Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3185

[fxsaber]

mytarmailS #:

Sind Sie mit Algorithmen zur Dimensionalitätsreduktion und Komprimierung vertraut?

Ja.

Hier ist, wie gut Ihre Randomisierung den realen Marktprozess simuliert...

Ja.

Und hier ist ein Kriterium/Fitnessfunktion für die Erstellung einer korrekten Simulation einer Serie.

Leider ist nicht klar, welche Eingabeparameter der Randomisierung optimiert werden sollen.

[fxsaber]

fxsaber #:

Es gibt mehrere Hypothesen.

Ich habe das Merkmal "maximaler potenzieller Gewinn" verglichen. Ich konnte keine signifikanten Unterschiede feststellen.

[Forester]

fxsaber #:

Ich habe das Merkmal "maximal möglicher Gewinn" verglichen. Ich konnte keine signifikanten Unterschiede feststellen.

Ist das der Fall, wenn Sie es auf eine ticky-tack Weise tun? Und wenn Sie trendfolgend handeln? Vergleichen Sie von Umkehrung zu Umkehrung.

[mytarmailS]

Forester #:

Betrag1 - Betrag2 ist eher eine Volatilität. Tendenz ist, wenn man viele davon zusammenzählt. In realen Daten sind Trends eins, in randomisierten Daten (bis etwa Through1) sind Trends eher wie zufällige Ausreißer aufgrund erhöhter Volatilität. Ich gehe davon aus, dass ihre Amplitude um ein Vielfaches kleiner ist als die der realen Daten.

UPD: Ich habe nicht gesehen, dass Sie ~ statt - geschrieben haben.

Zu ~. Ihre ungefähre Schwärmerei bedeutet genau das, wirklich gut gemischt, gemittelt durch 1.

Ich betrachte einen Trend als eine Verschiebung des Mittelwerts in Inkrementen relativ zu Null.

Aber das ist alles Geschmackssache, denke ich.

par(mar=c(2,2,2,2),mfrow=c(2,1))

mn_trend <- c(rep(-0.5,100),rep(0.5,100))
rn <- rnorm(200)
cbind(rn , mn_trend) |> matplot(t="l", lty=1, col=c(8,2),main="random and mean")

rn_trend <- rn + mn_trend
rn_trend |> cumsum() |> plot(t="l",main = "cumulative sum rn + mn_trend")

[fxsaber]

Forester #:
Это если по-тиково?

Ja.

Und wenn Sie einem Trend folgen? Von Umkehrung zu Umkehrung vergleichen.

Begonnen, die Größe zu ändern (innerhalb der Vernunft für Scalping) min. Knie ZZ und beobachten Sie die Summe der Knie.

Das Zufallssymbol hat ein höheres Gewinnpotenzial als das ursprüngliche Symbol. Das heißt, das Zufallssymbol ist potenziell profitabler.

Wäre der potenzielle Gewinn niedriger als der des Originals, könnte dies den Misserfolg beim Scalping erklären. Aber hier ist die Situation genau umgekehrt.

ZЫ Im Allgemeinen kann man, wenn man daran interessiert ist, Unterschiede zwischen den beiden Serien zu finden, diese auch finden.

[mytarmailS]

fxsaber #:

Ja.

Nun, dann sollten Sie wissen, dass man in der Spektralanalyse zum Beispiel mit hundert Harmonischen eine Reihe von 10.000 Werten mit ziemlich guter Genauigkeit beschreiben kann....

Nimm 10.000 Werte ---> erhalte ---+ das Gleiche, aber 100 Werte.

Es ist absurd, dass 100 Werte die ursprüngliche Reihe von Millionen von Werten beschreiben können! Es scheint ein Werkzeug der Theoretiker zu sein, aber nicht der Praktiker.

Und du nennst es absurd, komisch....

fxsaber #:

Leider ist nicht klar, welche Eingabeparameter der Randomisierung optimiert werden sollen.

Alles, was ich hier schreibe, ist reine Fantasie, also schau kritisch....

Du kannst versuchen, aus den gleichen Obertönen eine Serie zu erstellen, auf der dein TS funktioniert ...

Die Parameter für den Optimierer sind eine Kombination von Obertönen,

Die Fitnessfunktion ist die Qualität der Leistung des TC auf diesen synthetischen Daten.

[Forester]

fxsaber #:

Ein Zufallssymbol hat so ein höheres Gewinnpotenzial als das ursprüngliche Symbol.

Das ist seltsam.

Es besteht also den Monte-Carlo-Test. Wenn es bei den echten Symbolen einen Gewinn gibt und nicht bei den durcheinander gewürfelten.

[fxsaber]

mytarmailS #:

Dann sollten Sie wissen, dass zum Beispiel in der Spektralanalyse hundert Oberschwingungen eine Reihe von 10.000 Werten mit ziemlich guter Genauigkeit beschreiben können...

Nimm 10.000 Werte ---> erhalte -+ das Gleiche, aber 100 Werte.

Und du nennst das absurd, das ist seltsam...

Denn es hat nichts mit dem CVR zu tun. mp3 und jpg sind selbst bei sehr niedrigen Bitraten für das Neuron erkennbar. Aber Alpha in Form von Skalierung geht verloren, selbst wenn die "Bitrate" beibehalten wird.

[mytarmailS]

fxsaber #:

Denn es hat nichts mit dem CvR zu tun. mp3 und jpg sind für Neuronen auch bei sehr niedriger Bitrate erkennbar. Aber Alpha in Form von Skalierung geht verloren, selbst wenn die "Bitrate" beibehalten wird.

Es geht nur um Zahlen und Konvertierungen. Was meinst du damit, dass es nichts mit dem CVR zu tun hat ? Es geht nur um Zahlen....

Das ist so, als würde man sagen, dass ein Bild von Hunden nichts mit einem Bild von Kätzchen zu tun hat... denn Kätzchen sind keine Hunde...

Und was ist eine Bitrate?

[fxsaber]

Forester #:

Sie besteht also den Monte-Carlo-Test. Wenn die echten rentabel sind und die gemischten nicht.

Wenn dieser Test als ein klares Zeichen für den Unterschied zwischen echten und zufälligen Serien angesehen wird - ja, er besteht zu 100 %.

Meine "Monte-Carlo-Methode" besteht darin, eine Vielzahl von Scalping-Historien zu erstellen. Und an ihnen die Schwachstellen von TC zu identifizieren. Im Moment gibt es dummerweise nicht genug Historienlänge für solche Überprüfungen. Deshalb brauchen wir eine angemessene Generierung.

Die Idee der Generierung schien sogar schön, ich habe so etwas noch nicht gesehen. Aber es stellte sich heraus, dass sie für meine Zwecke nicht geeignet ist.

Aber der Monte-Carlo-Test wird in der Tat mit Bravour bestanden. Aber das ist ein Nebeneffekt, der nicht von Bedeutung ist.