交易中的机器学习：理论、模型、实践和算法交易 - 页 340

新评论
 
Vladimir Perervenko:

R有一个相当好的mxnet 包。但更高级的模型应该在Pythone中进行研究。

很奇怪，有一天我正在读一篇比较新的关于神经网络和免费NS软件的评论。因此，Python远远没有领先于世界其他地区。其中提到了它，但是，据我所知，它并没有在品种上大放异彩。很遗憾，我没有保存这个链接。

至于R，由于专业化的原因，它完全缺乏通常的建模数学--例如，信号过滤，以及其他许多东西。你能做什么--要么唱歌，要么跳舞。

 
弗拉基米尔-佩雷文科。

看看这个，这个，这个，也许还有这个。

并非所有的东西都会很清楚，但希望能有一些关于神经网络的基本概念能被理解。

祝好运

顺便问一下，MT4|5与R的整合是否已经完成，还是必须使用DLL？
 
elibrarius。
顺便问一下，MT4|5与R的整合是否已经完成，还是仍然需要应用DLL？
这不是整合，是在MT中做一些类似的算法库。这种整合意味着直接与R一起工作。已经做了一个DLL。向桑桑尼茨索要链接--他是我们 在这项工作中取得胜利的 组织者和鼓舞者。
 
交易员博士。


我个人认为--神经元、森林、回归--对于forex.............，都太弱。

我目前正在研究模式识别模型，该模型通过观察历史来了解类似模式后的价格表现.............。

就在我的脚步上，和我想的一样，这很有趣。

市场是一头有趣的野兽，很难一下子理解它...我将告诉你如何为neuroke增加一点稳定性。 我很久以前就写过，你必须增加所谓的 "批判性观点"。

食谱是这样的。

1）采取一些市场数据--它可能是任何东西，从指标到价格

2）取一个训练样本，将其分为三部分 "A", "Б", "Ц"

3）在输出端建立 一个神经元，该神经元具有一个类别的概率向量，而不是类别本身；使用 "A "样本的 市场数据 教导该神经元。

4)用 我们的神经元 预测样本 "B "和 "C"，得到样本"B "和 "C "的 预测向量 。

5）采用一个新的神经网络， 用 样本 "B "的 市场数据 再次训练它，并从旧的神经网络中添加样本 "B " 的 另一个预测向量。

6）用于验证的样本 "C"。


试试吧，看看效果如何

 
尤里-阿索连科。

信号过滤，以及更多。


我可以说得更具体些吗？非常有趣。

在我看来，R中的所有东西都是多余的。红宝书自己的，来自统计学，看起来不像matlab，但一切似乎都在那里......

 
elibrarius。
顺便问一下，MT4|5与R的整合是否已经完成，还是仍然需要应用DLL？

这里有 一个带例子的资料库。没有投诉。
 
mytarmailS:

你在追随我的脚步，和我想的一样，这很有趣。

市场是一头有趣的野兽，很难一下子理解它...我告诉你如何在神经回路中增加一点稳定性，我很早以前就写过，你必须增加一个所谓的 "批判性观点"。

食谱是这样的。

1）采取一些市场数据--它可能是任何东西，从指标到价格

2）取一个训练样本，将其分为三部分 "A", "Б", "Ц"

3）在其输出端建立 一个神经元，该神经元使用的是一个类别的概率向量，而不是类别本身；使用 "A "样本的 市场数据 教导该神经元。

4)用 我们的神经元 预测样本 "B "和 "C"，得到样本"B "和 "C "的 预测向量 。

5）采用一个新的神经网络， 用 样本 "B "的 市场数据 再次训练它，并从旧的神经网络中添加样本 "B " 的 另一个预测向量。

6）用于验证的样本 "C"。


试试吧，看看会发生什么。


在树上试了一下--在那里你也可以采取类的概率而不是类的概率。这个计划几乎是你的。更多的尝试：对于两个班级的概率不除以一半，但也有其他方法来划分。改善的幅度是几个百分点。

都是空的。

我们应该寻找与目标相关的预测因素。而且根本不用去管什么模型。有了好的预测器，模型会给出大致相同的结果。

 
桑桑尼茨-弗门科。


你能说得更具体些吗？非常有趣。

我以为R的一切都很多余。rubricator是它自己的，来自统计学，看起来不像matlab，但一切似乎都在那里......

特别是已经说过。例如--过滤。R中的滤波器是不存在的，是无线电工程意义上的滤波器，也是所有的滤波软件。Z型转化 - 不存在。没有积分变换（在所有这些变换中，只有傅里叶变换是存在的）。R缺少很多东西，为此我在几个月前放弃了与SciLab的合作。如果你当时问了，你可以说得更具体一些）。

这不是R的缺陷，而是一种特殊性。SciLab也有自己的缺点（具体内容））。软件的目的是解决不同的问题，部分是重叠的。

 
Yuriy Asaulenko:

特别是已经说过。例如--过滤。R中没有过滤器本身，过滤器在无线电意义上，所有的过滤软件。Z型转化 - 不存在。没有积分变换（在所有这些变换中，只有傅里叶变换是存在的）。R缺少很多东西，为此我几个月前放弃了与SciLab的合作。如果你当时问了，你可以说得更具体一些）。

这不是R的缺陷，而是一种特殊性。SciLab也有自己的缺点（具体内容））。该软件旨在解决不同的问题，部分是重叠的。

你的句子结构是不正确的。你写道："我找不到我需要的过滤器*。由于我不知道你对什么过滤器感兴趣，这里有几个过滤器，一目了然。

mFilter 包--Baxter-King滤波器、Butterworth滤波器、Christiano-Fitzgerald滤波器、Hodrick-Prescott滤波器、Trigonometric回归滤波器

FKF包 - 快速卡尔曼滤波

包kza -coeff() Kolmogorov-Zurbenko Fourier Transform

kz() Kolmogorov-Zurbenko过滤器

kza() Kolmogorov-Zurbenko Adaptive

kzft() Kolmogorov-Zurbenko Fourier Transform

kzp() Kolmogorov-Zurbenko周期图

kzs() Kolmogorov-Zurbenko Spline

kzsv() Kolmogorov-Zurbenko自适应滤波器的采样方差。

kztp() Kolmogorov-Zurbenko 三阶周期图

max_freq() Kolmogorov-Zurbenko Fourier Transform

和很多很多其他的人...

此外，如果你对过滤器有很深的研究，知道数学公式来计算，那么直接计算是没有问题的。不是吗？

祝好运



 
尤里-阿索连科。

特别是已经说过。例如--过滤。R中没有过滤器本身，过滤器在无线电意义上，所有的过滤软件。Z型转化 - 不存在。没有积分变换（在所有这些变换中，只有傅里叶变换是存在的）。R缺少很多东西，为此我在几个月前放弃了与SciLab的合作。如果你当时问了，你可以说得更具体一些）。

这不是R的缺陷，而是一种特殊性。SciLab也有自己的缺点（具体内容））。该软件旨在解决不同的问题，部分是重叠的。


这不是关于R，而是关于你。

据我所知，你是一些数学工具的专业人员，自然会尝试在交易中使用它们。

我认为另一种方法更正确：我们正在寻找交易中的问题，然后我们正在寻找解决这些问题的工具。

R是一个专门用于在交易中使用统计的系统，这就是为什么不同的matlabs、matcads（skylab根本不出名）在十年前没有作为R的竞争对手引用。

更具体地说，关于过滤器。

上面的一位同事说出了其中一些人的名字。

但是，过滤器都是对输入信号进行分割的，第一个脱颖而出的是趋势。因此，平滑，导致突出过滤器，是许多R包的第一步。作为宣称的平滑工具，还有许多其他的工具，在质量上有所不同，例如SSA（爬虫）、小波。


但实际上，你指出的R型过滤器的伪问题，有着更深的根源。

你为什么需要它们？过滤器是一种辅助工具。而R有现成的解决方案来构建决策单元。我们可以指定两条主线：机器学习和ARMA-ARIMA-ARFIMA-ARCH-GARCH。过滤器与此有什么关系？

1...333334335336337338339340341342343344345346347...3399
新评论