Всем привет! Так получилось, что я уже около семи лет занимаюсь машинным обучением. В последние несколько из них я как исследователь и CTO Neurons Lab часто работаю с финансовыми данными в рамках проектов, связанных с инвестиционным менеджментом и алгоритмическим трейдингом. Чаще всего клиенты приходят с текущими стратегиями, которые нужно...
Область применения дробного дифференцирования достаточно широка. Например, алгоритмы машинного обучения, обычно, принимают дифференцированный ряд на вход. Проблема в том, что необходимо вывести новые данные в соответствии с имеющейся историей, чтобы модель машинного обучения смогла распознать их. В данной статье рассматривается оригинальный подход к дифференцированию временного ряда, в дополнении к этому приводится пример самооптимизирующейся ТС на основе полученного дифференцированного ряда.
,最好是比较利润。不是倾向性的错误。
一点也不好,我看不出看利润有什么好处,但我看到了很多坏处......。
我给了你代码,但没有人去尝试,显然写帖子更容易......
事实上,这与建立一个趋势线,然后将其从原始系列中删除几乎是一样的。是的,这样的剩余物更容易预测,但在这里,一切都要归结为预测趋势。为了预测趋势,我们至少应该知道未来价格的大概走向。但如果一个人知道它,就不需要手风琴,我指的是以前的所有阶段。
你怎么能把去趋势化和归一化混为一谈呢?
在意识形态上,它 最接近于Box-Cox的转换。
一点也不好,我看不出看利润有什么好处,但我看到了很多坏处......。
我给了你代码,但没有人去尝试,写帖子比较容易......
你怎么能把detrending和normalization混为一谈呢,在我脑子里都是 错的......
在意识形态上,它 最接近博克斯-考克斯转换。
Normalisations/Detrenders/Smoothers/COS删除价格中最后的东西(α)。
这里我想我同意--要找到阿尔法,imho你需要学习如何预测远程🙂这违背了神经网络的经典训练,它喜欢训练同质化的数据。
这与神经网络 的经典数据训练不同,神经网络 喜欢从同质数据中学习。
这违背了神经网络 的经典数据准备,神经网络 喜欢从同质数据中学习。
废话 - 废话 - 废话 - 废话 - 废话
为什么要做一些事情,如果你可以只是谈论它......
有谁搞清楚了什么是分数微分?
在https://dou.ua/lenta/articles/ml-vs-financial-math/,他从普拉多得到了它。
他写道:"我们知道的时间序列 分化消除了价格演变的所有记忆"--显然,如果我们对每个柱子采取与前一个柱子的差异。
他们中的大多数人在这个论坛上使用了来自第0条的差异。
1)什么是分数分化?建议系数为0.1-0.5。
不能采取小于1巴的差异。也许是2、5的差别......。10 ... 20个小节,从下一个小节开始?
2)比起0巴的差异,它有什么好处?有谁搞清楚了什么是分数微分?
在https://dou.ua/lenta/articles/ml-vs-financial-math/,他从普拉多得到了它。
他写道:"我们知道的时间序列 分化消除了价格演变的所有记忆"--显然,如果我们对每个柱子采取与前一个柱子的差异。
他们中的大多数人在这个论坛上使用了来自第0条的差异。
1)什么是分数分化?建议系数为0.1-0.5。
不能采取小于1巴的差异。也许是2、5的差别......。10 ... 20条,从下一个?
2)比起0巴的差异,它有什么好处?https://www.mql5.com/ru/articles/6351
我看不出与EMA detrend有多大区别,如果有多行不同的滞后期,就失去了使用分数分化的意义。