Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 623
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
Nein, Java ist keine interpretierte Sprache, es ist übersetzbar, wie C#, Übersetzung geschieht einmal, das Ergebnis ist "Byte-Code", die von der virtuellen Maschine ausgeführt wird, Java und Sysharp sind langsamer als C + + nicht signifikant, 1-2 mal langsamer je nach Algorithmus, Optimierung ist auf niedriger (unsicher) Ebene nur, aufgrund von Zeiger Handhabung und intelligente Speicher-Layout, bei der Arbeit mit hoher Ebene Standard-Abstraktionen wie Vektor, Liste, etc. Die Leistung ist vergleichbar mit der von Java\c#. Und Python und R verlieren um das Dutzendfache, manchmal sogar um das Hundertfache, wenn man native Algorithmen schreibt, deren Interpretation jedes Mal zur Laufzeit erfolgt.
Auswahl der Merkmale
Anwendung des Lowess-Glättungsalgorithmus:Um Ausreißer aus den Daten zu filtern.
Delta, Ableitung, logarithmische Ableitung, Detrending mit Ema und Lowess:
Yuriy Asaulenko:
Ich frage mich, warum nicht Python? Vielleicht das gleiche R? Das verstehe ich nicht.
Das verstehe ich nicht:
Ich werde nicht für Michael sprechen, er ist in der Lage, seine Wahl selbst zu argumentieren, aber ich kann davon ausgehen, dass wahrscheinlich, weil Python und R sind interpretierende Hochsprachen, sie sind wie Matlab oder "Mathe" mehr wie eine Schnittstelle zu einer Reihe von Bibliotheken, wie eine Kommandozeile, als die Sprachen selbst, es ist sehr cool zu lernen, aber in der Produktion, wenn Sie mit exklusiven Algorithmen kämpfen müssen, keine Chance, es ist wie Formel 1 auf einem Roller zu gewinnen
Wenn Sie produktiven Code schreiben müssen, brauchen Sie Java oder C++, es ist also eher eine Frage der Zeit, denn Sie müssen entweder Profis oder Java studieren, während Python und R nur "zum Spaß" sind.
https://medium.com/deep-learning-turkey/google-colab-free-gpu-tutorial-e113627b9f5d
Ich suche VAR, VECM, das vars-Paket und darin, wie immer, die Referenzen. Einreisebestimmungen von SETAR
Ich habe es angeschlossen, aber Google hilft mir - Literatur und spezifische Anwendungen ....
Wenn Sie die Spanne überwunden haben, können Sie vielleicht teilen. Sie ist auch ohne den Aufstrich so schön, dass es schwer ist, den Blick davon abzuwenden.
Ich habe gelesen, aber ich habe es schon einmal gemacht und die Schritte angezeigt, aber ich habe es über RF gemacht. Ich habe das bereits mit RF gemacht. Die Reste sind dort wirklich oft kleiner als der Spread. Mit LR sollten die Residuen größer sein (in Pips), da RF zu stark alle Abhängigkeiten speichert. Aber es ist an sich ein interessantes Thema, ich bin intuitiv darauf gekommen, ohne zu wissen, dass solche Modelle bereits erfunden wurden :)
Und Beispiele für Trades, rein visuell (habe es noch nicht mit dem Bot überprüft)
die Salden scheinen normalverteilt zu sein, aber eine gewisse Zyklizität ist nicht vollständig selektiert
und so bricht das Modell bei OOS zusammen... wird alle 50 Balken neu berechnet und bricht wieder zusammen, fast sofort :)
Aus irgendeinem Grund ignorieren Sie die Tests, während die Kointegration ohne sie nicht denkbar ist. Der Hauptgedanke der Kointegration besteht ja darin, Handelsentscheidungen auf der Grundlage einer STATIONÄREN Reihe zu treffen, und eine solche Reihe ist vorhersehbar, im Gegensatz zu einer nicht-stationären. Der Test wird den Nachweis der Vorhersagbarkeit der Geschichte erbringen.
Sehen Sie im Video, wie sich eine stationäre Reihe in der Trainingsstichprobe in eine nicht-stationäre Reihe in der Vorwärtsstichprobe verwandelt. Warum eine Reihe von Tests durchführen, wenn man alles sehen kann?
Sie wird in Standardabweichungen angegeben . Bei neuen Daten treten viele 3+ Abweichungen auf, was darauf hinweist, dass das Vektormodell nicht so gut funktioniert wie das Standardmodell.
Ich werde etwas später noch eine weitere Darstellung machen, es sieht schon etwas interessanter aus :)
Aus irgendeinem Grund ignorieren Sie die Tests, während die Kointegration ohne sie nicht denkbar ist. Der Hauptgedanke der Kointegration besteht ja darin, Handelsentscheidungen auf der Grundlage einer STATIONÄREN Reihe zu treffen, und eine solche Reihe ist vorhersehbar, im Gegensatz zu einer nicht-stationären. Der Test wird den Nachweis der Vorhersagbarkeit der Geschichte erbringen.
Sagen wir es mal so:
Im Screenshot sind rot nur Inkremente mit Lag 55 des aktuellen Paares, grün ist eine Annäherung... hmm... nennen wir es eine vektorielle nicht-lineare Autoregression (unter Verwendung von Inkrementen des aktuellen Paares und eines anderen Währungspaares (GBPUSD), mehrere verschiedene). die vorhergesagten Inkremente mit Lag 55 des aktuellen Paares werden natürlich nicht in den Modelleingang, sondern nur in den Ausgang eingespeist.
In der Historie sieht alles gut aus.
Im weiteren Verlauf des Videos sehen wir uns an, wie das Modell im Vorwärtsgang funktioniert.
Im vorherigen Video mit den Standardabweichungen war das nicht ganz klar: Wir haben die Differenz zwischen 2 Kurven genommen und daraus die Abweichungen berechnet.