Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 128
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Ich bin auf einen Blog gestoßen und habe fast geweint, denn der Mann hatte fast die gleiche Idee, die ich einmal hatte und die ich umsetzen wollte, und es war diese Idee, die mich vor etwa einem Jahr zum Programmieren gebracht hat
https://www.r-bloggers.com/time-series-matching-with-dynamic-time-warping/
Und ich dachte, meine Idee sei einzigartig))) Jugend, Naivität... Natürlich habe ich DTW nicht benutzt, weil ich es damals nicht verstanden habe.
Nehmen wir zwei Zeitreihen: Zielvariable und Prädiktor. Wir erhalten einige "Entfernungen". Wenn der Abstand klein ist (was ist "klein"), dann ist die Vorhersagekraft hoch? Ein solcher Prädiktor ist wertvoller im Vergleich zu anderen, die diesen Abstand größer haben?
Ist dies der Fall?
Wir nehmen zwei Zeitreihen: die Zielvariable und den Prädiktor. Besorgen Sie sich einige "Entfernungen". Wenn der Abstand gering ist (was ist "gering"), ist die Vorhersagekraft hoch? Ein solcher Prädiktor ist wertvoller im Vergleich zu anderen, die diesen Abstand größer haben?
Ist dies der Fall?
Ich habe es dreimal gelesen, ich verstehe es nicht ((
1) Es scheint, dass dies nicht rein MO, es ist wie eine Verbesserung der einige bestehende TS, die Signale zu geben hat, und nur auf diese Eingänge geben wir und diese Eingänge analysieren wir die MO, nicht wahr?
2) Wenn ein Gewinn erzielt wird, schließen wir den Handel. Wenn der Handel mit einem Verlust endet, behalten wir die Position, warum sollten wir das tun?
3) Wann sollte man kaufen, wann verkaufen?
4) Ich bin ein guter Richter, so bin ich), aber ich verstehe nicht wirklich, was Sie geschrieben haben, vielleicht können Sie mir ein Bild oder einen Flugplan zeigen...
1. 1. das Signal wird vom Netz erzeugt.
2. Das Signal erzeugt das Netz. 2) Keiner von ihnen, wir haben ein freies Land. Wenn Sie es wollen, schließen Sie es, wenn Sie es nicht wollen, schließen Sie es nicht. SL ist im System, kann sein oder nicht sein - auch Ihr Recht.
3. Wie kann ich das wissen? Fragen Sie das Netz, das Sie ausbilden.
4. Vielleicht müssen Sie das 4. Mal lesen, vielleicht wird es dann klarer.
Ich bin über einen Blog gestolpert und habe fast geweint, weil der Mann fast die gleiche Idee hatte, die ich einmal hatte und die ich umsetzen wollte, und es war diese Idee, die mich vor einem Jahr zum Programmieren gebracht hat
https://www.r-bloggers.com/time-series-matching-with-dynamic-time-warping/
Und ich dachte, meine Idee sei einzigartig))) Jugend, Naivität... Ich habe DTW nicht benutzt, weil ich zu dem Zeitpunkt keine Ahnung davon hatte.
1. Das Signal wird vom Netz erzeugt.
2. Nein, es ist ein freies Land. Wenn Sie es wollen, schließen Sie es, wenn Sie es nicht wollen, schließen Sie es nicht. SL ist im System, kann sein oder nicht sein - auch Ihr Recht.
3. Wie kann ich das wissen? Fragen Sie das Netz, das Sie ausbilden.
4. Vielleicht müssen Sie das 4. Mal lesen, vielleicht wird es dann klarer.
1) Ihr gesamter Algorithmus besteht darin, eine Art "weiche" Zielfunktion für das neuronale Netz zu erstellen, richtig?
Aber schon im ersten Schritt dieses Algorithmus sollten wir einige Signale vom neuronalen Netz empfangen, Signale, die vom neuronalen Netz beim Training durch die Zielfunktion empfangen werden, durch die Zielfunktion, die wir noch nicht erstellt haben, weil wir erst bei Schritt 1 sind.
mein Gehirn explodiert...
ist überhaupt nicht so, was für ein Prädiktor, was für ein Ziel, so etwas gibt es nicht... Es ist nur eine stumpfe Suche in BP nach Bereichen, die der aktuellen Situation ähnlich sind, das ist alles...
Zwei Zeitreihen
Hier ist die Referenz
Details Die Funktion führt Dynamic Time Warp (DTW) durch und berechnet die optimale Ausrichtung zwischen zwei Zeitreihen x und y, die als numerische Vektoren angegeben sind. Die "optimale" Ausrichtung minimiert die Summe der Abstände zwischen den ausgerichteten Elementen. Die Längen von x und y können unterschiedlich sein. Der lokale Abstand zwischen den Elementen von x (Abfrage) und y (Referenz) kann auf eine der folgenden Arten berechnet werden:
Beachten Sie den Parameterstep.pattern=symmetric2,
Dies steht in der Dokumentation des Pakets.
1) Ihr gesamter Algorithmus besteht darin, eine Art "weiche" Zielfunktion für das neuronale Netz zu erstellen, richtig?
Aber schon beim ersten Schritt dieses Algorithmus sollten wir einige Signale vom neuronalen Netz erhalten, Signale, die vom Training des neuronalen Netzes durch die Zielfunktion stammen, durch die Zielfunktion, die wir noch nicht erstellt haben, weil wir erst bei Schritt 1 sind.
mein Gehirn explodiert...
Zwei Zeitreihen.
Nun, ja, zwei Reihen, um den Abstand zwischen zwei Reihen zu messen, braucht man zwei Reihen,
Zwei Reihen (in unserem Fall) bedeuten zwei Teile der gleichen Reihe (Preise).
Der einzige Unterschied ist, dass die Zeilen, die Sie in dtw eingeben, unterschiedlich groß sein können, und das ist für uns sehr cool.
1) Ihr gesamter Algorithmus besteht darin, eine Art "weiche" Zielfunktion für das neuronale Netz zu erstellen, richtig?
Aber schon beim ersten Schritt dieses Algorithmus müssen wir einige Signale vom neuronalen Netz empfangen, Signale, die vom Training des neuronalen Netzes mit der Zielfunktion stammen, mit der Zielfunktion, die wir noch nicht erstellt haben, weil wir erst bei Schritt 1 sind.
mein Gehirn explodiert...
Die Menschen hier sind so. Sie sind "weich". Es werden keine Einzelheiten genannt. Und was nützt das? Sie leben ihre Pflaume?
Hier habe ich klar dargelegt, was ich tue:
Im Detail: auf dem aktuellen Balken das Kaufsignal, wie wir kaufen, zählen wir die kleinste Anzahl von Balken in der Zukunft zurück und prüfen - ob das Geschäft profitabel sein wird, wenn ja - wie wir schließen, wenn nicht - zählen wir einen weiteren Balken vorwärts und prüfen erneut. Auf diese Weise erreichen wir die maximale Anzahl von Balken und schließen sie schließlich. Dies ist ein Lernmechanismus.
Was ist nicht klar? Das ist kein Hirngespinst, das ist genau das, was ich jetzt mache. Die Zielfunktion ist die Maximierung der Gewinne bei minimalen Drawdowns. Ich trainiere mit meinen Genen.
Solche Menschen gibt es hier. Sie sind "weich". Sie sprechen nicht über Details. Aber was nützt das? Sie leben ihre Pflaume?