L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 239

[mytarmailS]

Andrey Dik:
Prova a descrivere la candela con due numeri, ciascuno nell'intervallo [-1.0; 1.0]. Si tratta della posizione di O e C rispetto a H e L.

Dal tuo esempio sembrerebbe qualcosa del genere:

1. [-0.8; 0.8]

2. [-0.2; 0.2]

3. [-0.9; -0.1]

come fare?

[Andrey Dik]

mytarmailS:
come si fa?

In altezza H è 1, L è -1, rispettivamente esprimere O e C rispetto a H e L.

Questo descrive chiaramente la forma indipendentemente dalla dimensione della candela.

[mytarmailS]

Andrey Dik:
Per altezza H è 1, L è -1, rispettivamente esprimere O e C rispetto a H e L.

Questo descrive chiaramente la forma indipendentemente dalla dimensione della candela.

La volatilità della candela non è presa in considerazione qui, tutti i calcoli vanno dentro la candela, e che tipo di candela è, una candela gap o un piccolo dojiq il MO non vede

Penso che la cosa più normale siano gli incrementi %, ma non li conto correttamente

[mytarmailS]

una selezione circa il raggruppamento delle candele, ma come standardizzato non rivelano, e quelli che lo fanno, non sono soddisfatto dei risultati

https://www.elitetrader.com/et/threads/statistical-analysis-of-candlesticks-patterns.285918/

http://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-1/

http://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-2/

http://intelligenttradingtech.blogspot.com/2010/06/quantitative-candlestick-pattern.html

[Andrey Dik]

mytarmailS:

La volatilità della candela non è presa in considerazione qui, tutti i calcoli vanno dentro la candela, e che tipo di candela è, una candela gap o un piccolo dojiq il MO non vede

Penso che il più normale sia l'incremento %, ma non riesco a capire bene

La volatilità è esattamente ciò di cui non si deve tener conto. e i gap devono essere eliminati (spostare la candela della distanza del gap)

[Youri Tarshecki]

Andrey Dik:
La volatilità non deve essere presa in considerazione, ma i gap devono essere eliminati (candele spostate della distanza del gap).

Al contrario, le lacune dovrebbero essere memorizzate - e considerate. Dal momento che le lacune sono statisticamente chiuse comunque. Una volta ho cercato un indicatore per i gap - non l'ho trovato, ho fatto il trapping da solo usando i frattali. Ma ho ancora bisogno di un buon indicatore.

[Mihail Marchukajtes]

Ragazzi, c'è un indicatore chiamato CandleCode, che codifica le candele che sono esattamente uguali e hanno lo stesso codice, tenendo conto dello spread. Perché ti stai inventando una bicicletta, non lo capisco :-(

[Dr. Trader]

Vizard_:
La lezione è finita)))

Grazie, penso di aver capito. Sembra molto semplice, non ci credo, ma lo controllerò.

Inoltre è strano che il segno sia un predittore separato, io renderei semplicemente la dimensione della candela negativa se è al ribasso. Dovrei provare anche io.

[mytarmailS]

Dr.Trader:

Grazie, penso di aver capito. Sembra molto semplice, non ci credo, ma lo controllerò.

Inoltre è strano che il segno sia un predittore separato, io renderei semplicemente la dimensione della candela negativa se è al ribasso. Dovrei provare anche io.

Non lo capisco, però.

Come si crea un obiettivo?

Da dove viene la formula?

[СанСаныч Фоменко]

Continuo a credere che senza selezionare i predittori per il loro impatto sulla variabile obiettivo, tutto il resto è irrilevante. Questo è il primo passo. O rimuoviamo i predittori di rumore e allora le nostre possibilità di costruire un modello NON riqualificato aumentano, o i predittori di rumore rimangono, il che porterà necessariamente al riqualificazione. E poiché il comportamento del modello riqualificato nel futuro non è in alcun modo legato al suo comportamento nel passato, tale modello riqualificato non è necessario.

Un altro approccio interessante per determinare l'importanza dei predittori. Non vengono utilizzati algoritmi multipli per determinare l'importanza deipredittori.

Ecco il codice eseguito da questo post

> n <- 10000
>
> x1 <- runif(n)
> x2 <- runif(n)
> y <- -500 * x1 + 50 * x2 + rnorm(n)
>
> model <- lm(y ~ 0 + x1 + x2)
>

 

 

> # 1a. Standardized betas
> summary(model)$coe[,2]
        x1         x2
0.02599082 0.02602010
> betas <- model$coefficients
> betas
        x1         x2
-500.00627   50.00839

 

 

> imp <- abs(betas)/sd.betas
Ошибка: объект 'sd.betas' не найден
> sd.betas <- summary(model)$coe[,2]
> betas <- model$coefficients
> imp <- abs(betas)/sd.betas
> imp <- imp/sum(imp)
> imp
       x1        x2
0.9091711 0.0908289

 

 

> imp1 <- abs(model$coefficients[1] * sd(x1)/sd(y))
> imp2 <- abs(model$coefficients[2] * sd(x2)/sd(y))
>
> imp1 / (imp1 + imp2)
       x1
0.9095839

 

 

> imp2 / (imp1 + imp2)
       x2
0.0904161

 

 

> # 2. Standardized variables
> model2 <- lm(I(scale(y)) ~ 0 + I(scale(x1)) + I(scale(x2)))
> summary(model2)

Call:
lm(formula = I(scale(y)) ~ 0 + I(scale(x1)) + I(scale(x2)))

Residuals:
       Min         1Q     Median         3Q        Max
-0.0236475 -0.0046199  0.0000215  0.0046571  0.0243383

Coefficients:
               Estimate Std. Error t value Pr(>|t|)    
I(scale(x1)) -9.932e-01  6.876e-05  -14446   <2e-16 ***
I(scale(x2))  9.873e-02  6.876e-05    1436   <2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.006874 on 9998 degrees of freedom
Multiple R-squared:      1,     Adjusted R-squared:      1
F-statistic: 1.058e+08 on 2 and 9998 DF,  p-value: < 2.2e-16

 

 

> abs(model2$coefficients)/sum(abs(model2$coefficients))
I(scale(x1)) I(scale(x2))
  0.90958355   0.09041645