交易中的机器学习：理论、模型、实践和算法交易 - 页 2759

[Forester]

Maxim Dmitrievsky #:
有一种关于分形和其他东西的想法认为，最后一个价格并不总是具有最佳预测能力。也就是说，有时有必要通过条件或另一种方法来停止窗口，使其固定下来，让之前的条形图参与预测，而不是最后的条形图。因此，它必须在历史中来回运行。

这是一个非时间固定窗口。当我们输入 10 列时，就会有 10 列。
我试着输入了十几个 ZZ 列（像往常一样得到 50%50）。它们的形成时间总是不同的，最后一列的形成时间从 1 条到数条不等。可以说，这是将常规柱状图转换为自己的柱状图。在我的案例中，"之 "字形膝盖正在形成一个条形。一年前，Prado 在这里提到，他建议不按时间，而是按交易量（例如 100 手）重建条形图。

原始价格、时间、"成交量 "和 "美元 "蜡烛图示例

[СанСаныч Фоменко]

Maxim Dmitrievsky #:
我的脑袋木木的，以后再举个例子

例如，有一组特征预测了长期下跌。那么，就没有必要在每一个柱状图上移动窗口，而是在新的柱状图上提交相同的迹象。以此类推，直到某个点，然后再移动窗口。这些点也将被填充。

你高估了 "样本外 "结果的重要性。

一分钱都不能相信。

如果训练样本和样本外结果之间的差异过大（可能超过 20%），"样本外 "结果可能会对识别模型过度训练有所帮助。到目前为止，我所知道的唯一证据就是预测因子预测能力的 sd 变化很小，不超过 20%。

[СанСаныч Фоменко]

СанСаныч Фоменко #:

你高估了 "样本外 "结果的重要性。

一分钱都不能相信。

如果训练样本和样本外样本之间的差异过大（可能超过 20%），"样本外 "可能是用来识别过度训练模型的。到目前为止，我所知道的唯一证据就是预测因子预测能力的 sd 变化很小，不超过 20%。

elibrarius#:

这更像是一个时间不固定的窗口。由于我们输入了 10 列数据，所以仍然会有 10 列数据。
我试着输入了十几个 ZZ 列 （像往常一样得到 50%50）。它们的形成时间总是不同的，最后一个膝盖的形成时间从 1 条到数条不等。可以说，这是将常规柱状图转换为自己的柱状图。在我的例子中，"之 "字形膝盖正在形成一个条形。一年前，Prado 在这里建议不要按时间，而是按交易量，例如按 100 手来重建条形图。

原始价格、时间、"成交量 "和 "美元 "蜡烛图示例

在预测器上吐口水，磨磨蹭蹭。也许和老师在一起。

有必要以几十个、几百个为单位，对预测因子进行幻想和推理，然后根据它们的影响力、预测能力、与老师的信息联系进行选择。

[JeeyCi]

СанСаныч Фоменко #:

您所需要的一切都已在您面前编纂完成。

-- 我从来没说过我在现有的 libs.... 中缺少什么。我的回答是针对那些希望从程序库中获得更多而不是被某些甚至是非评论者歪曲解释的人的...你也最好针对你的评论.....(而不是我的回复，我的回复不是给你看的）。

[СанСаныч Фоменко]

JeeyCi #:

-- 我并没有说我缺乏可用的 libs....。我的回答是针对那些希望从库中获得更多而不是被某些甚至是非评论者歪曲解释的人......你最好也能针对你的评论.....(而不是我的回复，我的回复不是给你看的）。

不知道为什么，但我向你道歉。

我的评论引起了一些完全无法理解的冒犯。

[JeeyCi]

Maxim Dmitrievsky #:

随意推断本应是帮助挑选信息丰富的小说的一个选项

它不应该...但这是你的数据分析，你最清楚。

[JeeyCi]

Maxim Dmitrievsky #:
重采样是为了去除异常值，使样本高斯化。

我知道它的用途、

我不知道你为什么建议在 BP 分析中使用它、

我没有看到他们在何时何地是否使用了重采样，也不知道它在 BP 分析中的意义、逻辑和有效性....。

[JeeyCi]

СанСаныч Фоменко #:

2.非常有趣，尤其是关于熵，我想看看结果。相关性是针对静态数列的，我们可以忘掉它。

相关性揭示了依赖性 （如果研究得当）......基于目标对未来可控、已知、易预测（如果有的话）的因素变化的依赖性，从而做出预测。

或

预测的依据是目标随时间推移而变化的已识别模式

== 一直都是这么做的

== 如果你拒绝相关性，那是你的权利，但在分析中无法使用相关性达到预期目的并不意味着它们一无是处......(我不想再继续争论你为什么不喜欢 "相关 "这个词，以及你为诺贝尔奖发明了什么非相关但具有某种灵性 的 "预测能力"你为了获得诺贝尔奖而发明了什么非相关性的 "预测能力"）--只是歪曲了预测中的自然概念装置，而这个装置是在你凭借你的通灵预测能力出现之前几个世纪就已经形成的--歪曲了预测的客观性（它并不禁止在某些情况下依赖于可察觉的依赖性）。

附带一提，您已经被暗示过了

Aleksey Nikolayev#：

回归已经允许您比较预测因子的显著性。进一步的步骤是基于分析结果。

但由于某些原因，您将一切都简化为 ma-shkas.....

[Forester]

СанСаныч Фоменко #:

在预测器上吐口水，把它擦干净。也许和老师一起吐。

有必要对几十个、几百个预测词进行幻想和编排，然后根据它们的影响力、预测能力以及与教师之间的信息联系进行选择。

怎么选？从 50 个指标中，通过各种设置，将产生数百万个变体。
它们都必须针对每个目标进行测试，而且还可以发明成百上千种。
有一个问题--几乎所有的指标都是基于 MA 的，即有滞后性。
ZZ 输入，例如，没有滞后性：我测试过，我不喜欢它。

[СанСаныч Фоменко]

JeeyCi #:

相关性揭示了依赖性 （如果研究得当）. .....基于目标对未来可控、已知、易预测（如果有的话）的因素变化的依赖性--并做出预测/预报

或者

根据已确定的目标随时间变化的模式 进行预测

== 一直如此

== 如果你拒绝相关性，那是你的权利，但在分析中无法按预期使用相关性并不意味着它们一无是处......(我并不总是在争论为什么你不喜欢 "相关 "这个词，以及什么是不相关的，而是用某种

你为诺贝尔奖而发明的"心灵"预测能力"）--只是歪曲了预测中的自然概念装置，而这一装置在你带着你的心灵预测能力出现之前已经发展了几个世纪--歪曲了预测的客观性（这并不禁止在某些情况下依赖于可察觉的依赖性）。

1.你知道实际变量和名义变量之间的相关性吗？

2- 这不是我的发明。甚至连 "预测能力 "这个词都不是。VLADIMIR PERERVENKO 并没有偷懒，他发表了一系列非常合格的文章，以图表的形式展示了我的术语 "预测能力 "的含义，并列出了相应的包，而且只是这些包的一部分。您可以从这里 开始。

下面是 "预测能力 "一词的图解含义

或以这种形式

这里没有预测因子与教师之间的相关性。

PS.

少些冒犯，少些傲慢，多向他人学习。