Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1489

 

Nun, der Zustand ist markovianisch, aber was ist das Modell?

das bedeutet, dass Sie mehr Punkte für das quadratische Fenster benötigen, mindestens

und wenn eine Zufallsreihe eingespeist wird, von welcher anderen Art von Vorhersage als 50\50 kann man dann sprechen?
 
Die Vielfalt des Endergebnisses des maschinellen Lernens tendiert zu einer endlichen Anzahl von Varianten - Mustern, die durch den Schöpfer dieses Mechanismus begrenzt sind. Die Vielfalt der Marktbewegungen tendiert dagegen gegen unendlich. Und nur manchmal neigt zur Einheit - eine gerade Linie, in einer Krise.
Die Frage, ob MO eine hinreichend wirksame Methode ist, um eine rentable Handelsstrategie zu entwickeln, ist also strittig und wird hier wahrscheinlich nie geklärt werden.
 
Maxim Dmitrievsky:

das bedeutet, dass Sie zumindest mehr Punkte für das quadratische Fenster benötigen

Ich habe Ihnen gesagt, dass ich sogar mehrere tausend Punkte genommen habe.

Maxim Dmitrievsky:
und
wenn eine zufällige Reihe eingegeben wird, von welcher Art von Vorhersage außer 50/50 können wir dann sprechen?

Was macht das für einen Unterschied, die Daten sind dieselben, das Modell ist dasselbe

ich prognostiziere neue Daten mit der gesamten Funktion im Paket (wie in allen Beispielen im Netz ...) die Ergebnisse sind großartig

Ich verwende das gleiche Modell zur Vorhersage der gleichen Daten , aber mit gleitendem Fenster, und das Ergebnis ist anders, inakzeptabel.

Das ist die Frage - was ist das Problem?
 
mytarmailS:

Ich habe Ihnen gesagt, dass ich sogar mehrere Tausend Punkte genommen habe.

Was macht das für einen Unterschied, die Daten sind dieselben, das Modell ist dasselbe

Ich prognostiziere neue Daten mit der gesamten Funktion in das Paket (wie in allen Beispielen auf dem Netz ...) die Ergebnisse sind groß

ich die gleichen Daten mit dem gleichen Modell in einem gleitenden Fenster vorhersage und das Ergebnis ist anders, inakzeptabel.

Das ist die eigentliche Frage - was ist das Problem?

Ich weiß nicht, was für ein Modell Sie haben und woher Sie die Daten haben. ohne Pakete, was soll das bringen?

Vielleicht gibt es einen gcp, der keinen zufälligen Zustand ausgibt, deshalb wird er im ersten Fall vorhergesagt. Versuchen Sie, das Saatgut für Zug und Test zu ändern, um zu sehen, dass es im 1. Fall unmöglich ist, irgendetwas vorherzusagen, sonst weiß ich nicht, wie ich helfen kann, die Idee ist nicht klar

 
elibrarius:
Die Aufteilung erfolgt auf der Grundlage der Klassifizierungswahrscheinlichkeit. Genauer gesagt, nicht nach der Wahrscheinlichkeit, sondern nach dem Klassifizierungsfehler. Denn bei der Trainingsübung ist alles bekannt, und wir haben keine Wahrscheinlichkeit, sondern eine genaue Schätzung.
Es gibt zwar unterschiedliche Trennungsfaktoren, d. h. Verunreinigungsmaße (linke oder rechte Probenahme).

Ich habe mich auf die Verteilung der Klassifizierungsgenauigkeit über die Stichprobe bezogen, nicht auf die Gesamtzahl, wie es jetzt gemacht wird.

 
Maxim Dmitrievsky:

Es ist nicht klar, um welches Modell es sich handelt und woher Sie die Daten beziehen. Was ist der Sinn, wenn es keine Pakete gibt?

Vielleicht gibt es einen gcp, der keine Randomisierung gibt, deshalb wird er im 1. Fall vorhergesagt. Versuchen Sie, das Saatgut sowohl für train als auch für test zu ändern, um zu sehen, ob es auch im ersten Fall unmöglich ist, eine Vorhersage zu treffen.

Hier ist die Datei, es gibt Preise und zwei Spalten mit Prädiktoren "data1" und "data2".

Sie trainieren ein HMM mit nur zwei Zuständen(auf einer Datenspur ohne Lehrer) für diese beiden Spalten ("data1" und "data2") in Python oder wie auch immer. Sie fassen den Preis nicht an, aber Sie tun es zur Visualisierung

Dann nimmt man den Viterbi-Algorithmus und entwickelt einen (Datentest).

erhalten wir zwei Zustände, die wie folgt aussehen sollten

es ist ein echter Gral))

Versuchen Sie dann, den gleichen Viterbi im gleitenden Fenster mit den gleichen Daten zu berechnen

Dateien:
dat.txt  2566 kb
 
mytarmailS:

Hier ist eine Datei mit Preisen und zwei Spalten mit Prädiktoren "data1" und "data2".

Sie trainieren ein HMM mit nur zwei Zuständen(auf einer Datenspur) unter Verwendung dieser beiden Spalten ("data1" und "data2") in Python oder einer anderen Programmiersprache. Sie fassen den Preis überhaupt nicht an, sondern verwenden ihn nur zur Visualisierung.

Dann nimmt man den Viterbi-Algorithmus und (Datentest)

erhalten wir zwei Zustände, die wie folgt aussehen sollten

Das ist ein echter Gral.)

Versuchen Sie dann die gleiche Viterbi-Berechnung im gleitenden Fenster mit den gleichen Daten

Senk, ich schaue mir das später an, ich sage dir Bescheid, denn ich arbeite mit einem Markovianer.

 
Maxim Dmitrievsky:

senk, ich werde mir das später ansehen und Ihnen Bescheid geben, da ich selbst mit Markovs arbeite.

Glück gehabt?

 
mytarmailS:

Glück gehabt?

Noch nicht auf der Suche, freier Tag ) Ich werde es Ihnen mitteilen, wenn ich Zeit habe, später in der Woche, meine ich.

Ich habe mir die Pakete bis jetzt angesehen. Ich denke, es passt zuhttps://hmmlearn.readthedocs.io/en/latest/tutorial.html

Tutorial — hmmlearn 0.2.1.post22+g7451142 documentation
  • hmmlearn.readthedocs.io
implements the Hidden Markov Models (HMMs). The HMM is a generative probabilistic model, in which a sequence of observable variables is generated by a sequence of internal hidden states . The hidden states are not observed directly. The transitions between hidden states are assumed to have the form of a (first-order) Markov chain. They can be...
Grund der Beschwerde: