L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1489

 

bene, lo stato è markoviano, ma qual è il modello?

significa che avete bisogno di più punti per la finestra quadrata, almeno

e se viene alimentata una serie casuale, di che tipo di predizione oltre al 50\50 possiamo parlare?
 
La diversità del risultato finale dell'apprendimento automatico tende a un numero finito di varianti - modelli, limitato dal creatore di questo meccanismo. La varietà dei movimenti di mercato, invece, tende all'infinito. E solo a volte tende all'unità - una linea retta, in una crisi.
Quindi, se il MO sia un modo sufficientemente efficace per fornire una strategia di trading redditizia è una questione controversa ed è improbabile che venga mai risolta qui.
 
Maxim Dmitrievsky:

significa che avete bisogno di più punti per la finestra quadrata, come minimo

Te l'ho detto, ho anche preso diverse migliaia di punti

Maxim Dmitrievsky:
e
se viene immessa una serie casuale, allora di quale tipo di previsione diversa dal 50/50 possiamo parlare?

Che differenza fa, i dati sono gli stessi, il modello è lo stesso

Prevedo nuovi dati usando l'intera funzione nel pacchetto (come in tutti gli esempi in rete...) i risultati sono ottimi

Uso lo stesso modello per prevedere gli stessi dati ma con finestra scorrevole e il risultato è diverso, inaccettabile.

Questa è la domanda: qual è il problema?
 
mytarmailS:

Ti ho detto che ho anche preso diverse migliaia di punti

che differenza fa, i dati sono gli stessi, il modello è lo stesso

Prevedo nuovi dati utilizzando l'intera funzione nel pacchetto (come in tutti gli esempi sul web ...) i risultati sono grandi

Prevedo gli stessi dati con lo stesso modello ma con una finestra scorrevole e il risultato è diverso, inaccettabile.

Questa è la vera domanda: qual è il problema?

Non so che tipo di modello e da dove prendi i tuoi stati. senza pacchetti, che senso ha?

Forse c'è un gcf che non dà alcuno stato casuale, ecco perché viene predetto nel 1° caso. Prova a cambiare seme sia per il treno che per il test per vedere che nel 1° caso è impossibile prevedere qualcosa, altrimenti non so come aiutare l'idea non è chiara

 
elibrario:
Le suddivisioni sono fatte secondo la probabilità di classificazione. Più precisamente, non per probabilità, ma per errore di classificazione. Perché tutto è noto sull'esercitazione di allenamento, e non abbiamo probabilità, ma una stima esatta.
Anche se ci sono diverse fi bre di separazione, cioè misure di impurità (campionamento a sinistra o a destra).

Mi riferivo alla distribuzione della precisione di classificazione sul campione, non al totale come si fa ora.

 
Maxim Dmitrievsky:

non è chiaro quale sia il modello e da dove prendi gli stati. Senza pacchetti, concettualmente che senso ha?

Forse c'è un gcp che non dà nessuna randomizzazione, ecco perché è previsto nel 1° caso. Prova a cambiare seme sia per il treno che per il test per vedere se è impossibile prevedere anche nel primo caso, altrimenti non so come aiutare l'idea.

Ecco il file, ci sono i prezzi e due colonne con i predittori "data1" e "data2".

Addestrate HMM con solo due stati(su una traccia di dati senza insegnante) per queste due colonne ("dati1" e "dati2") in Python o come volete. Non toccate affatto il prezzo, fatelo solo per la visualizzazione

Poi si prende l'algoritmo di Viterbi e si arriva a un (test dei dati).

otteniamo due stati, dovrebbe apparire così

è un vero graal))

E poi provare a calcolare lo stesso Viterbi nella finestra scorrevole usando gli stessi dati

File:
dat.txt  2566 kb
 
mytarmailS:

Ecco un file con prezzi e due colonne con predittori "data1" e "data2".

Alleni HMM con solo due stati(su una traccia di dati) usando queste due colonne ("data1" e "data2") in Python o in qualsiasi altro modo tu voglia. Non tocchi affatto il prezzo, lo usi solo per la visualizzazione.

Poi si prende l'algoritmo di Viterbi e (test dei dati)

otteniamo due stati, dovrebbe apparire così

È un vero e proprio graal).

E poi provare lo stesso calcolo di Viterbi nella finestra scorrevole sugli stessi dati

Senk, lo guarderò più tardi, ti farò sapere, perché sto lavorando con un markoviano.

 
Maxim Dmitrievsky:

Senk, controllerò più tardi e ti farò sapere, dato che io stesso sto lavorando con i Markov.

qualche fortuna?

 
mytarmailS:

qualche fortuna?

Non sto ancora cercando, giorno di riposo ) Ti farò sapere quando avrò tempo, più tardi in settimana intendo

guardando i pacchetti finora. Penso che si adatti ahttps://hmmlearn.readthedocs.io/en/latest/tutorial.html

Tutorial — hmmlearn 0.2.1.post22+g7451142 documentation
  • hmmlearn.readthedocs.io
implements the Hidden Markov Models (HMMs). The HMM is a generative probabilistic model, in which a sequence of observable variables is generated by a sequence of internal hidden states . The hidden states are not observed directly. The transitions between hidden states are assumed to have the form of a (first-order) Markov chain. They can be...
Motivazione: