交易中的机器学习:理论、模型、实践和算法交易 - 页 3042 1...303530363037303830393040304130423043304430453046304730483049...3399 新评论 mytarmailS 2023.04.21 10:34 #30411 从数据中提取一些 "好 "规则/策略... 完整步骤 1) 数据转换和归一化 2) 模型训练 3) 规则提取 4) 规则过滤 5) 可视化 代码就绪,只需替换数据即可。 close <- cumsum(rnorm(10000,sd = 0.00001))+100 par(mar=c(2,2,2,2)) plot(close,t="l") sw <- embed(x = close,dimension = 10)[,10:1] # make slide window data X <- t(apply(sw,1,scale)) # normalase data dp <- c(diff(close),0) # diff prices Y <- as.factor( ifelse(dp>=0,1,-1) ) # target for classification tr <- 1:500 library(inTrees) # ?inTrees::getRuleMetric() library(RRF) rf <- RRF(x = X[tr,],y = Y[tr],ntree=100) rule <- getRuleMetric(unique(extractRules(RF2List(rf),X[tr,])),X[tr,],Y[tr]) rule <- data.frame(rule,stringsAsFactors = F) for(i in c(1,2,3,5)) rule[,i] <- as.numeric(rule[,i]) buy_rules <- rule$condition[ rule$pred==1 ] plot(x = 1:1000,y = rep(NA,1000), ylim = c(-0.001,0.001)) for(i in 1:length(buy_rules)){ cum_profit <- cumsum( dp[ eval(str2expression(buy_rules[i])) ] ) lines(cum_profit,col=8,lwd=1) } for(i in 1:length(buy_rules)){ cum_profit <- cumsum( dp[ eval(str2expression(buy_rules[i])) ] ) ccor <- cor(cum_profit, 1:length(cum_profit)) if(ccor>=0.9) lines(cum_profit,col=i,lwd=2) } abline(h = 0,col=2,lty=2) 问题是,如果你能随机找到 "工作 TC",那么有什么办法能证明在真实数据中找到的 TC 不是随机的呢? 阿列克谢正在做这件事,我想知道是否有针对此类任务的统计测试? Maxim Dmitrievsky 2023.04.21 17:41 #30412 问问 chatgpt,它的回答往往比人类更有说服力:)我想做一个实验--只通过提示从头开始编写一个机器人。 Valeriy Yastremskiy 2023.04.21 19:09 #30413 Maxim Dmitrievsky 编写一个机器人。 为什么?为了超越莉莉丝?虽然 ..... ... ... ...我想))))))))))))))))))))))))在娴熟的技巧下,这是一个非常酷的工具)。 Maxim Dmitrievsky 2023.04.21 19:36 #30414 Valeriy Yastremskiy #:为什么?为了超越莉莉丝?虽然 ..... ... ... ...sya))))))))如果用对了,这真是个很酷的工具)。 这是一个元编程级别,而且她对 python 非常熟悉。我也会躺在沙发上通过语音进行提示。经常出现的情况是,我有了想法,却懒得再写一遍代码:)。 Valeriy Yastremskiy 2023.04.21 20:13 #30415 Maxim Dmitrievsky #: 这是元级编程,而且她对 python 非常熟悉。躺在沙发上时,我也会通过语音进行提示。我经常会有一些想法,但又懒得再写一遍代码:) 我同意,正确的问题是元级))))。 以及检查代码执行的正确性)。 Maxim Dmitrievsky 2023.04.21 23:27 #30416 Valeriy Yastremskiy #:我同意,一个恰当提出的问题就是一个元级)))))。 以及检查代码执行的正确性)。 给我一个神经接口,这样我就不用动嘴了。 mytarmailS 2023.04.22 08:14 #30417 我认为这是一种退化 Aleksey Nikolayev 2023.04.23 09:03 #30418 mytarmailS #:从数据中提取一些 "好 "规则/策略...完整步骤1) 数据转换和规范化2) 模型训练3) 规则提取4) 规则过滤5) 可视化代码就绪,只需替换数据问题是,如果你能找到随机的 "工作 TC",你有什么办法证明在真实数据中找到的 TC 不是随机的?阿列克谢正在做这件事,我想知道是否有针对这类任务的统计检验 方法? 将 matstat 应用于此类问题的主要问题在于,TC 的搜索是从大量变体中进行选择的。我们总是有可能从大量的变体中选择出非常漂亮的东西--我曾在这里举过一个简单的例子,说明将价格模拟为 SB,你总能 "找到 "一周中适合交易的一个小时。而这只有 120 个变量可供选择。 matstat 并没有说被选中的 TS 一定不好,它只是说这样的结果可以(而不是必须)只是从 SB 中选择的结果。 Aleksey Vyazmikin 2023.04.23 09:13 #30419 mytarmailS #:从数据中提取一些 "好 "规则/策略... 启动时出现错误 > sw <- embed(x = close,dimension = 10)[,10:1] # make slide window data Error in h(simpleError(msg, call)) : ошибка при оценке аргумента '.data' при выборе метода для функции 'embed': argument ".data" is missing, with no default Aleksey Nikolayev 2023.04.23 09:19 #30420 由此产生了一个纯理论问题--一个 ONNX 模型能否用于推导出另一个 ONNX 模型。例如,使用第一个模型定期对新数据进行再训练,并更新工作模型。也就是说,不使用 python 等。 乍一看,这不太可能实现,但万一有人尝试过这样做呢。 我没能从人工智能那里得到任何有意义的答案--它写道它可以,并引用了与问题无关的参考文献)。 1...303530363037303830393040304130423043304430453046304730483049...3399 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
从数据中提取一些 "好 "规则/策略...
完整步骤
1) 数据转换和归一化
2) 模型训练
3) 规则提取
4) 规则过滤
5) 可视化
代码就绪,只需替换数据即可。
问题是,如果你能随机找到 "工作 TC",那么有什么办法能证明在真实数据中找到的 TC 不是随机的呢?
阿列克谢正在做这件事,我想知道是否有针对此类任务的统计测试?
为什么?为了超越莉莉丝?虽然 ..... ... ... ...我想))))))))))))))))))))))))在娴熟的技巧下,这是一个非常酷的工具)。
为什么?为了超越莉莉丝?虽然 ..... ... ... ...sya))))))))如果用对了,这真是个很酷的工具)。
这是元级编程,而且她对 python 非常熟悉。躺在沙发上时,我也会通过语音进行提示。我经常会有一些想法,但又懒得再写一遍代码:)
我同意,正确的问题是元级))))。
以及检查代码执行的正确性)。我同意,一个恰当提出的问题就是一个元级)))))。
以及检查代码执行的正确性)。从数据中提取一些 "好 "规则/策略...
完整步骤
1) 数据转换和规范化
2) 模型训练
3) 规则提取
4) 规则过滤
5) 可视化
代码就绪,只需替换数据
问题是,如果你能找到随机的 "工作 TC",你有什么办法证明在真实数据中找到的 TC 不是随机的?
阿列克谢正在做这件事,我想知道是否有针对这类任务的统计检验 方法?
将 matstat 应用于此类问题的主要问题在于,TC 的搜索是从大量变体中进行选择的。我们总是有可能从大量的变体中选择出非常漂亮的东西--我曾在这里举过一个简单的例子,说明将价格模拟为 SB,你总能 "找到 "一周中适合交易的一个小时。而这只有 120 个变量可供选择。
matstat 并没有说被选中的 TS 一定不好,它只是说这样的结果可以(而不是必须)只是从 SB 中选择的结果。
从数据中提取一些 "好 "规则/策略...
启动时出现错误
由此产生了一个纯理论问题--一个 ONNX 模型能否用于推导出另一个 ONNX 模型。例如,使用第一个模型定期对新数据进行再训练,并更新工作模型。也就是说,不使用 python 等。
乍一看,这不太可能实现,但万一有人尝试过这样做呢。
我没能从人工智能那里得到任何有意义的答案--它写道它可以,并引用了与问题无关的参考文献)。