트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 1374

새 코멘트
 
도서관 :

저것들. 정렬은 Vladimir가 제안한 방법으로 선택됩니까?

아마 내가 생각했던 것과 같지 않을 것이다. 몰라요 안써봐서 도움말 읽어봐야겠어요

이러한 옵션에 대해 읽을 수 있는 곳이 있습니까? 무엇을 추측
 
도서관 :

이 가중치는 부스팅뿐만 아니라 경우에도 있습니다. 산림은 또한 국회에 공급될 수 있습니다. 분명히 이 기술은 모든 MO 시스템에 공통적입니다.
오래된 데이터의 영향을 줄이는 첫 번째 실험은 개선되지 않았습니다.

30,000개 라인에 대해 훈련할 때 테스트는 80,000개에 대해 훈련할 때보다 더 잘 보입니다. 80,000개에서 더 적은 트랜잭션이 있고 오류가 더 높습니다. 나는 비례적으로 무게를 줄이려고 시도했습니다(신선한 경우 1에서 오래된 경우 0.5로). 결과는 거의 변하지 않았습니다.


분명히 이것은 Vladimir가 설명한 방법으로 Maxim이 지적한 대로 분산을 균등화하는 것과 동일합니다.

예, 저는 예측자의 분류를 트리의 더 낮은 수준으로 이동해야 하는 라인에 대한 가중치를 줄이는 편의에 대해 이야기하고 있습니다. 새로운 데이터에 가중치를 두는 것만으로도 시장이 변했다고 생각하면 이치에 맞을 수 있습니다...

 
막심 드미트리예프스키 :
이러한 옵션에 대해 읽을 수 있는 곳이 있습니까? 무엇을 추측

이전에는 이 일에 주의를 기울이지 않았습니다.

 

국회에서 시제품을 만들었다. NA 예측에 따라 거래를 시작하면 예측 시간은 5m이며, 개장 후 5분 후에 거래를 닫습니다. 트랜잭션 모니터링이 없습니다.

첫 번째 결과는 다음과 같습니다.

x의 경우 - 거래 번호, y의 경우 - 이익 금액(포인트). 수수료 등은 고려하지 않았습니다. 테스트 간격 3.5개월.

최대 60개의 거래를 거래할 필요가 없습니다. 이는 이전 선물이 마감되기 전이며 예측이 특히 가능하지 않습니다. 급격한 점프는 내가 생각하기에 장중 간격입니다.

글쎄, 그리고 파이썬 코드. 더 쉬워지지 않아 

def Long(i): # сделка Long
    print( 'long' )
    profLS.append(SD.history[i+ 5 ][c.c] - SD.history[i][c.c] )
     return i + 5

def Short(i):  # Сделка Short
    print( 'short' )
    profLS.append(SD.history[i][c.c] - SD.history[i+ 5 ][c.c] )
     return i + 5

while i < LenHist:
    x = []
     for j in range( 0 , 20 ): #Подготовка данных для НС
        x.append((SD.history[i-j][c.c]/SD.history[i][c.c]- 1 )* 1000 )
     out = MLP.Predict([x]) # запрашиваем прогноз НС
     if out >= 3.0 :
        i = Long(i)       
        tmp.append( 'L' )
    elif out <= - 3.0 :
        i = Short(i)        
        tmp.append( 'S' )
    i += 1
 
도서관 :

이전에는 이 일에 주의를 기울이지 않았습니다.

xgboost 웹사이트에서 그런 설정을 찾지 못했습니다. 음, "매개변수 조정" 섹션이 있고 거기에 편향-분산 트레이드오프에 대한 모든 것이 있습니다.

간단히 말해서 내가 생각한 것과 비슷한 것

안쓰고 그냥 궁금해서

 
유리 아사울렌코 :

국회에서 시제품을 만들었다. 개장 5분 후(예상 시간) 거래를 마감합니다. 트랜잭션 모니터링이 없습니다.

첫 번째 결과는 다음과 같습니다.

x의 경우 - 거래 번호, y의 경우 - 이익 금액(포인트). 수수료 등은 고려하지 않았습니다. 테스트 간격 3.5개월.

최대 60개의 거래를 거래할 필요가 없습니다. 이는 이전 선물이 마감되기 전이며 예측이 특히 가능하지 않습니다. 급격한 점프는 내가 생각하기에 장중 간격입니다.

글쎄, 그리고 파이썬 코드. 더 쉬워지지 않아

재미있어 보이는데 밤에 문을 닫고 10시에 여는 게 어때?

 
알렉세이 비아즈미킨 :

재미있어 보이는데 밤에 문을 닫고 10시에 여는 게 어때?

아무것도 고려되지 않습니다. NS에 직접 Close 기록의 지속적인 흐름. 국회 예보대로 문을 열고 5m 뒤 멍하니 닫는다.

 
막심 드미트리예프스키 :

xgboost 웹사이트에서 그런 설정을 찾지 못했습니다. 음, "매개변수 조정" 섹션이 있고 거기에 편향-분산 트레이드오프에 대한 모든 것이 있습니다.

간단히 말해서 내가 생각한 것과 비슷한 것

안쓰고 그냥 궁금해서

xgb.train 기능에 대한 패키지의 PDF 설명은 다음과 같습니다.

weight - 입력의 각 행에 대한 가중치를 나타내는 벡터.

그리고 그게 다야.

ELM에서도 마찬가지입니다. 나는 다른 곳에서 보았다.

 
도서관 :

xgb.train 기능에 대한 패키지의 PDF 설명은 다음과 같습니다.

weight - 입력의 각 행에 대한 가중치를 나타내는 벡터.

그리고 그게 다야.

부스트에 진지하게 임하고 있는 아저씨가 물어봤더니 mb가 나중에 답해줄게

 
유리 아사울렌코 :

아무것도 고려되지 않습니다. NS에 직접 Close 기록의 지속적인 흐름. 우리는 예측에 따라 열리고 5m 후에 어리석게 닫힙니다.

그런 다음 이러한 점을 확인하십시오. 훈련 중에 Si에서 어떻게 든 잘 쳤지만 브로치없이 정지에서 10시에 닫는 것은 현실적이지 않은 것으로 밝혀져 결과를 크게 왜곡했습니다.

1...136713681369137013711372137313741375137613771378137913801381...3399
새 코멘트
사유: