交易中的机器学习:理论、模型、实践和算法交易 - 页 2560

 
Aleksey Nikolayev#:

我想我明白我需要的是什么--设置自定义Flash文件的能力。但这个函数HMMFit()并不支持这种可能性,因为它实现了一个带有LLH的Baum-Welch的硬连接。你只能设置一些鲍姆-韦尔奇的参数

你需要另一个包,在那里你可以设置一个用户定义的f.f。

有趣的是,我还没有看到任何这些AMO软件包,你可以使用一个自定义的FF...

要么你设置X,Y(日期,目标),要么只设置X(日期)。

但总是有可能进入AMO的 "内脏",并在那里移动它们,看看在f.f方面会发生什么。

我是这样训练神经元的,福雷斯特也是这样,现在我想多做一些SMM。

 
mytarmailS#:

有趣的是,我还没有看到与AMO有这样的约定,你可以使用你的FF...

要么你设置X,Y(日期,目标),要么只设置X(日期)。

但总是有可能进入AMO的 "内脏",并在那里移动它们,看看在f.f方面会发生什么。

我是这样做的,这是我的一种生活黑客,我用这种方式训练神经元,弗雷斯特也是,现在我想做更多的SMM。

在LightGBM中,你可以设置你自己的,但更多时候没有这种可能性。

 
Aleksey Nikolayev#:

在LightGBM中,你可以设置你自己的,但更多时候没有这样的选项。

你确定你没有将FF与自定义指标混淆?
 

你想让我再告诉你,我使用什么指标,以什么标准选择模型吗?


毕竟,这是MO中最重要的事情,也是最根本的问题 :-)

 
Maxim Dmitrievsky#:
也许我们应该回到普遍接受的简单定义。
分解 为趋势、季节性、周期和噪音。可以尝试其中任何一种,并取得不同程度的成功。
静止性--均值和方差的恒定,在市场上观察不到。
规律性--存在重复性,即二维周期的某种类似物,或持久性,即某种程度的信号。有点像携带投机的机会。与SB不同,是为了更好的发展。

关于静止性的定义--这显然是一个抽象的概念,因为要么是没有波动的单点,那么测量窗口就无关紧要,要么还是有最小窗口的波动,或者有一系列的窗口来测量。

另一方面,规律性也同样可以产生静止性--因为它是单点的状态,而不是其测量窗口的状态。

因此,如果静止性有关于目标的信息,那么静止性直接影响到可预测性,从而影响到学习。

正如我之前所写的,我使用的正是通过在给定的测量窗口估计其静止性来选择预测的方法。

 
Aleksey Nikolayev#:

在LightGBM中,你可以设置你自己的,但更多时候没有这种可能性。

xgboost 也能做到,但很难写出自己的函数。你必须要输出公式。

http://biostat-r.blogspot.com/2016/08/xgboost.html- 第6段。

 
Aleksey Vyazmikin#:

关于静止性的定义--这显然是一个抽象的概念,因为要么是没有波动的单点,那么测量窗口就无关紧要,要么还是有最小窗口的波动,或者有一系列的窗口来测量。

另一方面,规律性也同样可以产生静止性--因为它是单点的状态,而不是其测量窗口的状态。

因此,如果静止性有关于目标的信息,那么静止性直接影响到可预测性,从而影响到学习。

正如我之前写的,我现在刚刚使用了通过估计其静止性与给定的测量窗口来选择前兆的方法。

一点也不明白

statinoir应该是模型建立后的噪音,其他地方不需要它。
 
Maxim Dmitrievsky#:

我根本就不明白什么。

你想了解吗?

 
mytarmailS#:
你确定你没有把ff和自定义指标搞混?

我不这么认为--这个例子 是用python写的。

 
Maxim Dmitrievsky#:
统计噪声应该是在模型建立之后,其他地方不需要。

对,这正是我所说的预测者和目标之间的关系。

现在,我不知道有什么方法可以建立一个模型,在不同的样本区间用分割或其他一些机制来组合预测因子,给出 "静止性 "的估计。所有的模型都对样本图做了拟合,只估计了一个定量的改进措施,但我们需要跨区间估计,那么模型可能更稳健。