記事「Numbaを使用したPythonの高速取引ストラテジーテスター」についてのディスカッション - ページ 4

新しいコメント
 
fxsaber #:

このパラメータはどのように計算されるのですか？

この質問を見逃しているようだ。ボラティリティはどのように計算されるのか？時間」ごとのMaxMin？正規化？

 
モデルを学習させる区間は固定した長さにすることはできません。それは金融商品の挙動に依存し、我々はこの挙動が変化する瞬間を追跡する必要がある。つまり、フォールト・インジケータを構築する必要があるのです。

機械学習モデルは 何百とあるが、これらのモデルをどの間隔で最適化するかに注意を払う人はほとんどいない。明らかにこの問題は複雑で、この問題を解決するよりも、非常に複雑な数学モデルを構築する方が簡単なのだ。イミホ
 
fxsaber #:

この質問を見逃しているようだ。ボラティリティはどのように計算されるのか？時間」ごとのMaxMin？正規化？

スライディング・ウィンドウの標準偏差は異なる期間で、デフォルトの期間は20です。私の携帯電話からは、何かを見ていないかもしれません、申し訳ありません。
 
fxsaber #:
合理性」については多くの議論がある。聞こうとも思わない。
時々、慰めのために適切な言葉を拾ってくる :)
 
Evgeniy Chernish 機械学習モデルは 何百とあるが、これらのモデルをどのような間隔で最適化するかに注意を払う人はほとんどいない。明らかにこの問題は複雑で、この問題を解決するよりも、非常に複雑な数学モデルを構築する方が簡単なのだ。イミホ
複雑で理解しがたいものは、発明するしかない。）
 
Evgeniy Chernish #:
故障表示 装置を作る必要性に迫られる。
この獣は何だろう？
 
fxsaber #:
この野獣は何か？
ある系列の分布の確率的形状を追跡し、この形状の変化を知らせるインジケータ。例えば、スミルノフ・インディケータがその一例である。
 
フィルターはモーメント分布で行うことが多いが、なぜかベベルフィルターが一番うまくいく。stdフィルターも良い。
 
Maxim Dmitrievsky #:
フィルターはモーメント分布で行うことが多いが、なぜかベベルフィルターが一番うまくいく。Stdもいいですね。
そう、その方がもっと簡単だ。分布で作業するのは不便です。
 
Maxim Dmitrievsky #:

もし統計に詳しい人がいれば、どちらが優れているかが問題になるだろう：

  • チャート上にn個のパラメータを持つTSの最適化
  • 基本的な再学習モデル（ある一般化された取引ベース）を構築し、それがロバストである区間を探索する。
  • どちらの選択肢もカーブフィッティング

私は、この対立をMOEの観点から言い換える価値があると思う。バイアスと分散のトレードオフ曲線上では、互いにかけ離れた2つのモデルが存在する。TCは、固定されたパラメータの数が少ないため、バイアスを増加させる方向にバイアスがあり（MOの通常の例は線形回帰）、複雑なモデルは、逆に分散を増加させる方向にバイアスがある。

明らかに、単純なモデルの方が実際のパターンを捉えていれば、その方がよいです。どちらのモデルも実際のパターンを捉えていない場合は、やはり単純なモデルの方が優れている - 複雑なモデルの方がノイズに対する適応性が高いため、その誤りに気づきにくいのである。これが明白な理論的答えである。

もうすこし現実的であれば、本質的に2つ目のポイントは、モデルを積み重ねる（少なくとも2つ）ことを意味する。また、取引モデルのオン・オフを切り替える第3のモデルなどもあり得る。スタッキングは、MOでは「黒魔術」という評判がある）原則として、あらゆる大会の勝者が使用しているが、理論やレシピはない。運良く使えるスタッキングを見つけることができれば、それは良いことだ。）一般的には、より複雑な1つのモデルにすべてを詰め込もうとするよりも、より単純なモデルを積み重ねる方が論理的に見える。

たしかに、我々の系列は非定常であるため、分解の問題を解決する必要があります。しかし、私はそれを強調しません。なぜなら、それはいずれにせよ解決されるからです。）

123456
新しいコメント