L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 548
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
J'appuie la question. J'utilise les services d'Amazon, mais leur constructeur de modèles n'a pas l'air bien. En tout cas, je n'ai pas pu construire un modèle de plus ou moins5 qualité. Je me suis peut-être trompé, mais il n'y a pas beaucoup de paramètres. Je vais maintenant essayer google...
commencez par cet article :) vous pouvez apprendre un peu de python aussi... et le lien ci-dessus vers le site du mec où tout est mâché. python est le langage le plus facile à apprendre.
http://www.blackarbs.com/blog/time-series-analysis-in-python-linear-models-to-garch/11/1/2016
je vais copier et coller pour google bientôt, c'est vraiment pratique
GARCH donne une erreur, tout le reste fonctionne
ordinateur portable
Le service Google a jeté un coup d'œil. C'est ce que je crois être un ordinateur portable Jupiter. Vous pouvez l'exécuter localement. Oui, c'est pratique. Mais je préfère encore l'IDE. J'utilise un IDE léger, Visual Studio Code.
https://it.mail.ru/video/playlists/ Cours de Mail Roux, notamment sur l'apprentissage automatique et l'analyse des données.
Le service Google a jeté un coup d'œil. C'est ce que je crois être un ordinateur portable Jupiter. Vous pouvez l'exécuter localement. Oui, c'est pratique. Mais je préfère encore l'IDE. J'utilise l'IDE léger Visual Studio Code.
Il s'agit d'une variante d'Ipython, ce qui est pratique pour la recherche ... et c'est vraiment pratique, et il est ensuite facile de le convertir en un .py ordinaire.
GARCH donne une erreur, tout le reste fonctionne
ordinateur portable
Le modèle d'arche lui-même n'est pas clair : il devrait se composer de trois parties : arima (pour la tendance), ARCH (pour la volatilité et il y en a beaucoup), et la distribution. Les coefficients pour ARIMA sont dans le texte, mais à quoi se réfèrent-ils dans la formule ? Pour l'arc, nous devons également préciser des chiffres similaires. En somme, tout n'est pas clair - je ne vois aucun moyen de s'orienter dans les détails.
D'après le matériel présenté, il ressemble à un jouet.
Le modèle arch n'est pas clair en soi : il devrait se composer de trois parties : arima (pour la tendance), ARCH (pour la volatilité et il y en a beaucoup), et la distribution. Dans le texte, les coefficients pour ARIMA, mais dans la formule, ils se réfèrent à quoi ? Pour l'arc, nous devons également préciser des chiffres similaires. En somme, tout n'est pas clair - je ne vois aucun moyen de s'orienter dans les détails.
D'après le matériel présenté, il ressemble à un jouet.
je suis toujours concentré sur python lui-même, donc je ne l'ai pas regardé en détail... voici la documentation à ce sujet https://pypi.python.org/pypi/arch/4.0
il y a beaucoup de paquets dans R, donc cela ne devrait pas faire de différence
la fonction fit() spécifie les séries stationnaires ou non
peut-être que c'est une version différente de python, il suffit de regarder :) je vais devoir étudier toutes les libu
Le modèle arch n'est pas clair en soi : il devrait se composer de trois parties : arima (pour la tendance), ARCH (pour la volatilité et il y en a beaucoup), et distribution. Dans le texte, les coefficients pour ARIMA, mais dans la formule, ils se réfèrent à quoi ? Pour l'arc, nous devons également préciser des chiffres similaires. En somme, tout n'est pas clair - je ne vois aucun moyen de s'orienter dans les détails.
D'après le matériel présenté, il ressemble à un jouet.
voici un article et un carnet de notes de quantopian, peut-être que c'est plus clair là-bas
Je vais passer un peu de temps sur cette ressource, voir ce que les gens font, il y a peut-être quelque chose d'intéressant.
https://www.quantopian.com/posts/quantopian-lecture-series-arch-garch-and-gmm
ici avec
Voici un article et un carnet de notes de quantopian, peut-être que c'est plus clair là-bas.
Je vais rester un peu sur ce site pour voir ce que font les gens, il y a peut-être quelque chose d'intéressant.
https://www.quantopian.com/posts/quantopian-lecture-series-arch-garch-and-gmm
Jetez un coup d'œil, merci !
Probablement pas mauvais pour les étudiants de la spécialité concernée.
Ce n'est pas comme ça que j'étudie les nouvelles choses : si la théorie, alors les sources primaires, la littérature sur l'utilisation pratique de la théorie, si le code, alors seulement celui qui peut être utilisé à l'avenir pour des applications pratiques dans le monde réel.
Jusqu'à présent, le rugueux répond à tous les critères.
Néanmoins, merci encore, c'est toujours intéressant de voir autre chose.
Jetez un coup d'œil, merci !
Probablement pas mauvais pour les étudiants de la spécialité concernée.
Je n'étudie pas les nouvelles choses de cette manière : si c'est la théorie, alors la source primaire, la littérature sur l'application pratique de la théorie, si c'est le code, alors seulement celui qui peut être utilisé à l'avenir à des fins pratiques dans le monde réel.
Jusqu'à présent, le rugueux répond à tous les critères.
Néanmoins, je vous remercie encore une fois, il est toujours instructif de se pencher sur autre chose.
Pas du tout :) bien sûr, vous avez raison, si vous l'étudiez en profondeur.
J'ai une approche simple - chercher dans un tas de déchets, choisir le plus intéressant, vérifier s'il a au moins un certain potentiel commercial et si c'est le cas - penser à l'utiliser avec un peu d'expérience et construire un bot :) Je ne vais pas étudier les choses en profondeur, si je ne le vois pas moi-même ou si quelqu'un me convainc que ce n'est pas une perte de temps, j'ai trop de choses pour mes yeux.