由和严格的理论,即 "谁的工作是正确的",它现在主要是炼金术,因此在教条和断章取义的细微差别中争论是不合理的,更明智的是有能力渗透到其他人的模型中,也许从他们那里获得有价值的东西。

 
J.B:

1)当然,当然......你是对的,我只是在混淆视听,嗯......这对我和所有各种对冲基金的员工都有好处,所以没有什么不好的感觉。

好吧,既然你如此巧妙地事实上,所有的对冲基金都只是在货币对上一个一个地寻找 "模式",比较R^2 和相互熵模式,然后像你的简介中所说的那样 "输掉大钱",我们都是这样,你说得对,我们是 "与众不同",但我们对此保持沉默,互相闲聊,但我们对此感到羞耻。

2)CNN?此外,我有没有说过 "一切 "都是同一类型的一个神经元?不是有维度压缩技术(PCA、自动编码器等)、特征选择等吗?你知道如果你订阅了所有的数据,光是来自纳斯达克的数据流就有多少了吗?如果不仅仅是纳斯达克?

3)你是对的,误导的尝试失败了,我会去合并有大贾的客户的汇总库,如果通过R^2一切都符合))))),不知道有什么问题。

PS:我已经看到了你在kaggle上的表现,这说明你有时找对了地方,温顿比赛已经结束了,但有一个数据集,你可以模拟,潜心预测,看看你是否至少能进入前10名,然后和谈,但现在继续曝光我,我们的谈话至少又逗乐了几个同事,自然获得的积极情绪对交易者特别重要)))。

1)没有评论。胡说八道。

2)嗯,首先是关于降维。这些是训练前的步骤。而关于网络本身的属性,我还没有听说。

3)这是胡说八道。关于L1、L2规范的lossfunction,有什么可说的?

在Kaggle上正是用L1加权的健身函数进行回归。而排名靠前的都是在过去的价格数据上构建配合的人。

那你能对该竞争中产生的最高质量指标做什么补充?还是说这只是更多的垃圾?咆哮通常比较宽松...
 
组合器
你的行李中需要有什么才能让你的团队感兴趣?或者像你们这样的团队?
已在私人信息中回答。