交易中的机器学习:理论、模型、实践和算法交易 - 页 2690

 
Maxim Dmitrievsky #:
什么叫不严肃?当然是三层神经网络,但把它们用于时间序列也不严肃。经过简单训练的模型很容易移植

当然,你需要说得更具体一些。对于逻辑回归、木质模型等简单模型来说,这也许是可能的。但我说的是 TC 和表格数据的严肃模型。这两个领域现在已经变得非常分化和专业化。对于主要用于机器学习的表格数据,TabNet(论文,实现(py)123)非常有前途。还有很多其他软件包都能带来很好的效果。以下是我研究并部分使用的软件包列表。

conda environments:
#
 base                  *  C:\Users\User\AppData\Local\R-MINI~1
PressPurtEnv             C:\Users\User\AppData\Local\R-MINI~1\envs\PressPurtEnv
aif360                   C:\Users\User\AppData\Local\R-MINI~1\envs\aif360
autogluon                C:\Users\User\AppData\Local\R-MINI~1\envs\autogluon
autokeras                C:\Users\User\AppData\Local\R-MINI~1\envs\autokeras
autopt                   C:\Users\User\AppData\Local\R-MINI~1\envs\autopt
darts                    C:\Users\User\AppData\Local\R-MINI~1\envs\darts
deap                     C:\Users\User\AppData\Local\R-MINI~1\envs\deap
deepxf                   C:\Users\User\AppData\Local\R-MINI~1\envs\deepxf
evalml                   C:\Users\User\AppData\Local\R-MINI~1\envs\evalml
fastai                   C:\Users\User\AppData\Local\R-MINI~1\envs\fastai
fedot                    C:\Users\User\AppData\Local\R-MINI~1\envs\fedot
flash                    C:\Users\User\AppData\Local\R-MINI~1\envs\flash
gluon                    C:\Users\User\AppData\Local\R-MINI~1\envs\gluon
ludwig                   C:\Users\User\AppData\Local\R-MINI~1\envs\ludwig
mindsdb                  C:\Users\User\AppData\Local\R-MINI~1\envs\mindsdb
mlbox                    C:\Users\User\AppData\Local\R-MINI~1\envs\mlbox
mlr3keras                C:\Users\User\AppData\Local\R-MINI~1\envs\mlr3keras
mlsauce                  C:\Users\User\AppData\Local\R-MINI~1\envs\mlsauce
nni                      C:\Users\User\AppData\Local\R-MINI~1\envs\nni
poutyne                  C:\Users\User\AppData\Local\R-MINI~1\envs\poutyne
pycaret                  C:\Users\User\AppData\Local\R-MINI~1\envs\pycaret
pycaret-ts               C:\Users\User\AppData\Local\R-MINI~1\envs\pycaret-ts
pymc_env                 C:\Users\User\AppData\Local\R-MINI~1\envs\pymc_env
r-gluonts                C:\Users\User\AppData\Local\R-MINI~1\envs\r-gluonts
r-gluonts1               C:\Users\User\AppData\Local\R-MINI~1\envs\r-gluonts1
r-reticulate             C:\Users\User\AppData\Local\R-MINI~1\envs\r-reticulate
r-torch                  C:\Users\User\AppData\Local\R-MINI~1\envs\r-torch
reservoir                C:\Users\User\AppData\Local\R-MINI~1\envs\reservoir
skorch                   C:\Users\User\AppData\Local\R-MINI~1\envs\skorch
sktime-dl                C:\Users\User\AppData\Local\R-MINI~1\envs\sktime-dl
terchmeta                C:\Users\User\AppData\Local\R-MINI~1\envs\terchmeta

之所以没有全部使用,主要是因为机器功率限制和个人偏好。对我来说,一个多小时的训练和优化并不有趣。

我认为不可能将这些模型移植到 MCL 上。而在这里,不创建连接 MKL<->Python 的基础设施是不行的。

这有点扯远了,但这个话题对我来说很重要。

我重复一下主要观点:每个开发人员,无论他是自由职业者、营销人员还是外汇/加密货币/股票交易员,都有自己 "最喜欢 "的语言和 "最喜欢 "的带拐杖的自行车。我们需要分享使用经验,而不是争论哪种更好。尤其不要对 JA 的未来妄加评论。

不要把这番话当作是对我个人的冒犯。这又不是在幼儿园。

祝大家好运。

tabnet
tabnet
  • 2020.08.26
  • pypi.org
Tensorflow 2.0 implementation of TabNet of any configuration.
 
Vladimir Perervenko #:

当然,这需要澄清。对于逻辑回归、树模型等简单模型来说,这也许是可能的。但我说的是 TC 数据和表格数据的严肃模型。这两个领域现在已经变得非常分化和专业化。对于主要用于机器学习的表格数据,TabNet(论文,实现(py)123)非常有前途。还有很多其他软件包都能带来很好的效果。以下是我研究并部分使用的软件包列表。

之所以没有全部使用,主要是因为机器功率限制和个人偏好。对我来说,一个多小时的训练和优化并不有趣。

我认为不可能将这些模型移植到 MCL 上。在这里,我们不能不创建连接 MKL<->Python 的基础设施。

这有点扯远了,但这个话题对我来说很重要。

我重复一下主要观点:每个开发人员,无论他是自由职业者、营销人员还是外汇/加密货币/股票交易员,都有自己 "最喜欢 "的语言和 "最喜欢 "的带拐杖的自行车。我们需要分享使用经验,而不是争论哪种更好。更不要对 API 的未来妄加评论。

祝大家好运。

表格数据 != 表格形式的时间序列,它们毕竟是不同的东西

这不是冒犯的问题,而是编写不同 TC 的经验问题。有时,当一个报价图表附带 500 个图层的网络时,读起来会很有趣
 
Maxim Dmitrievsky #:
表格数据 != 作为表格的时间序列,它们毕竟是不同的东西

这不是冒犯的问题,而是编写不同 TS 的经验问题。有时,当 500 层网络连接到一个报价图表时,读起来会很有趣

当然,表格数据和时间序列是两码事。

你无法反驳它。

尤其搞笑的是神经网络很简单之类的系列文章。作为在 MKL 上编程的一个例子 - 很好,但对于实践 - 零。好了,这已经是抱怨了。

祝大家好运

 
Vladimir Perervenko #:

当然,表格数据和时间序列是两码事。

这一点不容争辩。

尤其搞笑的是一系列文章,比如神经网络很简单。作为 MKL 上的编程示例--很好,但用于实践--零。好吧,这已经是一种抱怨了。

祝大家好运

如果还没看过,请读一读。

有一个分类器排名

https://www.timeseriesclassification.com

在我的记忆中,神经网络并不在榜单前列
 

TabNet 高度依赖于数据集和所选特征

有时与其他分类器几乎没有区别

因此,我希望在推动应用时能更加具体。这个分类器有那么大的优势吗?

https://arxiv.org/pdf/1908.07442.pdf

我尝试过类似的架构来合成新数据。在外汇时间序列上,所有神经网络的表现都不如 GMM(可信度较低)。而在简单的表格数据上,它们运行良好。我不记得那里是否有 Tabnet。

这就是为什么我写了一份说明:表格数据 != 表格形式的时间序列,结果会更糟。
 
Vladimir Perervenko #:

您在说什么?加密货币交易所(特别是 Binance)提供...

我也想过捅破这层窗户纸,但想了想又觉得对不起时间....

当每个人都在用 R 编写线程时,Python 程序员的日子就不好过了))))。
哦,怎么会呢?Python 在上面,怎么会呢?)))))) 是不是上面决定了什么更好呢?
 
mytarmailS #:
我也想过在圣经里捅篓子,但我想了想,对不起时间......

当每个人都在分支中用 R 编写代码时,对于一个 Python 程序员来说是很困难的。)
哦,怎么会这样?Python 是顶尖的,怎么会不是顶尖的?)))))) 决定了什么是更好的?
没有 SDK,只有左派圣经。官方 api 只适用于 Java 和 Python。

你在那写什么?至少告诉我一个解决方案。Pisuns.那就捅捅你写的东西吧。

至少有一个正常的综合解决方案在哪里?一个不需要痛苦和感动的泪水就能使用的解决方案 😀

阿列克谢用 catbust 制作了一个正常的解决方案,终端版本。我建议用 python 来模拟。在终端中一切正常。

LGBM 也是如此
ZY 我的解决方案在市场上被开发人员使用,这就意味着它们是集成的。只需点击两下即可完成。


当你熨烫时,先看看你自己都做了些什么......事实上什么也没做,你只是把软件包放到了 R 中。

你们可以在另一个论坛上互相扔软件包,我想在交易中 MO 的开发方面不会有任何变化。

 

使用 R 时,产品非常酷,卖掉它太可惜了😁。

我完全同意最终产品(针对 mt5)应由 ex5 文件组成,不带任何集成,(最好)不带附加文件。获得它的历史并不重要--最重要的是它应该能用(或者能卖)。

 
Aleksey Nikolayev #:

使用 R 使产品变得如此酷,卖掉它简直太可惜了 😁

我完全同意最终产品(针对 mt5)应由 ex5 文件组成,不带任何集成,(最好)不带附加文件。获得它的历史并不重要--最重要的是它应该能用(或者能卖)。

我同意,而且我认为这是正确的方法。所有东西都应该在 exe 中,不应该调出任何东西。否则,它就不是用于销售的产品。

 
Valeriy Yastremskiy #:

我同意,而且我认为这是正确的方法。所有东西都应该放在 exe 中,不应该调出任何东西。否则,它就不是用于销售的产品。

告诉亚马逊和谷歌吧。他们没有正确地开展业务,他们的基础架构是错误的:-)