交易中的机器学习：理论、模型、实践和算法交易 - 页 2060

新评论
 
Evgeny Dyuka:
这条线的所有图表都从左下角 开始，在右上角结束))
我希望我住在...

不，不是全部)

 
我有一些疑虑。
 
罗夏：
，我有疑虑。

我已经做过了，甚至在这里描述过......

只是我走得更远...

我预测了所有指标的值，然后我把得到的预测值作为新的属性，然后我根据属性和它们的预测值做了更多的预测，如此反复7次，直到误差减少......。

这都是基于MGUA自组织或来自现代的元特征...


谢谢你的链接，伟大的孩子，有趣的阅读））。

 

当你需要以更人性化的形式来描述一个极端，而不是一个清晰而不太现实的之字形......

为什么这么说呢，这 只是一个替代方案，对图表极值的布局更加人性化。为什么不是ZZ ，ZZ只有一个极值，一个点，它没有考虑到非稳态市场中不可避免的转变......

解决办法是这样的：创建一个极值模式，并查看当前价格 与该模式之间的相关性...

世界上最好的语言中的代码 )

y <- c(1:10,9:0)
x <- cumsum(rnorm(length(y)))

ccor <- cor(y,x)

layout(1:2)
plot(x,t="l",main = paste("corelation",round(ccor,2)))
plot(y,t="l",main ="шаблон екстремума")

这个模式可以是任何东西，一个趋势或任何东西，你说了算。


这是滑动窗口相关计算图表上的情况，有-0,7和0,7的信号线


在我看来，它对极值的定义是非常人性化的，也是对不重要的东西和重要的东西的过滤。

然后你可以尝试训练回归模型，看看会发生什么。

xx <- cumsum(rnorm(100))
layout(1:2)
plot(xx,t="l")
cor.vec <- rep(NA, length(xx))
for(i in 10:(length(xx)-10)){
  ii <- (i-9):(i+10)
  cor.vec[i] <- cor(xx[ii] , y)}
plot(cor.vec,t="l",col=4)
abline(h=c(-0.7,0.7),col=2)
 
mytarmailS:

当你需要以更人性化的形式来描述一个极端，而不是一个清晰而不太现实的之字形......

为什么这么说呢，这 只是一个替代方案，有一个更人性化的图形极值布局。为什么不是ZZ ，ZZ只有一个极值，一个点，它没有考虑到非稳态市场中不可避免的转变。


对于 "之 "字形，只要教会神经网络预测一个极值的长度就足够了--比前一个极值长或短（因为目标需要长极值）。

附加的文件：
EURUSD_Series.txt  298 kb
 
叶夫根尼-丘马科夫。

对于 "之 "字形，只要教会神经网络预测肩部的长度就足够了--比前一个长或短（因为目标需要长的）。

嗯...也是一个有趣的想法...

你试过吗？

文件里有什么？

 
mytarmailS:

嗯...还有一个有趣的想法...

你试过吗？

文件里有什么？


我没有，因为我对神经网络一无所知，而且我像萨摩耶一样笨....。我愚蠢地在寻找类似的部分，但它并不总是像过去那样重复。


在文件中。

第一栏 - 事件结果（正号=长臂，负号为短臂）。

第二栏--"长臂 "事件的变体

第三栏--变异的 "短杠杆 "事件


一般来说，最外面的两列代表一个可能的事件。

 
叶夫根尼-丘马科夫。

在文件中。

哦，我明白了...现在我试试，但我要做我的，因为你没有抛出价格或标志，而且不清楚目标是如何建立的

 
mytarmailS:

并且不清楚目标是如何建立的


模式。

 
mytarmailS:

当你需要以更人性化的形式来描述一个极端，而不是一个清晰而不太现实的之字形......

...

...

....

然后你可以尝试训练一个回归模型，看看会发生什么。

受过训练的...

灰色是原始数据，蓝色是来自模型的数据

还插入了一个跟踪，以清楚地说明模型是如何随着新的数据逐渐消失的。


1...205320542055205620572058205920602061206220632064206520662067...3399
新评论