交易中的机器学习：理论、模型、实践和算法交易 - 页 3077

新评论
 
Maxim Dmitrievsky #:
原来你是斜着看文章，什么都没看懂。

那就来个对照问题吧。有哪些类型的滋扰 F-Y，它们有什么不同？您如何称呼它们？我根本不是集体农民，而是蓝血人。

虽然因为你自以为是地喜欢给人贴标签，所以和你打交道很不愉快，但为了公开讨论术语的翻译，我稍后会以一篇非常有趣的文章为例回答你。

现在，Yandex 对nuisance 的翻译 是

nuisance, nuisance, nuisance, annoyance, burden ...

我一点也不满意。稍后我会给出我的翻译，并说明理由。我现在很忙。

 
СанСаныч Фоменко #:

虽然你自以为是地给人扣帽子的倾向让人不喜欢与你打交道，但为了就一篇非常有趣的文章为例公开讨论术语的翻译问题，我稍后一定会回复你的。

现在，Yandex 对nuisance 的翻译 是

Nuisance, nuisance, nuisance, annoyance, burden ...

完全不适合我。我稍后会给你我的翻译并解释它。我现在很忙。

在一个非常有趣的故事之前，请先在互联网（统计部分）上查找一下定义。

另外，文章中只是提到了 RF，但这并不是文章的基础。

我没有读过这篇文章，但我得出了结论。

 
Maxim Dmitrievsky #:

在一个非常有趣的故事之前，请先在互联网（统计部分）上查找其定义。

另外，文章中只是提到了射频，但这并不是文章的基础。

我没有读过这篇文章，但我得出了结论。

4 模拟

研究 我们基于随机森林（Breiman, 2001；另见 Biau & Scornet, 2016，全面介绍）研究了元学习器在估计异质性治疗效果时的有限样本性能。蒙特卡罗研究的重点在于评估样本分割和交叉拟合对因果效应估计的影响。为此，我们比较了上述用全样本、双样本分割和双交叉拟合估算的金属效应。


出于多种原因，我们将随机森林作为所有元学习器的基础学习器。


我没有读过这篇文章，但我得出了结论 。

我觉得和你讨论什么都没有意义！

 
СанСаныч Фоменко #:

4 建模

研究 我们基于随机森林（Breiman, 2001；另见 Biau & Scornet, 2016，详细介绍）研究有限样本元研究对估计异质性治疗效果的有效性。蒙特卡罗研究的重点是评估样本分割和交叉拟合对因果效应估计的影响。为此，我们对上文讨论的元学习者进行了比较，分别用完全抽样、双重抽样分割和双重交叉拟合进行了估计。


出于以下几个原因，我们将随机森林作为所有元学习的基准学习方法。


我还没有读过这些文章，但我已经做了一个抓取。

我不觉得和你讨论有什么意义！

这篇文章不是关于射频的，而是关于因果推理的，所以术语都是从那里来的。

你现在还没资格讨论任何问题，当然不明白这有什么意义。
 

我建议大家共同努力，在代码库中搜索有用的信息，即有趣的指标。

这项工作很耗时，但很可能会发现一些被低估的东西。

让我们制作指标和目标指标的基本预测器，分析目标指标的概率分布。

因此，我们将选择有趣的自定义指标，并针对不同的 TF 和交易工具进行设置。

我这边将有大约 200 个核心参与这项工作。我将组织联合工作并编写必要的代码。

这样，我们就能在代码中使用任何经过分析的指标，并为其设置制定标准，包括每个设置的变化范围和步长。

这项联合工作的所有参与者都可以使用这些成果。

在 Discord 中组织这一过程将非常方便。您怎么看？似乎每个人都是赢家--你不会分享你的秘密，但你会得到一个可能有用的结果。

 

我一直在学习如何在 R 应用程序中用 shiny 显示交互式图表....

虽然拄着拐杖，但我还是学会了，我还没有尝试过 dash 库....。

因此，如果你感兴趣，可以使用它，图表会在浏览器中打开，你可以通过双击它来实现全屏模式。


图表功能齐全，可以显示交易、绘制、选择对象、获取数值等。(但这是一个单独的代码）


library(xts)
library(plotly)
library(shiny)
library(shinyfullscreen)


len <- 50000
times <- seq(as.POSIXct("2016-01-01 00:00:00"), length = len, by = "sec")
prices <- cumsum(rnorm(len)) +1000

p <- to.minutes5(as.xts(prices,order.by = times))

dat <- cbind.data.frame(index(p) , coredata(p))
colnames(dat) <- c("date","open","high","low","close")




my_plot <- function(dat,width,height){
  library(plotly)
  
  pl <- plot_ly(dat, x = ~date, type="candlestick",
                open = ~open, close = ~close,
                high = ~high, low = ~low,
                line = list(width = 1),
                width = width, height = height)
  
  pl <- layout(pl,
               xaxis = list(rangeslider = list(visible = F),
                            title = ""),
               yaxis = list(side = "right"),
               plot_bgcolor='rgb(229,229,229)',
               paper_bgcolor="white",
               margin = list(l = 0, r = 0, t = 0, b = 0))
  pl
}
resize_tag <- function(){
  tags$head(tags$script('
                        var dimension = [0, 0];
                        $(document).on("shiny:connected", function(e) {
                        dimension[0] = window.innerWidth;
                        dimension[1] = window.innerHeight;
                        Shiny.onInputChange("dimension", dimension);
                        });
                        $(window).resize(function(e) {
                        dimension[0] = window.innerWidth;
                        dimension[1] = window.innerHeight;
                        Shiny.onInputChange("dimension", dimension);
                        });
                        '))
}







ui <- fluidPage(
  resize_tag(),
  #plotlyOutput("plot")
  fullscreen_this(   plotlyOutput("plot")   )
)


server <- function(input, output) {
  output$plot <- renderPlotly( {   
    my_plot(dat,
            width  = (0.95*as.numeric(input$dimension[1])),
            height =  as.numeric(input$dimension[2]))
  })
}

#shinyApp(ui = ui, server = server)
shinyApp(ui, server, options = list(launch.browser = TRUE))
 
Aleksey Vyazmikin 自定义指标，并针对不同的 TF 和交易工具进行设置。

我这边将有大约 200 个核心参与这项工作。我将组织联合工作并编写必要的代码。

这样，我们就能在代码中使用任何经过分析的指标，并为其设置提供标准，包括每个设置的变化范围和步长。

这项联合工作的所有参与者都将能够使用这些成果。

在 Discord 中组织这一过程将非常方便。您怎么看？似乎大家都是赢家--你不会分享你的秘密，但你会得到一个可能有用的结果。

90%的МА类指标被数字滤波器和小波所取代。还剩下什么？波动指标，还有什么？

 
Rorschach #:

90% 的 MA 指标被数字滤波器和小波所取代。还剩下什么？波动指标，还有什么？

您还可以在指标值的一般任务中加入通过返回值来预测其值的尝试--如果准确率达到 100%，就把它扔掉。

您可以从一个简单的指标开始--按类型分类--震荡指标、均线指标（如 MA）、水平指标（相对很少重新计算）。

您还可以在此项目框架内处理历史新闻。
 

所以没人喜欢我的想法？

每个人都认为自己比别人聪明，并确信指标中不可能有有用的想法？

或者，他们根本就没兴趣从指标中获得有用的信息？比如不是为了自己，也不是为了别人？

还是你有十条命，希望靠自己管理一切？

 
Aleksey Vyazmikin 自定义指标，并针对不同的 TF 和交易工具进行设置。

我这边将有大约 200 个核心参与这项工作。我将组织联合工作并编写必要的代码。

这样，我们就能在代码中使用任何经过分析的指标，并为其设置提供标准，包括每个设置的变化范围和步长。

这项联合工作的所有参与者都将能够使用这些成果。

在 Discord 中组织这一过程将非常方便。您怎么看？似乎大家都是赢家--你不会分享你的秘密，但你会得到一个可能有用的结果。

阿列克谢，这几乎是不可能的

1...307030713072307330743075307630773078307930803081308230833084...3399
新评论