아니요, Java는 인터프리터 언어가 아니지만 브로드캐스트는 C#과 같이 번역이 한 번 발생하고 결과는 가상 머신에 의해 실행되는 "바이트 코드"입니다. Java 및 SeaSharp는 C++보다 크게 느리지 않습니다. 1-2 벡터, 목록 등과 같은 높은 수준의 표준 추상화로 작업할 때 포인터로 작업하고 메모리에 적절한 배치로 인해 알고리즘에 따라 낮은(안전하지 않은) 수준에서만 최적화합니다. java\c#에 필적하는 성능. 그리고 파이썬과 R은 수십 번, 때로는 수백 번을 잃습니다. 네이티브 알고리즘을 작성하면 매번 런타임에 해석이 발생합니다.
유리 아사울렌코 : 왜 파이썬이 아닌지 궁금합니다. 엠비. 같은 R? 젠장 이해가 안가네요.
독성 :
나는 Mikhail에 대해 이야기하지 않겠습니다. 그는 자신의 선택에 대해 논쟁할 수 있지만 아마도 Python과 R이 고급 언어를 해석하기 때문에 그들은 Matlab 또는 "수학"과 같은 라이브러리 집합에 대한 인터페이스와 비슷하다고 가정할 수 있습니다. 커맨드 라인은 언어 자체보다 리뷰용으로 매우 훌륭하지만 프로덕션에서는 독점 알고리즘과 싸워야 할 때 기회가 없습니다. 스쿠터에서 공식 1을 물리치는 것과 같습니다.
Java는 보편적인 언어입니다. 그 안에 새로운 메타트레이더 또는 matlab을 작성할 수 있고 Python 또는 R은 실험 및 통계용으로만 사용할 수 있습니다. 실험이 끝나고 프로덕션 코드를 작성해야 할 때 Java 또는 C++를 작성해야 하므로 더 많은 플러스나 자바는 이런 식으로 공부해야 하고 R을 사용하는 파이썬은 "영혼을 위한 것"뿐이기 때문에 시간이 있는 문제입니다.
항상 그렇듯이 VAR, VECM, vars 패키지를 찾아야 합니다. 여기에는 링크가 있습니다. SETAR별 입장 제한
나는 그것을 첨부했고 그래서 구글에 도움말 - 문학 및 특정 응용 프로그램 ....
확산을 극복했다면 공유할 수도 있습니다. 그런 아름다움이 없으면 눈을 뗄 수가 없다.
나는 그것을 읽었습니다. 일반적으로 나는 이미 이것을 (유사) 했고 증분을 보여주었습니다. 하지만 RF를 통해 했다. 거기에서 잔액은 실제로 스프레드보다 적습니다. LR을 통해 잔액은 더 심각해야 합니다(포인트 단위). RF는 모든 종속성을 기억하는 데 너무 강력합니다. 그러나 주제 자체는 흥미 롭습니다. 그러한 모델이 이미 발명되었다는 것을 모르고 직관적으로 왔습니다. :)
어떤 이유로 테스트를 무시하고 테스트 없이는 공적분을 생각할 수 없습니다. 결국, 공적분의 주요 아이디어는 STATIONARY 시리즈에 대한 거래 결정의 채택이며 이러한 시리즈는 NOT 고정 시리즈와 달리 예측됩니다. 이 테스트를 통해 역사에 대한 예측 가능성의 증거를 얻을 수 있습니다.
산산이치 포멘코 : 어떤 이유로 테스트를 무시하고 테스트 없이는 공적분을 생각할 수 없습니다. 결국, 공적분의 주요 아이디어는 STATIONARY 시리즈에 대한 거래 결정의 채택이며 이러한 시리즈는 NOT 고정 시리즈와 달리 예측됩니다. 이 테스트를 통해 역사에 대한 예측 가능성의 증거를 얻을 수 있습니다.
글쎄, 비디오에서 훈련 샘플의 STATIONARY 시리즈가 앞으로 어떻게 non-stationary 시리즈로 변하는지보십시오. 모든 것이 이미 표시되어 있는데 왜 많은 테스트를 리벳팅합니까?
같은 위치에서 표준 편차 로 추론됩니다. 많은 3+ 편차가 새 데이터에 나타나며 이는 벡터 모델이 일반적인 모델과 동일하게 작동하지 않음을 나타냅니다.
조금 후에 나는 또 다른 프레젠테이션을 할 것입니다. 모든 것이 조금 더 흥미롭게 보입니다. :)
산산이치 포멘코 : 어떤 이유로 테스트를 무시하고 테스트 없이는 공적분을 생각할 수 없습니다. 결국, 공적분의 주요 아이디어는 STATIONARY 시리즈에 대한 거래 결정의 채택이며 이러한 시리즈는 NOT 고정 시리즈와 달리 예측됩니다. 이 테스트를 통해 역사에 대한 예측 가능성의 증거를 얻을 수 있습니다.
다음과 같이 가자:
화면에서 빨간색은 현재 쌍의 지연이 55인 증가분이고 녹색은 근사값입니다. 흠.. 벡터 비선형 자기회귀라고 합시다(현재 쌍과 다른 통화 쌍(GBPUSD)의 증가가 사용됨) , 여러 다른 것들). 물론 현재 쌍의 지연이 55인 예측된 증분은 모델의 입력에 제공되지 않고 출력에만 제공됩니다.
모든 것이 역사에서 멋지게 보입니다.
다음으로, 모델이 앞으로 어떻게 작동하는지 비디오를 봅시다.
표준 편차가 있는 이전 비디오에서는 명확하지 않았습니다. 두 곡선의 차이를 가져와 편차를 계산했습니다.
아니요, Java는 인터프리터 언어가 아니지만 브로드캐스트는 C#과 같이 번역이 한 번 발생하고 결과는 가상 머신에 의해 실행되는 "바이트 코드"입니다. Java 및 SeaSharp는 C++보다 크게 느리지 않습니다. 1-2 벡터, 목록 등과 같은 높은 수준의 표준 추상화로 작업할 때 포인터로 작업하고 메모리에 적절한 배치로 인해 알고리즘에 따라 낮은(안전하지 않은) 수준에서만 최적화합니다. java\c#에 필적하는 성능. 그리고 파이썬과 R은 수십 번, 때로는 수백 번을 잃습니다. 네이티브 알고리즘을 작성하면 매번 런타임에 해석이 발생합니다.
기능 선택
Lowess 평활 알고리즘의 적용:데이터의 이상값을 필터링합니다.
델타, 도함수, 로그 도함수, ema 및 lowes로 추세 제거:
유리 아사울렌코 :
왜 파이썬이 아닌지 궁금합니다. 엠비. 같은 R? 젠장 이해가 안가네요.
독성 :
나는 Mikhail에 대해 이야기하지 않겠습니다. 그는 자신의 선택에 대해 논쟁할 수 있지만 아마도 Python과 R이 고급 언어를 해석하기 때문에 그들은 Matlab 또는 "수학"과 같은 라이브러리 집합에 대한 인터페이스와 비슷하다고 가정할 수 있습니다. 커맨드 라인은 언어 자체보다 리뷰용으로 매우 훌륭하지만 프로덕션에서는 독점 알고리즘과 싸워야 할 때 기회가 없습니다. 스쿠터에서 공식 1을 물리치는 것과 같습니다.
Java는 보편적인 언어입니다. 그 안에 새로운 메타트레이더 또는 matlab을 작성할 수 있고 Python 또는 R은 실험 및 통계용으로만 사용할 수 있습니다. 실험이 끝나고 프로덕션 코드를 작성해야 할 때 Java 또는 C++를 작성해야 하므로 더 많은 플러스나 자바는 이런 식으로 공부해야 하고 R을 사용하는 파이썬은 "영혼을 위한 것"뿐이기 때문에 시간이 있는 문제입니다.
https://medium.com/deep-learning-turkey/google-colab-free-gpu-tutorial-e113627b9f5d
항상 그렇듯이 VAR, VECM, vars 패키지를 찾아야 합니다. 여기에는 링크가 있습니다. SETAR별 입장 제한
나는 그것을 첨부했고 그래서 구글에 도움말 - 문학 및 특정 응용 프로그램 ....
확산을 극복했다면 공유할 수도 있습니다. 그런 아름다움이 없으면 눈을 뗄 수가 없다.
나는 그것을 읽었습니다. 일반적으로 나는 이미 이것을 (유사) 했고 증분을 보여주었습니다. 하지만 RF를 통해 했다. 거기에서 잔액은 실제로 스프레드보다 적습니다. LR을 통해 잔액은 더 심각해야 합니다(포인트 단위). RF는 모든 종속성을 기억하는 데 너무 강력합니다. 그러나 주제 자체는 흥미 롭습니다. 그러한 모델이 이미 발명되었다는 것을 모르고 직관적으로 왔습니다. :)
그리고 거래의 예, 순전히 시각적 (나는 아직 봇을 확인하지 않았습니다)
잔차는 정규 분포를 보이지만 일부 순환성은 완전히 선택되지 않습니다.
그리고 이것이 OOS에서 모델이 분해되는 방식입니다. 50개 막대마다 다시 계산되고 거의 즉시 다시 중단됩니다. :)
어떤 이유로 테스트를 무시하고 테스트 없이는 공적분을 생각할 수 없습니다. 결국, 공적분의 주요 아이디어는 STATIONARY 시리즈에 대한 거래 결정의 채택이며 이러한 시리즈는 NOT 고정 시리즈와 달리 예측됩니다. 이 테스트를 통해 역사에 대한 예측 가능성의 증거를 얻을 수 있습니다.
글쎄, 비디오에서 훈련 샘플의 STATIONARY 시리즈가 앞으로 어떻게 non-stationary 시리즈로 변하는지보십시오. 모든 것이 이미 표시되어 있는데 왜 많은 테스트를 리벳팅합니까?
같은 위치에서 표준 편차 로 추론됩니다. 많은 3+ 편차가 새 데이터에 나타나며 이는 벡터 모델이 일반적인 모델과 동일하게 작동하지 않음을 나타냅니다.
조금 후에 나는 또 다른 프레젠테이션을 할 것입니다. 모든 것이 조금 더 흥미롭게 보입니다. :)
어떤 이유로 테스트를 무시하고 테스트 없이는 공적분을 생각할 수 없습니다. 결국, 공적분의 주요 아이디어는 STATIONARY 시리즈에 대한 거래 결정의 채택이며 이러한 시리즈는 NOT 고정 시리즈와 달리 예측됩니다. 이 테스트를 통해 역사에 대한 예측 가능성의 증거를 얻을 수 있습니다.
다음과 같이 가자:
화면에서 빨간색은 현재 쌍의 지연이 55인 증가분이고 녹색은 근사값입니다. 흠.. 벡터 비선형 자기회귀라고 합시다(현재 쌍과 다른 통화 쌍(GBPUSD)의 증가가 사용됨) , 여러 다른 것들). 물론 현재 쌍의 지연이 55인 예측된 증분은 모델의 입력에 제공되지 않고 출력에만 제공됩니다.
모든 것이 역사에서 멋지게 보입니다.
다음으로, 모델이 앞으로 어떻게 작동하는지 비디오를 봅시다.
표준 편차가 있는 이전 비디오에서는 명확하지 않았습니다. 두 곡선의 차이를 가져와 편차를 계산했습니다.