Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 323
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
Nun, warum? Ich habe Veröffentlichungen für EURUSD auf M1 gesehen.
Sie müssen sich Rugarch ansehen
Von diesen GARCNs gibt es viele. Sie haben drei Gruppen von Parametern: das Modell selbst, die Art des Durchschnitts und die Art der Restverteilung. Für jeden der Parametertypen werden die neuesten Peeps angezeigt. Die Detrendierung wird weiter oben behandelt. Bei GARCH verwenden wir also ARFIMA als Detrend, d. h. mit fraktionaler Differenzierung (Hurst).
Ich bin gerade dabei, dies zu tun.
Autocorr-Funktion M1. Das Fenster beträgt 60 m.
Sie ist großartig). Bei +/-1m ist bereits Null, oder vielmehr ein sehr schwaches Negativ. Die Empfehlungen des Videos lauten jedoch, die Differenzierung vorzunehmen und dann... In unserem Fall gibt es nach der Differenzierung nichts als Lärm.
Ich bin gerade dabei, dies zu tun.
Autocorr-Funktion M1. Das Fenster ist 60 m lang.
Es ist großartig). Bei +/-1m ist bereits Null, oder besser gesagt ein sehr schwaches Negativ. Die Empfehlungen des Videos lauten jedoch, die Differenzierung vorzunehmen und dann... In unserem Fall bleibt nach der Differenzierung nichts als Lärm übrig.
Und wenn es 6000 m sind? Lärm ist nicht gleich Lärm, es sollte Minizyklen geben, die theoretisch an einem Tag periodisch sind und an einem anderen Tag nicht.
was ist, wenn es 6000 m sind?
Es ist alles das Gleiche. Delta-Funktion).
Wenn es eine Korrelation in der Richtung der vorherigen Zählungen gibt, sollte diese herauskommen. Aber das ist nicht der Fall. Sie ist nicht vorhanden. Wenn es Zyklen gibt, sollte es auch eine signifikante Korrelation geben, da in diesem Fall mehrere benachbarte Proben voneinander abhängig sind, und der Peak sollte sich ausweiten, auch wenn die Zyklen selbst nicht entdeckt werden.
SZZ Das Fenster ist gleitend, d.h. die gesamte Stichprobe umfasst ~52000 Stichproben.
Es ist alles das Gleiche. Delta-Funktion, aber).
Wenn es eine Korrelation in der Richtung der vorherigen Zählungen gibt, sollte diese herauskommen. Aber das ist nicht der Fall. Sie ist nicht vorhanden. Wenn es Zyklen gibt, sollte es auch eine aussagekräftige Korrelation geben, da in diesem Fall mehrere benachbarte Proben voneinander abhängig sind.
SZW Das Fenster ist gleitend, d. h. die gesamte Stichprobe umfasst ~52000 Stichproben.
traurig :)
Wie wäre es mit der Verwendung von rsi autocorre? oder einem glatteren Oszillator. rsi ist übrigens nicht sehr abhängig von der Steigung des Trends - ich habe die Steigung der Graphen geändert und es zeigte sich ungefähr dasselbe wie im Original
und wollte auch, als Option, diese hier ausprobieren https://www.mql5.com/ru/articles/1472
Es sieht zyklisch aus. Sie könnten es direkt in ns schieben oder es mit Autokorrelation versuchen. Und es hat eine bessere Vorhersagefähigkeit als rsi, meiner Meinung nach. Er ist übrigens bereits mehrwährungsfähig, d.h. er hängt von einem Korb von Währungspaaren ab, nicht von dem aktuellen.
Das einzige, was sie brauchen, ist, um es auf mt5 neu zu schreiben
traurig :)
Wie wäre es mit einer Autokorrelationsachse? Oder einem glatteren Oszillator. Rci hängt übrigens nicht wirklich von der Steigung des Trends ab - ich habe die Steigung der Diagramme geändert und es zeigte sich ungefähr dasselbe wie im Original
Ich habe bereits über etwas in dieser Richtung nachgedacht. Die Autocor-Funktion spiegelt nur die Periode des RSI selbst wider. Bei der Zählung nach MA wird es eine Periode der MA-Glättung geben, usw. Das ist ganz natürlich. Das heißt, es wird nichts mit dem Markt zu tun haben.(
Ehrlich gesagt, sehe ich in den Clustern nichts, was sich grundlegend von demselben MAH unterscheidet. Imho, natürlich, aber die gleichen Eier im Profil.
Ich bin gerade dabei, dies zu tun.
Autocorr-Funktion M1. Das Fenster ist 60 m lang.
Es ist großartig). Bei +/-1m ist bereits Null, oder vielmehr ein sehr schwaches Negativ. Die Empfehlungen des Videos lauten jedoch, die Differenzierung vorzunehmen und dann... In unserem Fall gibt es nach der Differenzierung nichts als Lärm.
Nein, so funktioniert das nicht.
Sie müssen sich den Kotir ansehen und die Werkzeuge zur Lösung der von Ihnen festgestellten Probleme in die Hand nehmen.
(1) Die Ausgangsquote ist NICHT stationär - variabler Durchschnitt. Verzögerungen und Abweichungen vom Trend können das Depot leicht aufzehren.
Es gibt zwei Wege nach vorn:
2. Trend entfernen: Durchschnitt = const
3. Sehen Sie sich das Ergebnis an. Genauer gesagt, schauen Sie sich den Rest an.
3.1 Wenn das Residuum stationär ist, das ARMA-Modell. Es gibt solche Serien, aber nur sehr selten.
3.2 Wenn das Residuum NICHT stationär ist, dann differenzieren Sie erneut. ARIMA-Modell. Bei diesem Modell sind die Reihen häufiger, aber immer noch sehr selten.
4. Betrachtung der Residuen und Modellierung von GARCH.
In Wirklichkeit ist es viel komplizierter.
Ich habe bereits über etwas in dieser Richtung nachgedacht. Die Autocor-Funktion reflektiert nur die Periode des RSI selbst. Bei der Zählung nach MA wird es eine Periode der MA-Glättung geben, usw. Das ist ganz natürlich. Das heißt, es wird nichts mit dem Markt zu tun haben.(
Ehrlich gesagt, sehe ich in den Clustern nichts, was sich grundlegend von demselben MAH unterscheidet. Natürlich ist das nur eine Vermutung, aber es ist das gleiche Ei im Profil.
Nun, und die letzte Option - zu trainieren, die Streuer, dank metaquotes bald versprechen benutzerdefinierte Feeds, wo Sie alle Arten von Werkzeugen mit Standard-Tools bauen können
auf dieselben Aktien oder Indizes
Nein, so wird es nicht funktionieren.
Wir müssen uns das Angebot ansehen und Instrumente zur Lösung der festgestellten Probleme auswählen.
1. Die anfängliche Notierung ist NICHT stationär - ein variabler Durchschnitt. Wir können Trends handeln, aber wir können eine Korrektur nicht von einer Umkehrung unterscheiden. Eine Verzögerung + Abweichungen vom Trend können das Depot leicht aufzehren.
Das ist verständlich. Wenn wir jedoch alle oben genannten Punkte auf einen Wiener Prozess (Random Walk) anwenden, werden wir Trends, Umkehrungen, Flats und was weiß ich noch alles sehen.) Wir werden alle Arten von Regressionen berechnen. (Aber es würde nichts nützen.) Und wie schon Wiener und Feynman schrieben, sollte man, bevor man ein Problem löst, herausfinden, ob es eine Lösung dafür gibt.
Dazu müssen zunächst alle stabilen Korrelationsbeziehungen (ihre Existenz) festgestellt und dann Modelle erstellt werden. So scheint es zu sein.
Bislang herrscht jedoch Schweigen.
Ich habe kürzlich ein solches Experiment durchgeführt. Für jeden Punkt in der Zeitreihe habe ich eine polynomiale Regression für den vorherigen Zeitraum erstellt und nur den letzten Punkt angezeigt. Die Berechnung dauert lange, etwa 8 Stunden, ich habe nichts gespeichert und kann es nicht zeigen. Nur in Worten. Ich werde sie wahrscheinlich später in einem Stück zeigen.
Es gibt also zyklisch einen Knick in der Regressionslinie, nach dem sich wieder eine glatte Linie ergibt. Ich muss sagen, dass ich nicht verstehe, warum dies geschieht, aber wir können davon ausgehen, dass sich die Statistik der Zeitreihe in der Nähe dieser Punkte sprunghaft verändert.
PS hat ein Stück des Diagramms gefunden.
Ignorieren Sie die Ausreißer (ich weiß nicht, woher sie kommen, vielleicht sind die Polynomkoeffizienten aus dem Ruder gelaufen). Leider kann ich diese spezielle Grafik nicht mit den Preisreihen kombinieren.
Ich habe kürzlich ein solches Experiment durchgeführt. Für jeden Punkt in der Zeitreihe habe ich eine polynomiale Regression für den vorherigen Zeitraum erstellt und nur den letzten Punkt angezeigt. Die Berechnung ist lang, etwa 8 Stunden - ich habe nichts gespeichert, also kann ich es nicht zeigen. Nur in Worten. Ich werde sie wahrscheinlich später in einem Stück zeigen.
Es gibt also zyklisch einen Knick in der Regressionslinie, nach dem sich wieder eine glatte Linie ergibt. Ich muss sagen, dass ich verstehe, warum das passiert, aber es ist anzunehmen, dass sich in der Nähe dieser Punkte die Statistik der Zeitreihen abrupt ändert.
Was bedeutet es, wenn bei der genetischen Optimierung die Ergebnisse unruhig werden? :) Die Grafik sollte sich mit der Zeit verbessern