유리 아사울렌코 : 그건 그렇고, 한 번에 나는 Masha (단순하지 않지만 황금색, 즉 비표준)에게 예측하도록 가르쳤습니다. 시계열의 약 70% 어딘가에서 모든 것이 단순히 놀랍습니다. 나머지 30%는 무엇을 알고 있는지 .. 하지만 실제로 사용할 방법이 없습니다.
따라서 신자의 70%는 일반적으로 아무것도 아닙니다. 이 70%의 정답 중 약 3분의 1이 거래 입력에 적합합니다. 23% 남습니다. 잘못된 예측의 30%에 대해(그리고 그것이 사실인지 아닌지 미리 알 수 없음) 이것은 아무것도 아닙니다. 그리고 변곡점(방향의 변화)에는 여전히 잘못된 예측이 존재하며 이 영역은 거래에 가장 적합합니다.
이를 바탕으로 예측에 종사하는 것은 무의미하지만 분류에 종사해야 한다고 생각합니다. 저것들. 특정 순간이 거래에 적합한지 여부를 결정합니다. 모델에 따르면 20-40%의 입력 오류가 발생하며 더 정확한 수치는 항목의 앞부분에서 제공되었습니다.
아니요, 그것은 모두 의사 고정 시리즈를 일관되게 구축하고 가능한 한 자주 재교육해야 한다는 사실로 귀결되었습니다.. 원칙적으로 저도 마찬가지입니다.
또는 선형\비선형 필터 를 구축합니다. .. 제가 이해한 대로 그 전에 예측 변수가 대상에 미치는 영향의 역학을 고려하고 변경 사항에 따라 필터 계수를 통해 출력 신호를 조정해야 합니다. 환경에서
글쎄, 일반적으로 특별한 것은 없습니다. 적어도 이 장에서는.
여하튼 저는 Vladimir Perervenko 와 함께 머신 러닝 모델의 각도에서 비정상성 문제에 대해 논의했습니다.
그는 non-stationarity의 문제가 MO와 아무 관련이 없다고 확신했습니다. 나는 NS와 거래한 적이 없기 때문에 그의 의견을 반박할 논거가 없었다. 또한 NN을 제외한 다른 트리와 다른 트리가 비정상 예측자와 잘 작동한다는 직관적인 이해가 있었습니다.
귀하의 게시물과 귀하의 개인적인 경험에 대한 링크는 반대라고 말합니다. 적어도 NN과 관련하여 예측 변수의 비정상성을 고려해야 합니다.
그렇다면 오늘날에는 고정되지 않은 시리즈에서 작업을 시도하는 거의 유일한 도구가 있습니다. 이들은 garch 모델입니다. 필터, 각 막대에 대한 재교육... 비정상 문제를 해결할 수 없음 - 배수가 보장되고 스톱을 통해 미끄러질 것입니다...
그러나 나머지 모델에 대한 질문은 남아 있으며 많은 모델이 있습니다. 비정상성을 고려해야 한다는 증거는 없습니다. 내가 시도한 모델의 과적합은 항상 노이즈 예측자와 관련이 있습니다.
저에게 비정상 및/또는 노이즈 예측기로 문제를 해결하는 것은 기계 학습의 초석입니다. 이러한 문제를 해결하는 수준에 따라 시뮬레이션의 오류 수준이 결정됩니다. 실제 모델 자체를 적용하는 복잡성은 단순히 우스꽝스럽고 나는 고려하지 않습니다.
그렇다면 오늘날에는 고정되지 않은 시리즈에서 작업을 시도하는 거의 유일한 도구가 있습니다. 이들은 garch 모델입니다. ...
현재로서는 단일 도구가 없다고 말하고 싶습니다. 효과적으로 예측
별도의 경우가 있습니다 - 일정 기간 동안 좋은 돈을 벌 수 있는 황소 눈에 대한 임의의 일시적인 히트
또는 차익 거래 패턴의 활용, 평균
당신과 내가하고있는 일 - 의미있게 예측하는 시스템 ... 이것은 모든 종류의 시장 프로세스 및 모델을 이해한다는 측면에서 공상 과학의 범주에 속합니다. :)
즉, 이것은 가장 거친 게임입니다. 사람들은 여기에 와서 읽고 나서 공황 상태에서 자신의 무력감에서 슬픔을 범람하기 위해 달려갑니다. :)
현재로서는 단일 도구가 없다고 말하고 싶습니다. 효과적으로 예측
별도의 경우가 있습니다 - 일정 기간 동안 좋은 돈을 벌 수 있는 황소 눈에 대한 임의의 일시적인 히트
또는 차익 거래 패턴의 활용, 평균
당신과 내가하고있는 일 - 의미있게 예측하는 시스템 ... 이것은 모든 종류의 프로세스와 모델을 이해한다는 측면에서 공상 과학 범주에 속합니다. :)
https://github.com/uber/pyro
가치.... 가치... 무슨 가치를 말하는거야? - R에는 키워드별로 이러한 가치가 24개 있고 패키지별로는 약 12개 있습니다. 좋고 다릅니다.)
가입하다
rugarch 패키지: ARMA(1,1); 리얼가치; 치우친 t-분포. 미묘함의 무리
현재로서는 단일 도구가 없다고 말하고 싶습니다. 효과적으로 예측
별도의 경우가 있습니다 - 일정 기간 동안 좋은 돈을 벌 수 있는 황소 눈에 대한 임의의 일시적인 히트
또는 차익 거래 패턴의 활용, 평균
당신과 내가하고있는 일 - 의미있게 예측하는 시스템 ... 이것은 모든 종류의 시장 프로세스 및 모델을 이해한다는 측면에서 환상의 범주에 속합니다. :)
즉, 이것은 가장 거친 게임입니다. 사람들은 여기에 와서 읽고 나서 공황 상태에서 자신의 무력감에서 슬픔을 범람하기 위해 달려갑니다. :)
그것은 절망입니다. 휴식을 취하고 데이터 마이닝부터 시작해야 합니다.
대략 70% 정도의 적절한 예측을 하신 걸로 기억합니다. 위에 글을 올렸습니다
그건 그렇고, 한 번에 나는 Masha (단순하지 않지만 황금색, 즉 비표준)에게 예측하도록 가르쳤습니다. 시계열의 약 70% 어딘가에서 모든 것이 단순히 놀랍습니다. 나머지 30%는 무엇을 알고 있는지 .. 하지만 실제로 사용할 방법이 없습니다.
따라서 신자의 70%는 일반적으로 아무것도 아닙니다. 이 70%의 정답 중 약 3분의 1이 거래 입력에 적합합니다. 23% 남습니다. 잘못된 예측의 30%에 대해(그리고 그것이 사실인지 아닌지 미리 알 수 없음) 이것은 아무것도 아닙니다. 그리고 변곡점(방향의 변화)에는 여전히 잘못된 예측이 존재하며 이 영역은 거래에 가장 적합합니다.
이를 바탕으로 예측에 종사하는 것은 무의미하지만 분류에 종사해야 한다고 생각합니다. 저것들. 특정 순간이 거래에 적합한지 여부를 결정합니다. 모델에 따르면 20-40%의 입력 오류가 발생하며 더 정확한 수치는 항목의 앞부분에서 제공되었습니다.
따라서 신자의 70%는 일반적으로 아무것도 아닙니다. 이 70%의 정답 중 약 3분의 1이 거래 입력에 적합합니다.
왜 세 번째인가?
모두 70%. 예측은 1시간 동안 유효합니다. 그럼 다시.
예측은 무의미하지만 분류를 처리해야 합니다.
나는 아무것도 이해하지 못한다.
예를 들어, 오후 1시에 다음 시간에 long이 있을 것이라는 예측자 조합의 clous가 도착합니다. 다음 마감까지, 오후 2시까지.
예측 없이 분류가 어떻게 존재합니까? 예측할 수 없다면 금융 시장에서 분류가 필요한 이유는 무엇입니까?
예측 없이 분류가 어떻게 존재합니까? 예측할 수 없다면 금융 시장에서 분류가 필요한 이유는 무엇입니까?