Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2168

Neuer Kommentar
 
Aleksey Nikolayev:

Es scheint überall zu stehen, dass Fourier nur für periodische Signale geeignet ist. Oder nahe daran - mit einem engen Spektrum.

Übrigens, für MO im Handel scheint mir die Walsh-Zerlegung besser geeignet zu sein, aber aus irgendeinem Grund habe ich nicht gesehen, dass sie im Forum erwähnt wurde.

Nicht nur periodisch, sondern mit immer der gleichen Periode (Zeit vom Beginn einer Schwingung bis zum Beginn einer anderen) und immer der gleichen Form. Und in Anführungszeichen ändern sich sowohl die Zeiträume als auch die Form der Kurve ständig. Daher sind keine Signaltransformationen auf dem Markt angebracht.
Ich habe auch Elektronik an der Universität studiert und weiß, wovon ich spreche.

 
Igor Makanu:

Ja!

Ich bin gerade fertig - Sie haben es richtig gemacht.

Ich muss es aufgeben, ein Schwachkopf hat mit seinen Fantasien die Dinge aufgewühlt ))))

Es zeigte einen Filter und 10 Geschäfte dieser Art. Von den Schwänzen zum Durchschnitt (Filterlinien) oder so ähnlich

Wie üblich, wenn ein Trend beginnt, wird er in der gesamten Bilanz negativ sein.

Und es postet diese Stümpfe jedes Mal in jedem Thread, und Sie alle diskutieren fröhlich 10 Seiten lang seit mehr als 1 Jahr ))


 
Maxim Dmitrievsky:

Er zeigte einen Filter und 10 Trades an, etwa so. Von den Schwänzen zum Mittelwert (Filterlinien) oder so ähnlich

Wie üblich, wenn ein Trend beginnt, wird er in der gesamten Bilanz negativ sein.

und es postet diese Stümpfe jedes Mal in jedem Thread, und ihr alle zusammen habt Spaß daran, 10 Seiten lang über 1 Jahr lang darüber zu diskutieren ))

ok

zeigen Sie nun das Gleiche auf der Mashka und vergleichen Sie

Unruhestifter ;)

 
Aleksey Nikolayev:

Es scheint überall zu stehen, dass Fourier nur für periodische Signale geeignet ist. Oder nahe daran - mit einem engen Spektrum.

Die Basisfunktionen sind Sinusfunktionen, und die Transformation bestimmt für jeden Sinus nur dessen Offset (Phase) und Periode

und der Schnittpunkt all dieser Sinuskurven (x-Achse) ergibt die Punkte, an denen wir die Werte des Signals (y-Achse) ablesen


UPD: hier ist eine weitere gute Erklärung,https://habr.com/ru/post/196374/

das Wertvollste an diesem Artikel sind die handgezeichneten Zeichnungen ;)

 
Renat Akhtyamov:

ok

Führen Sie nun das Gleiche am Auto vor und vergleichen Sie es.

Rüpel ;)

Es gibt viele andere Maischen, die ähnlich aussehen. Das macht keinen Unterschied.

Zum Beispiel HMA oder etwas Ähnliches

Wenn du dich für Mashkas entscheidest, solltest du zumindest die Volatilität und solche Dinge berücksichtigen.

Und schreiben Sie nicht, dass es ein Gral ist. Sie ist nicht vorhanden.

 
Maxim Dmitrievsky:

es gibt viele andere Mash-ups, die ähnlich aussehen. Es macht keinen Unterschied.

Wie HMA oder etwas Ähnliches

Wenn Sie sich für MAs entscheiden, sollten Sie zumindest eine Normalisierung für Volatilität und dergleichen vornehmen.

Und schreiben Sie nicht, dass es ein Gral ist. Dort gibt es keinen Gral.

Du brauchst einen Screenshot, Max, nicht nur Worte.

Sie können keinen Unsinn machen.

 

Wenn Sie es brauchen, finden Sie hier ein kleines Skript, das die relative Fläche unter dem Schnittpunkt der Kurven der Merkmalswertverteilung für zwei Cluster berechnet.

cl_1 = samples.drop(samples[samples["targets"] == 0].index).reset_index(drop=True)[samples.columns[1]]
cl_2 = samples.drop(samples[samples["targets"] == 1].index).reset_index(drop=True)[samples.columns[1]]

min_x = min(cl_1.min(),cl_2.min())
max_x = max(cl_1.max(),cl_2.max())
x = np.arange(min_x,max_x,(max_x-min_x)/100)
hist_1 = np.histogram(cl_1,x)
hist_2 = np.histogram(cl_2,x)
plt.hist(cl_1,x, histtype= 'step',label='cl_1')
plt.hist(cl_2,x, histtype= 'step',label='cl_2')

area1 = np.sum(hist_1[0])/sum(hist_1[0])
area2 = np.sum(hist_2[0])/sum(hist_2[0])
ymax = np.maximum(hist_1[0],hist_2[0])
ymin = np.minimum(hist_1[0],hist_2[0])

area_overlap = sum(ymin/sum(ymax))
print(area1, area2, area_overlap)

Ich denke, es ist ein guter Maßstab für die Wahl der Durchforstungsmethode, der Zielanalyse, der Merkmale und wer weiß, was noch alles.

area_overlap ist auf dem Bild gelb

 
Renat Akhtyamov:

Zeigen Sie mir einen Screenshot, Max, nicht nur Worte.

Du musst doch keinen Sack schütteln, oder?

Was wollen Sie sehen? Hier ist der echte TC über die MO aus meinem Artikel. Ausbildung - nur 1 Monat, dann Verallgemeinerung für 2 Jahre. Sie sind echt, und es funktioniert.

 
welimorn:

Wenn Sie es brauchen, finden Sie hier ein kleines Skript, das die relative Fläche unter der Schnittlinie der Verteilungskurven der Werte eines Merkmals für zwei Cluster berechnet.

Ich denke, es ist ein guter Maßstab für die Wahl der Durchforstungsmethode, der Zielanalyse, der Merkmale und wer weiß, was noch alles.

area_overlap ist auf dem Bild gelb.

Sie machen geniale Sachen ) Ich werde mir das am Montag ansehen.

 
Jeder weiß, dass eine Abweichung vom Durchschnitt signifikant sein kann, aber niemand weiß, wann dies der Fall sein wird.
1...216121622163216421652166216721682169217021712172217321742175...3399
Neuer Kommentar
Grund der Beschwerde: