交易中的机器学习：理论、模型、实践和算法交易 - 页 51

新评论
 
Mihail Marchukajtes:
问候!!!!我使用LibVMR，但它似乎是旧版本，因为出现了 "Bad Data "错误。我知道有一个新的版本。我在哪里可以下载它？如果有可能的话？

新鲜的产品和下载现在通过BitBucket资源库分发，地址是：https://bitbucket.org/jprediction/jprediction/downloads

项目名称也从libVMR改为jPrediction。

 
尤里-雷舍托夫。

不太清楚？你是把价格作为模式的OHLC还是对其进行某种转化？

问题是，如果我们把OHLC当作是，一个类似的模式比被比较的模式高或低1000点，从欧氏距离来看，将比一个完全不同的模式高或低10点更不同。而这个差异将是两个数量级的，因此比较误差也将是两个数量级的。

当我用Euclid测量时，所有的向量都被归一化和删减了。
 
mytarmailS:
当我用Euclid测量时，所有的向量都被归一化和删减了。
你是如何做到这一点的？
 
mytarmailS:

该解决方案被发现.....

如果你将频谱分析应用于当前的向量（当前价格），并将其分解为更简单的成分，由于其结构简单，这种成分可以更容易在历史中找到

s

price <- cumsum(rnorm(200))+1000

library(Rssa)
s <- ssa(price)
r <- reconstruct(s)

par(mfrow=c(1,2))
plot(price,t="l")
plot(r$F2,t="l")
for(i in 3:50) {lines(r[[i]],col=i)}

我使用 "毛毛虫 "或 "ssa "方法http://www.milanor.net/blog/wp-content/uploads/2014/07/SingularSpectrumAnalysisWithRssa.pdf 进行分解。

我们在历史上寻找类似物，看看它们的结局如何，但我们不寻找价格类似物，而是寻找每个单独的光谱成分，然后我们把它们联系起来，得到一个简单的预测。

从第一次测试来看，如果我们分别预测其每个组成部分，这个主题是相当有希望的。预测往往是正确的，但很少不偏不倚......。

ǞǞǞ

黑色表示当前的一个分量，蓝色表示在历史上发现的分量模拟，之后的黑色竖线是算法未知的新数据--实际上是预测--你可以很有效地看到这一点。

但正如你所看到的，预测总是有偏差的，自然也不总是好的，类似物之间的接近性通过相关性寻找旧的方式，我明白这是最不适合的方式之一，所以我想更换算法，将寻找振幅、相位、频率的相似性。现在你明白我说的傅里叶是什么意思了吧？

 

交易员博士

你的神经网络是如何训练的？

荣格？不，训练非常缓慢，现在模型的适配度是0.018，每天增长百分之一。训练和验证数据的准确率现在是0.52，非常低，但至少在没有重新训练的情况下，它是处于有利的一面。
 
尤里-雷舍托夫。
你是如何做到的？

好吧，只是在比较两个向量之前，我用 "scale "函数对其进行了缩放。

scale(x = data , center = TRUE, scale = TRUE )

 
尤里-雷舍托夫。
如何？
有趣的是，我下载了6.0版，因为5.0版不能保存，也不能创建文本文件，所以不清楚为什么在训练中一个错误的数值，但在文本文件中的数值却完全不同？
 
Mihail Marchukajtes:
我不知道为什么我下载了6.0版本，因为5.0版本不保存，也不创建文本文件，所以不清楚为什么在训练过程中一个错误值和文本文件中的值完全不同？
在文本文件中，二元分类器的特征和三元分类器训练后的特征。有两个网格，如果它们的读数一致，我们就得到一个肯定的答案，如果它们不同，我们就得到一个破折号。二元分类器总是只给出肯定的答案，而不考虑样本中类似模式的数据是否相似的事实。如果训练样本不包含类似的模式，三元分类器有时不能给出肯定的答案。
 
Dr.Trader:
荣格？不，训练是非常缓慢的，定义模型的适配度现在是0.018，每天增长百分之一。训练和验证数据的准确度现在是0.52，非常低，但至少它是在正方，而且没有重新训练。
哦，52比50好，因为可能记得上次是0,017，所以百分之一可能会提高2%的准确率），我想如果需要网络，最好为SI重写，让我知道，我非常感兴趣。
 
mytarmailS:
哦，52已经比50好了，因为我记得上次是0.017，所以百分之一的预测准确率提高了2%），我想如果网络值得关注的话，最好在SI上重写，随时向我汇报，我非常感兴趣......

健身效果可能会上升，仅仅是因为该模型改进了其拓扑结构，放弃了几个神经元，而获得了相同的精度。
就我对代码中的注释的理解而言--这是从Lua移植过来的。而Lua也是一种移植，因为原版已经在c++中了：http://nn.cs.utexas.edu?neat
从端口到端口是不幸的，很多不必要的动作，如果RNeat的作者以C++代码为基础，应用现有的R遗传包来进化网络，那就更好了。

1...444546474849505152535455565758...3399
新评论