~ w^ 2 - 10 * cos ( 2 * pi * w) + x^ 2 - 10 * cos ( 2 * pi * x) + y^ 2 - 10 * cos ( 2 * pi * y) + z^ 2 - 10 * cos ( 2 * pi * z) + 10 * 4
파생 상품:
2 * w + 10 * ( sin ( 2 * pi * w) * 2 * pi
2 * x + 10 * ( sin ( 2 * pi * x) * 2 * pi
2 * y + 10 * ( sin ( 2 * pi * y) * 2 * pi
2 * z + 10 * ( sin ( 2 * pi * z) * 2 * pi
패키지 GenSA, lbfgs, lbfgsb3, n1qn1 및 표준 optim() 함수의 다양한 방법 비교
결과: 패키지, 피트니스(및 그래디언트) 함수 호출 수, 발견된 매개변수, 검색이 중지된 최종 결과.
처음 세 함수(n1qn1, lbfgs, lbfgsb3)는 분석적으로 구한 기울기를 사용합니다.
결과 = 0이 이상적이며 0에서 멀수록 더 나쁩니다.
그는 도함수를 매우 잘 알고 있음을 알 수 있습니다. lbfgsb3은 피트니스 함수를 12번 호출하여 완벽한 결과를 얻었습니다. 그라디언트를 수치적으로 결정하는 것 중에서 가장 좋은 것은 BFGS 방법을 사용한 표준 optim 함수였으며 49번은 피트니스 함수를 호출했습니다.
결론 - 파생 상품은 매우 좋습니다. 예를 들어 뉴런의 경우 이상적으로는 모든 가중치에 대한 도함수를 찾아 backprop 대신 lbfgsb3에 넣을 수 있습니다. 그러나 이 전체 테스트 결과는 모든 매개변수에 대해 도함수를 찾을 수 있는 평활 함수에만 적용됩니다. 함수 매개변수가 약간의 변경에도 결과를 무작위로 변경하는 경우 유전학, GenSA 및 기타 확률론적 알고리즘이 더 좋습니다.
그린 차트 자체를 거래하시겠습니까? 그렇다면 처음에는 그것이 유로화 거래에 대한 지표라고 생각했습니다.
먼저 알아낼 필요가 있습니다. 이것은 임의의 프로세스인지 아니면 일반 시계열 과 같은 메모리를 가지고 있습니까?
그가 기억력이 있다면 Masha와 Arima가 유용 할 수 있습니다. 그러나 그래프가 완전히 무작위이면 Markov 프로세스에 대한 모델이 필요합니다. 나는 이것을 하는 방법을 모르지만 Alexander는 Wiener 모델에 대해 뭔가 말했습니다. 예를 들어 당신은 그것으로 시작할 수 있습니다.
그린 차트 자체를 거래하시겠습니까? 그렇다면 처음에는 그것이 유로화 거래에 대한 지표라고 생각했습니다.
먼저 이것이 임의의 프로세스인지 아니면 일반 시계열과 같은 메모리가 있는지 파악해야 합니다.
그가 기억력이 있다면 Masha와 Arima가 유용 할 수 있습니다. 그러나 그래프가 완전히 무작위이면 Markov 프로세스에 대한 모델이 필요합니다. 나는 이것을 하는 방법을 모르지만 Alexander는 Wiener 모델에 대해 뭔가 말했습니다. 예를 들어 그것을 시작할 수 있습니다.
여기에서 그것은 기억이 있는지 여부를 결정해야 함을 의미합니다 .. 내가 이해하는 것처럼 꼬리에 의해 결정되는 것입니까?
막심 드미트리예프스키 :
국회가 끝나기까지 3주가 남았습니다. :)) 성배든, 젠장. 베팅하세요 :)
확률을 먼저 듣는 것은 나쁘지 않습니다. 여기에서 결국 아무도 영장을받지 않습니다.)
나는 최소한 하나의 부드러운 기능을 긴급히 찾아야했고 , 먼저 더 빠른 주제에 대해 다른 패키지를 비교하기로 결정했습니다. 테스트를 위해 Rastrigin 함수(일부 교수에 따르면 최적화하기 가장 어려운 함수)를 사용했습니다.
Rastrigin <- function(x){ return (sum(x^ 2 - 10 * cos ( 2 * pi * x)) + 10 * length(x)) }테스트를 위해 4개의 매개변수를 사용했습니다.
파생 상품:
패키지 GenSA, lbfgs, lbfgsb3, n1qn1 및 표준 optim() 함수의 다양한 방법 비교
결과:
패키지, 피트니스(및 그래디언트) 함수 호출 수, 발견된 매개변수, 검색이 중지된 최종 결과.
처음 세 함수(n1qn1, lbfgs, lbfgsb3)는 분석적으로 구한 기울기를 사용합니다.
결과 = 0이 이상적이며 0에서 멀수록 더 나쁩니다.
그는 도함수를 매우 잘 알고 있음을 알 수 있습니다. lbfgsb3은 피트니스 함수를 12번 호출하여 완벽한 결과를 얻었습니다.
그라디언트를 수치적으로 결정하는 것 중에서 가장 좋은 것은 BFGS 방법을 사용한 표준 optim 함수였으며 49번은 피트니스 함수를 호출했습니다.
결론 - 파생 상품은 매우 좋습니다. 예를 들어 뉴런의 경우 이상적으로는 모든 가중치에 대한 도함수를 찾아 backprop 대신 lbfgsb3에 넣을 수 있습니다.
그러나 이 전체 테스트 결과는 모든 매개변수에 대해 도함수를 찾을 수 있는 평활 함수에만 적용됩니다. 함수 매개변수가 약간의 변경에도 결과를 무작위로 변경하는 경우 유전학, GenSA 및 기타 확률론적 알고리즘이 더 좋습니다.
코드가 포함된 파일을 첨부했습니다. 기능에서 테스트할 수 있습니다.
그러한 계열이 일부 아리마에 의해 예측될 수 있는지, 아니면 평균으로 되돌리는 작업에 충분한지 궁금합니다. 우리는 인상적으로 안정적인 결과를 달성했습니다(공적분 다이어그램), 작업 수익은 2 스프레드 이상
평균으로의 회귀는 마샤와도 거래할 수 있습니다. 그러나 평균이 추세를 따라 움직이는 경우 가격 평균이 어디에 있는지 확인하는 방법은 무엇입니까? (질문은 수사학적입니다 - 절대 아닙니다).
평균으로의 회귀는 마샤와도 거래할 수 있습니다. 그러나 평균이 추세를 따라 움직이는 경우 가격 평균이 어디에 있는지 확인하는 방법은 무엇입니까? (질문은 수사학적입니다 - 절대 아닙니다).
여기서 평균은 0입니다. 이것은 시장 중립 전략입니다.
게다가 순전히 통계로 내보내야 함) 어디로 이동하면 블랙박스에서 더 이상 분해할 수 없는 것
요컨대 계획된 3가지 중 2번째 전략은 거의 완성(첫번째의 결과는 이미 작성되어 작동하지 않음)
이것이 작동하지 않으면 마지막 것이 남습니다)
그리고 이것에 MO를 사용하면 끝낼 수 있습니다.
그러한 계열이 일부 아리마에 의해 예측될 수 있는지, 아니면 평균으로 되돌리는 작업에 충분한지 궁금합니다. 우리는 인상적으로 안정적인 결과를 달성했습니다(공적분 다이어그램), 작업 수익은 2 스프레드 이상
공동 통합은 용어이며 귀하의 그림과 아무 관련이 없습니다.
arima를 사용할 가능성은 여러 테스트에 의해 결정되며, 그 중 주요 테스트는 시계열 에서 아치 효과의 존재를 결정하는 아치입니다. 약 20%인 아치 효과가 없으면 거래하지만 ... 이 섹션은 이미 통과했거나 거의 통과했거나 ...
공동 통합은 용어이며 귀하의 그림과 아무 관련이 없습니다.
arima 사용 가능성은 시계열에서 아치 효과의 존재를 결정하는 아치가 주요 테스트인 여러 테스트에 의해 결정됩니다. 약 20%인 아치 효과가 없으면 거래하지만 ... 이 섹션은 이미 통과했거나 거의 통과했거나 ...
3번째로 공적분을 정의해 봅시다.. 무엇이며 내 그림에는 적용되지 않는 이유는 무엇입니까? :)
이건 이미 시험장에서 찍은 사진이라 히스토리는 전혀 안봐서 거기는 항상 모든게 완벽해
또는 이 스레드가 일반적으로 무엇에 관한 것인지 - ML을 위한 전략을 개발하거나 R의 다양한 기능을 분석하는 것에 대해, 제 생각에는 몇 개월 만에 적어도 일부 결과를 버렸습니다. :)
여기서 평균은 0입니다. 이것은 시장 중립 전략입니다.
그린 차트 자체를 거래하시겠습니까? 그렇다면 처음에는 그것이 유로화 거래에 대한 지표라고 생각했습니다.
먼저 알아낼 필요가 있습니다. 이것은 임의의 프로세스인지 아니면 일반 시계열 과 같은 메모리를 가지고 있습니까?
그가 기억력이 있다면 Masha와 Arima가 유용 할 수 있습니다.
그러나 그래프가 완전히 무작위이면 Markov 프로세스에 대한 모델이 필요합니다. 나는 이것을 하는 방법을 모르지만 Alexander는 Wiener 모델에 대해 뭔가 말했습니다. 예를 들어 당신은 그것으로 시작할 수 있습니다.
3번째로 공적분을 정의해 봅시다.. 무엇이며 내 그림에는 적용되지 않는 이유는 무엇입니까? :)
이건 이미 시험장에서 찍은 사진이라 히스토리는 전혀 안봐서 거기는 항상 모든게 완벽해
공적분에는 적어도 두 개의 시계열 이 있습니다.
하지만 그게 다가 아닙니다.
이 행은 고정되어 있지 않습니다.
하지만 그게 다가 아닙니다.
이러한 NOT 고정 계열은 결과가 고정되도록 연결해야 합니다.
이 STATIONARY 시리즈에서 거래 결정이 이루어지며 이는 예측 가능성을 보장합니다.
그린 차트 자체를 거래하시겠습니까? 그렇다면 처음에는 그것이 유로화 거래에 대한 지표라고 생각했습니다.
먼저 이것이 임의의 프로세스인지 아니면 일반 시계열과 같은 메모리가 있는지 파악해야 합니다.
그가 기억력이 있다면 Masha와 Arima가 유용 할 수 있습니다.
그러나 그래프가 완전히 무작위이면 Markov 프로세스에 대한 모델이 필요합니다. 나는 이것을 하는 방법을 모르지만 Alexander는 Wiener 모델에 대해 뭔가 말했습니다. 예를 들어 그것을 시작할 수 있습니다.
여기에서 그것은 기억이 있는지 여부를 결정해야 함을 의미합니다 .. 내가 이해하는 것처럼 꼬리에 의해 결정되는 것입니까?