트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 1808

[mytarmailS]

알렉세이 비아즈미킨 :

시도해 주셔서 감사합니다.

어떤 ZZ를 사용하셨나요? 범위가 다른 두 개의 레이블이 지정된 ZZ를 보내주실 수 있습니까?

이제 분할을 그룹화하여 더 적은 수의 조합이 있을 것입니다.

제발...

절대적으로 200 또는 300입니다.

균형에 ZZ? 어떤 밴드에 관심이 있는지 알려주세요

아니면 약간의 R을 배울 수 있습니까? ;)

5줄의 코드로 원하는 것을 얻었습니다.

 # читаем файл
dat <- read.csv(file = "D:\\R2\\forum\\models\\Balans_OHLCV.csv" ,sep = ";" )
# установка библы с индикаторами в том числе зигзаг
install.packages( "TTR" )
# считаем зигзаг по баласну
my_ZZ <- TTR::ZigZag( dat$Balans ,change = 200 ,percent = F)
# зигзаг в бинарный вид
zz <- c( 0 ,diff(my_ZZ)) ; zz[zz>= 0 ] <- 1 ; zz[zz< 0 ] <-   0
zz
# добавляем зз как колонку к данным
dat_and_zz <- cbind(dat, zz)
# пишем данные в новый файл  csv
write.csv(dat_and_zz, file = "D:\\R2\\forum\\models\\Balans_OHLCV_ZZ.csv" ,sep = ";" )

[Vladimir Perervenko]

# установка библы с индикаторами в том числе зигзаг
install.packages( "TTR" )
# читаем файл
dat <- read.csv(file = "D:\\R2\\forum\\models\\Balans_OHLCV.csv" ,sep = ";" )->.;
# считаем зигзаг по баласну
TTR::ZigZag(., change = 200 , percent = F)->.;
# зигзаг в бинарный вид
c( 0 , diff(.)) ->.;
sign(.)->.;
# добавляем зз как колонку к данным
cbind(dat, zz = .) -> dat_and_zz 
# пишем данные в новый файл  csv
write.csv(dat_and_zz, file = "D:\\R2\\forum\\models\\Balans_OHLCV_ZZ.csv" ,sep = ";" )

이 방법이 더 좋습니다. 중간 불필요한 쓰레기가 적습니다.

행운을 빕니다

[mytarmailS]

블라디미르 페레르벤코 :

이 방법이 더 좋습니다. 중간 불필요한 쓰레기가 적습니다.

행운을 빕니다

감사합니다 Vladimir, 나는 이것이 가능한지조차 몰랐습니다))) !! 나는 R을 사랑하고 항상 즐겁게 놀람을 줍니다!

데이터를 이산화하고 이 이산화를 새 데이터로 전송하는 방법을 언제 보여주실 건가요? :)

[Vladimir Perervenko]

글쎄, 나는 당신에게 기사에 대한 링크를 주었다. 여기 그녀가 있습니다.

"이산화" 패키지가 사용됩니다.

이산화 는 경계를 결정하는 다양한 방법을 사용하여 값을 섹션으로 나누어 연속 변수를 이산 변수로 변환하는 프로세스입니다.

두 그룹의 분리 방법으로 구분할 수 있습니다. 즉, 대상과 연결되지 않은 정량적, 대상 범위의 일치를 고려한 것입니다.

첫 번째 메서드 그룹은 cut2()::Hmisc 함수 에 의해 거의 완전히 다루어집니다. 샘플을 미리 정해진 수의 사이트로 나눌 수 있으며 특정 경계, 사분위수, 각 사이트에 최소한의 예가 있는 동일한 빈도 사이트로 나눌 수 있습니다.

두 번째 방법 그룹은 변수를 대상 수준과 관련된 섹션으로 나누기 때문에 더 흥미롭습니다. 이러한 메서드를 구현하는 여러 패키지를 살펴보겠습니다.

이산화. 이 패키지는 감독된 이산화 알고리즘 세트입니다. 또한 이산화 알고리즘의 "하향식" 또는 "상향식" 구현 측면에서 그룹화할 수 있습니다. 우리의 dataSet 을 예로 사용하여 그들 중 일부를 살펴보겠습니다."

최소 기술 길이 원칙을 사용하여 이산화를 기술하는 이산화:: mdlp() 함수를 사용합니다. 이 함수는 중지 규칙으로 최소 설명 길이를 갖는 엔트로피 기준을 사용하여 데이터 행렬의 연속 속성을 이산화합니다. 우수한 분할이지만 길다. 테스트 세트를 이산화하기 위해 base::findinterval()을 사용합니다. 이 기사에는 기능과 예제가 있습니다. 이것은 이산화를 위한 유일한 패키지가 아닙니다. Navsidku: glmdisc, smbinning, cutpointr(바이너리 대상용), woeBinning 및 기타. 다음은 CRAN의 패키지입니다. 좋은 MOB 패키지가 있습니다 - Github에서 설치하십시오. 나는 이것들을 테스트했고 그들은 작동합니다. 이산화 결과(woe, bin, raw...)를 얻고자 하는 형식에 따라 다릅니다.

노력하다.

행운을 빕니다

[Valeriy Yastremskiy]

블라디미르 페레르벤코 :

이산화 결과(woe, bin, raw...)를 얻고자 하는 형식에 따라 다릅니다.

나는 당신이 원하는 것을 좋아했습니다)))) 그러나 이것이 옳다는 것을 의미하지는 않습니다) Gruuuus ...........

[mytarmailS]

블라디미르 페레르벤코 :

글쎄, 나는 당신에게 기사에 대한 링크를 주었다. 여기 그녀가 있습니다.

"이산화" 패키지가 사용됩니다.

아니요, 그들은하지 않았습니다 :)

다른 패키지를 살펴보고 기사를 읽었지만 이산화할 때 새 데이터로 작업하는 방법을 찾지 못했습니다. 어쨌든 잘 보이지 않았을 것입니다.

[Evgeny Dyuka]

블라디미르 페레르벤코 :

글쎄, 나는 당신에게 기사에 대한 링크를 주었다. 여기 그녀가 있습니다.

논문 도 많고 연구도 흥미롭지만 실제적인 결과에 대한 요약은 없나요?
저것들. 이 모든 것이 실제 시장에서 얼마나 효과가 있습니까?

[Vladimir Perervenko]

예브게니 듀카 :

논문 도 많고 연구도 흥미롭지만 실제적인 결과에 대한 요약은 없나요?
저것들. 이 모든 것이 실제 시장에서 얼마나 효과가 있습니까?

공장. 내 말을 믿어?

모든 코드가 게시되었습니다. 만들고, 시도하십시오.

가장 중요한 것은 모델이 아니지만 중요합니다. 예측자와 그 준비(전처리)가 중요합니다. 데이터를 더 잘 준비할수록 모델이 더 단순해집니다.

행운을 빕니다

[Evgeny Dyuka]

블라디미르 페레르벤코 :

공장. 그것을 위해 내 말을 받아 ?

모든 코드가 게시되었습니다. 만들고, 시도하십시오.

가장 중요한 것은 모델이 아니지만 중요합니다. 예측자와 그 준비(전처리)가 중요합니다. 데이터를 더 잘 준비할수록 모델이 더 단순해집니다.

행운을 빕니다

물론, 나는 모든 것을주의 깊게 읽고 코드를 분석 할 것이라고 믿습니다. 특히 지금은 할 일이없고 시간이 많습니다.
그러나 내가 이것에 대해 일주일을 보내기 전에 " 위의 방법은 실제 시장에서 이러한 결과를 제공합니다 ... "와 같은 문구로 시작하는 기사와 몇 개의 차트 또는 표에 연결할 수 있습니다.

[mytarmailS]

예브게니 듀카 :
물론, 나는 모든 것을주의 깊게 읽고 코드를 분석 할 것이라고 믿습니다. 특히 지금은 할 일이없고 시간이 많습니다.
그러나 내가 이것에 대해 일주일을 보내기 전에 " 위의 방법은 실제 시장에서 이러한 결과를 제공합니다 ... "와 같은 문구로 시작하는 기사와 몇 개의 차트 또는 표에 연결할 수 있습니다.

글쎄, 거의 모든 두 번째 기사는 새로운 데이터에 대한 테스트로 끝납니다.

거기 여기있다