트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 1496

[Maxim Dmitrievsky]

mytarmailS :

글쎄, 대략적으로 말하면, 여기에 모든 것의 기초를 가져온 기사가 있습니다. http://gekkoquant.com/2014/09/07/hidden-markov-models-examples-in-r-part-3-of -4/

다음은 이 기사의 예제에서 발췌한 코드입니다.

데이터 처리 및 시각화를 제거하면 예, 코드가 세 줄로 표시됩니다.

예를 들어, 강세장과 약세장 및 강세장이 있는 곳은 어디에서 얻을 수 있는지, 즉 일부 데이터의 초기 전처리가 필요합니다.

그런 다음 Viterbi를 통한 경로와 앞뒤로, 또한 2개의 다른 알고리즘을 통한 경로 계산이 있습니다. 아무것도 명확하지 않습니다, 나는 읽을 것입니다

파이썬에서는 lib hmmlearn에서 다음과 같이 보입니다.

>>> import numpy as np
>>> from hmmlearn import hmm
>>> np.random.seed( 42 )
>>>
>>> model = hmm.GaussianHMM(n_components= 3 , covariance_type= "full" )
>>> model.startprob_ = np.array([ 0.6 , 0.3 , 0.1 ])
>>> model.transmat_ = np.array([[ 0.7 , 0.2 , 0.1 ],
...                             [ 0.3 , 0.5 , 0.2 ],
...                             [ 0.3 , 0.3 , 0.4 ]])
>>> model.means_ = np.array([[ 0.0 , 0.0 ], [ 3.0 , - 3.0 ], [ 5.0 , 10.0 ]])
>>> model.covars_ = np.tile(np.identity( 2 ), ( 3 , 1 , 1 ))
>>> X, Z = model.sample( 100 )

[Ilya Antipin]

저는 현재 http://gekkoquant.com/2016/10/23/evolving-neural-networks-through-augmenting-topologies-part-4-of-4- 기사에서 토폴로지 증강을 통한 신경망 진화 라는 주제에 대해 작업하고 있습니다. 거래 전략.

devtools를 통해 RNeat 패키지를 원격으로 설치할 수 없었습니다. 나는 그 대안인 remotes(remotes::install_github)를 사용했습니다. MT4용 스크립트가 거의 준비되었습니다. 복잡한 전처리 변환을 제외하고 먼저 원시 데이터를 사용하려고 합니다. 임의의 수의 예측자로 작업하는 기능이 추가되었습니다. 재미있는 일이 생기면 올리겠습니다.

Forex 데이터용 R 스크립트의 예를 첨부합니다. 분석된 상품은 USDJPY-H1입니다. 초기 데이터는 마지막으로 알려진 가격이며 10 RSI 지연됩니다.

[mytarmailS]

일리야 안티핀 :

RNeat가 내 표시기에서 어떻게 작동하는지 보고 싶습니다.

[Ilya Antipin]

mytarmails :

잘 알려진 지표의 사용은 고정된 기간이 있더라도 썩은 생각입니다. 단일 알고리즘이 패턴을 찾지 못할 뿐 아니라 단순히 거기에 없기 때문에 시장은 동적, 프랙탈(상호 중첩 구조), 프랙탈리티(fractality)를 간접적으로 고려하더라도 최소한 조금은 시장에 적절하게 필요한 지표

동의한다. ZigZag 표시기로 좋은 결과를 얻었습니다. 나는 미완성 마지막 극단의 가격을 포함하여 최신 극단의 가격, 또는 그 파생물의 가격을 제시하고 있습니다. 지표는 훈련 세트의 각 인스턴스에 대해 계산됩니다. 즉, 다시 그리기가 없는 변형을 얻습니다. 어느 정도 만족스러운 결과를 보여주고 거래할 수 있는 유일한 지표입니다.

[mytarmailS]

일리야 안티핀 :
동의한다. ZigZag 표시기로 좋은 결과를 얻었습니다. 나는 미완성 마지막 극단의 가격을 포함하여 최신 극단의 가격, 또는 그 파생물의 가격을 제시하고 있습니다. 지표는 훈련 세트의 각 인스턴스에 대해 계산됩니다. 즉, 다시 그리기가 없는 변형을 얻습니다. 어느 정도 만족스러운 결과를 보여주고 거래할 수 있는 유일한 지표입니다.

제가 제대로 이해했다면 다른 알고리즘으로도 거의 동일하게 했는데 방향이 아니라 반전의 무릎이 예고된 부분인데 여기에 제가 가격을 처리하는 방법을 적었습니다 https://www.mql5.com/ ko/forum/86386/page1476

[Ilya Antipin]

RNeat 패키지에 대한 연구에 대한 첫인상입니다. 첫째, 모델은 매우 오랜 시간 동안 컴퓨터의 컴퓨팅 성능을 요구합니다. 둘째, 대상 입력을 적용할 때 완벽한 결과를 얻지 못합니다. 예측변수의 중요성을 직접적으로 평가하지 않는 독특한 학습 메커니즘을 담고 있음을 알 수 있다.

[mytarmailS]

일리야 안티핀 :
대상 입력을 적용하면 완벽한 결과를 얻지 못합니다.

뭔가 완전히 명확하지 않습니다 ... 더 자세히 할 수 있습니다

ps 그리고 대상은 무엇이었나요? 코드를 봤는데 이해가 안가는 부분이 이익극대화?

[Ilya Antipin]

mytarmailS :

제가 제대로 이해했다면 다른 알고리즘으로도 거의 동일하게 했는데 방향이 아니라 반전의 무릎이 예고된 부분인데 여기에 제가 가격을 처리하는 방법을 적었습니다 https://www.mql5.com/ ko/forum/86386/page1476

효과에 대한 시장 설명이 가능합니다. 시장 반전 지점(추세 변화)에서 더 강력한(기본적인) 가격 결정 요인의 발현과 관련된 수요와 공급 균형의 변화가 있습니다. 아마도 그러한 다양한 과거 지점 간의 수학적 관계는 미래 지점의 기술적 예측을 위한 귀중한 정보를 포함할 수 있습니다.

[mytarmailS]

일리야 안티핀 :
효과에 대한 시장 설명이 가능합니다. 시장의 전환점에서 더 강력한(기본적인) 가격 결정 요인의 발현과 관련된 수요와 공급 균형의 변화가 있습니다. 아마도 다양한 과거 포인트 간의 수학적 관계는 미래 포인트의 기술적 예측을 위한 귀중한 정보를 포함할 수 있습니다.

모든 것이 훨씬 더 단순 해 보입니다 ... 우리가 가격에서 중요한 극값 만 남기고 다른 모든 것을 버리고 방향이 아니라 극한의 흔적 만 예측하면 우리는 심하게 지우지 않습니다 엄청난 양의 노이즈로부터 데이터를 얻고 뉴런의 자유도를 줄입니다.

[Ilya Antipin]

mytarmailS :

모든 것이 훨씬 더 단순 해 보입니다 ... 우리가 가격에서 중요한 극값 만 남기고 다른 모든 것을 버리고 방향이 아니라 극한의 흔적 만 예측하면 우리는 심하게 지우지 않습니다 엄청난 양의 노이즈로부터 데이터를 얻고 그녀가 감사하는 뉴런의 자유도를 줄입니다.

네. 의심할 여지 없이, 유의한 극값을 사용하여 데이터의 차원을 줄이고 이는 차례로 학습 결과에 긍정적인 영향을 미칩니다.