Alexey Burnakov / 发布
论坛
交易中的机器学习：理论、模型、实践和算法交易
大家下午好 我知道论坛上有机器学习和统计爱好者。我建议大家在这个主题下进行讨论（不含holivars），分享并丰富我们自己在这个有趣领域的知识库。 对于初学者来说，俄语中有一个很好的理论资源： https://www.machinelearning.ru/。 关于信息特征选择方法的文献综述 ：https://habrahabr.ru/post/264915/ 。 我提出问题一 。我稍后将公布其解决方案。桑桑尼奇已经看过了，请不要告诉我答案。 导言：要建立交易算法，就必须知道哪些因素将成为预测价格、趋势或开仓方向的基础。选择这些因素并不是一件容易的事，它是无限复杂的。 附件中是我制作的 人工
对随机性的思考
下午好! 我在写这篇文章时，想知道如何不冒犯或激怒任何人，使之陷入混乱。我希望能有建设性的意见，而且，我只是问问（不是证明，不是反驳，只是希望有一个对话）。 如果你采取一系列多年的报价，并在其 基础 上创建 一个零 和一的 文件 ：如果下一个价格大于前一个价格，则为零；反之为一--你会得到一个伪随机序列。小心翼翼地用 "pseudo "前缀称呼它。 此外，我们根据伪随机序列生成理想的交易：如果是1，我们就买入并在下一栏出场，如果是0，我们就卖出并在下一栏出场。由此产生的股票图几乎是一条指向上方的平线（包括价差）。
金融系列的神经预测（基于一篇文章）。
下午好! Subj: http://etd.ohiolink.edu/send-pdf.cgi/Lakshminarayanan%20Sriram.pdf?ohiou1127333497&dl=y 在这篇文章中，研究人员对交易所交易工具的每日收盘价预测准确率达到了94%左右。他的测试样本量是：158天。 他建立了一个预测性的神经网络，输入一些标准的技术指标作为输入，然后对冗余的输入进行修剪。正如他所写的那样，通过使用艾略特波浪指标，预测准确率从57%上升到94%，他以某种狡猾的方式，使用模糊逻辑将该指标应用于数据。 我建议你继续阅读并思考印度研究人员的结果的有效性。
引文中的依赖性统计（信息论、相关和其他特征选择方法）。
下午好! 我决定稍微发展一下Alexey（Mathemat）在论坛的一个主题中触及的话题。 我试图用统计学方法搜索一种金融工具的报价中的依赖关系。首先，我采取了道琼斯工业指数，每日数据，并将一系列的系列转换为百分比增量的系列。 这篇文章实际上在这里 ： http://habrahabr.ru/blogs/data_mining/127394/ 我想继续进行外汇报价，我将在这里公布结果。