交易中的机器学习：理论、模型、实践和算法交易 - 页 2168

[Forester]

Aleksey Nikolayev:

似乎到处都写着，傅里叶只是对周期性信号有好处。或接近于此--有一个狭窄的光谱。

顺便说一下，对于交易中的MO，在我看来，沃尔什分解会更合适，但由于某些原因，我没有在论坛上看到它被提及。

不仅仅是周期性的，而是始终有相同的周期（从一个振荡开始到另一个振荡开始的时间）和始终相同的形状。而在报价中，两个时期和曲线的形式都在不断变化。因此，在市场上不适合进行信号转换。
我在大学里也学过电子，我知道我在说什么。

[Maxim Dmitrievsky]

Igor Makanu:

是的!

我刚刚完成--你说对了。

我不得不放弃，一个白痴用他的幻想把事情搅得一团糟 ))))

它显示了一个过滤器和10个交易，属于这种类型。从尾数到平均值（过滤线）或类似的东西

像往常一样，当一个趋势开始时，它在整个账户中会是负面的。

而它每次在每个主题中都会发布这些树桩，而你们都兴高采烈地讨论了10页，超过了1年）)

[Renat Akhtyamov]

Maxim Dmitrievsky:

它显示了一个过滤器和10个交易，沿着这些路线。从尾数到平均值（过滤线）或类似的东西

像往常一样，当一个趋势开始时，它在整个账户中会是负面的。

它每次都会在每个主题中发布这些树桩，而你们在一起讨论了10页，超过了1年，都很开心。）

好的

现在在mashka上显示同样的内容并进行比较

捣蛋鬼;)

[Igor Makanu]

Aleksey Nikolayev:

似乎到处都写着，傅里叶只是对周期性信号有好处。或接近于此--有一个狭窄的光谱。

基准函数是正弦，转换只确定每个正弦的偏移（相位）和周期。

所有这些正弦的交点（X轴）给我们提供了信号的取值点（Y轴）。

UPD: 这里有另一个很好的解释，https://habr.com/ru/post/196374/

这篇文章中最有价值的东西是手绘的图画;)

[Maxim Dmitrievsky]

Renat Akhtyamov:

ok

现在在车上演示同样的事情并进行比较。

恶霸;)

有很多其他的泥浆，看起来很相似。这没有任何区别。

例如，HMA或类似的东西

如果你要做mashkas，至少要对波动性和类似的东西进行规范化。

也不要写它是圣杯。它不在那里。

[Renat Akhtyamov]

Maxim Dmitrievsky:

还有很多其他的混搭，看起来很相似。这没有任何区别。

像HMA或类似的东西

如果你要用MAs，至少要对波动性和类似的东西进行标准化。

也不要写它是圣杯。那里没有圣杯。

你需要一个屏幕截图，麦克斯，而不仅仅是文字。

你不能胡说八道。

[iwelimorn]

如果你需要，这里有一个小脚本，可以计算出两个集群的特征值分布的曲线交点下的相对面积。

cl_1 = samples.drop(samples[samples["targets"] == 0].index).reset_index(drop=True)[samples.columns[1]]
cl_2 = samples.drop(samples[samples["targets"] == 1].index).reset_index(drop=True)[samples.columns[1]]

min_x = min(cl_1.min(),cl_2.min())
max_x = max(cl_1.max(),cl_2.max())
x = np.arange(min_x,max_x,(max_x-min_x)/100)
hist_1 = np.histogram(cl_1,x)
hist_2 = np.histogram(cl_2,x)
plt.hist(cl_1,x, histtype= 'step',label='cl_1')
plt.hist(cl_2,x, histtype= 'step',label='cl_2')

area1 = np.sum(hist_1[0])/sum(hist_1[0])
area2 = np.sum(hist_2[0])/sum(hist_2[0])
ymax = np.maximum(hist_1[0],hist_2[0])
ymin = np.minimum(hist_1[0],hist_2[0])

area_overlap = sum(ymin/sum(ymax))
print(area1, area2, area_overlap)

我认为这是一个很好的衡量标准，可以选择瘦身方法、目标分析、特征和谁知道其他什么。

图片中 area_overlap为黄色

[Maxim Dmitrievsky]

Renat Akhtyamov:

给我看截图，麦克斯，不要光说不练。

你不需要摇动麻袋，对吗？

你想看什么？ 这里是我文章中关于MO的真实TC。培训--只有1个月，然后普及2年。他们是真实的，而且是有效的。

[Maxim Dmitrievsky]

welimorn:

如果你需要，这里有一个小脚本，可以计算出两个集群的特征值分布的曲线交点下的相对面积。

我认为这是一个很好的衡量标准，可以选择瘦身方法、目标分析、特征和谁知道其他什么。

area_overlap在图片中为黄色。

你做的事情很巧妙）我周一就开始看。

[Uladzimir Izerski]

每个人都知道，偏离平均水平的情况可能很严重，但没有人知道它何时会发生。