Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2274
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Me temo que ni siquiera funcionará con las matemáticas) A grandes rasgos, porque los Tsosniks tienen no estacionariedad "no el sistema" que necesitamos)
Aquí hay un buen artículo sobre la no estacionariedad en el audio:
Mientras que la estacionariedad puede recibir definiciones rigurosas, la no estacionariedad es un concepto muy amplio, ya que hay infinitas formas de apartarse de la estacionariedad.
Mientras que la estacionariedad puede recibir definiciones rigurosas, la no estacionariedad es un concepto muy amplio, ya que hay infinitas formas de apartarse de la estacionariedad.
Ligeramente diferente, los Tsosniks del problema tienen un proceso estacionario muy ruidoso, sabemos exactamente de qué se trata y la tarea consiste en despejar el ruido.
En nuestro caso es más adecuado el modelo SB con cierta dispersión de movimientos estacionarios ruidosos de diferentes fuerzas y períodos, e incluso puede haber alguna repetición en el tiempo, pero no sabemos exactamente qué buscar.
Por eso es necesario señalar de alguna manera tales períodos (con un número suficientemente pequeño de errores) y ni siquiera intentar hacer algo en otros momentos) Intentar construir alguna "teoría universal de los precios" seguida de "romper la espina dorsal del Forex" es un camino obvio a ninguna parte).
Estoy de acuerdo, por qué romper cuando se puede rodar con la corriente. Lo principal es mantener el equilibrio)
Un poco diferente, los Tsosniks tienen un proceso estacionario muy ruidoso en el problema, saben exactamente lo que es y la tarea es limpiar el ruido.
Esta es su teoría estándar. El ruido, por cierto, está especialmente destinado a ser estacionario).
Acabo de escribir sobre sus intentos de alejarse de estos supuestos estándar.
En nuestro caso, el modelo SB es más adecuado con algún tipo de un revoltijo de diferentes en la fuerza, el período ruidoso movimientos estacionarios de la serie y hay incluso repetitivo en el tiempo, pero exactamente lo que buscar no se conoce.
Bueno, sí, SB es "aproximación cero", y luego es cuestión de gustos).
Todo el mercado multimillonario está inundado de overnighters y scalpers y tú dices... a través de filtros de algún tipo estacionario, no soy fuerte. No necesitamos una máquina de movimiento perpetuo, dejemos que cambie, pero no inmediatamente
https://github.com/balzer82/FFT-Python
hay más de esto pero no entiendo lo que hizo
https://github.com/snazrul1/PyRevolution/blob/master/Puzzles/DSP_For_Stock_Prices.ipynb
¿Quizá estemos hablando de filtros lógicos? Necesitan vender, cuantas más palabras bonitas mejor. He estado monitoreando el sistema desde 2011 y tengo buenos informes y backtests en mi sitio. Afortunadamente encontré el código fuente. Mi probador muestra una cosa y su informe muestra otra. Me puse a investigar y milagrosamente no tienen operaciones el día que perdí dinero.
El primer enlace es sobre la carga de la red eléctrica, es fácil encontrar ciclos aquí. En econometría también les gusta mostrar ejemplos con ciclos explícitos.
El segundo no lo he tratado, pero la última imagen dice que usaron Fourier para aislar los ciclos y los continuaron en el futuro, la línea naranja está formada por las mismas piezas, no funciona. Aquí hay un indicador sobre este tema.
En cuanto a Fourier, la forma en que lo veo es la siguiente. Primero se hace una descomposición, por ejemplo, stl
entonces los bucles se buscan a través de bpf
entonces los bucles se envuelven con la lógica comercial. (incluyendo MO) No parece complicado.
Transformación de Hilbert-Huang.
No funciona
¿Quién sabe cómo hacer un reconocimiento sin escala?
Como en este vídeo, por ejemplo...
Sé que se hace a través de espectros (de Fourier seguramente), incluso sé cómo hacerlo, pero me parece que lo que conozco no es la forma más eficiente...
Así que me interesa saber cómo se hace el scale-free en el entorno científico/industrial, en qué tareas se aplica, dónde leer...
¿Quién sabe cómo hacer un reconocimiento sin escala?
Como en este vídeo, por ejemplo...
Sé que se hace a través de espectros (de Fourier seguramente), incluso sé cómo hacerlo, pero me parece que lo que conozco no es la forma más eficiente...
Me interesa saber cómo se hace el scale-free en el entorno científico/industrial, en qué tareas se aplica, dónde leer...
¿DTW tal vez?
Un artículo en los hubs sobre el uso de DTW en el reconocimiento del habla.
¿Quién sabe cómo hacer un reconocimiento sin escala?
Como en este vídeo, por ejemplo...
Sé que se hace a través de espectros (de Fourier seguramente), incluso sé cómo hacerlo, pero me parece que lo que conozco no es la forma más eficiente...
Me interesa saber cómo se hace el scale-free en el entorno científico/industrial, en qué tareas se aplica, dónde leer...
Gran normalización deslizante + correlación
Gran normalización deslizante + correlación