L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1737

Nouveau commentaire
 
Maxim Dmitrievsky:

k-means, le plus simple

Eh bien, c'est la même chose.

Essayez dbscan, je pense que c'est mieux.

Tu vois, je peux même voir ce que tu regroupes)) Je suis fou de moi.)

 
Alexander_K2:

J'ai montré quelque part (car je ne sais plus où, car je n'ai pas fait de trading depuis plus d'un mois) que la distribution de probabilité des incréments de marché est le produit des distributions gaussienne et exponentielle (ou en général - erlangienne) de la CB.

La distribution Erlang est responsable des intervalles de temps entre les tick quotes et le générateur de ces nombres ressemble à ceci


Ici, Lambda est l'intensité du flux d'événements (citations).

Si Lambda=const, le processus est stationnaire, mais l'intensité du flux du marché est différente à différents moments du temps, c'est-à-dire Lambda=f(t) qui détermine le processus non stationnaire en général.

Ainsi, afin de distinguer un processus stationnaire, il est nécessaire de considérer des sections séparées de la BP avec la même densité de flux comme un tout.

Ainsi, les tentatives de diviser la TA en heures dans une journée, puis de "coller" ces heures ensemble - ont clairement un droit à la vie.

P.S.

D'après mes calculs, la même densité de flux est observée dans les heures suivantes d'une même journée :

0

1, 23

2, 5, 22

3, 4, 8, 21

6, 7

9, 12, 19

10, 11, 15, 18

13, 14

16

17

20

Eh bien, c'est juste pour information...

 
mytarmailS:

Eh bien, c'est la même chose

Essayez dbscan, je pense que c'est mieux.

Tu vois, je peux même voir ce que tu regroupes.)

Pourquoi tu flippes ? Je l'ai écrit au début.

 
Maxim Dmitrievsky:

Pourquoi tu flippes ? Je l'ai écrit au début.

Où ? Je ne l'ai pas vu.

 
mytarmailS:

Où ? Je ne l'ai pas vu.

pouvez-vous extraire les matrices avec les centroïdes pour les utiliser séparément dans un autre programme avec de nouvelles données ?

Peut-être que R a cette fonctionnalité ? Vérifiez.

 
Maxim Dmitrievsky:

pouvez-vous extraire les matrices avec les centroïdes pour les utiliser séparément dans un autre programme avec de nouvelles données ?

Peut-être que R a cette fonctionnalité ? Vérifiez.

Si j'ai bien compris, oui, je peux.

 
mytarmailS:

Si je comprends bien, oui, je peux.

enseigner

 
Maxim Dmitrievsky:

enseigner

réécrire spécifiquement ce que vous voulez faire sans coder inutilement


fake.dt <- matrix(rnorm(100),ncol = 5)
kn <- kmeans(fake.dt,centers = 3)

kn$centers
 kn$centers
       [,1]        [,2]        [,3]        [,4]       [,5]
1 0.1491919 -0.82943057  1.00194753 -0.78824900  0.7330618
2 0.4543194 -0.01318233 -2.36800973  0.05477085  0.2706286
3 0.1478300  0.34991845 -0.04671528  0.33735489 -0.6789331
trois centroïdes de trois clusters
 
mytarmailS:

réécrivez exactement ce que vous voulez faire afin de ne pas coder inutilement

après le modèle d'ajustement, il devrait y avoir une matrice ou quelque chose comme ça, selon l'algorithme.

qui peut être utilisé pour calculer les prédictions sur les nouvelles données... et sur les anciennes données...

de le transférer sur le métaque et de le lire dans le testeur

 
Alors, qu'est-ce que j'en fais ? Je ne suis pas encore très doué pour les regroupements.
1...173017311732173317341735173617371738173917401741174217431744...3399
Nouveau commentaire
Raison: