記事「機械学習に基づく平均回帰戦略の作成」についてのディスカッション - ページ 4

[削除済み]

Evgeniy Chernish #:

マキシム、非対称係数によって通貨ペアの価格軌跡をクラスタリングする方法について詳しく教えてください。

これは特徴としてスライディングウィンドウで計算され、データセットに追加されます。クラスタリングはこの特徴に従って行われ、クラスタ・ラベルがデータセット全体に割り当てられます。そして、クラスタの1つに属する行が選択される。価格とその他の属性はそのまま残る。以上である。

[削除済み]

fxsaber #:

なぜZZじゃないんだ？

ちょっとした説明を見つけた。

おそらく、いくつかの頂点をZZ列から放り出しても同じ効果が得られるだろう。

import pandas as pd
from scipy.signal import find_peaks

@njit
def calculate_labels_zigzag(peaks, troughs, len_close):
    """
    Generates labels based on the occurrence of peaks and troughs in the data.

    Args:
        peaks (np.array): Indices of the peaks in the data.
        troughs (np.array): Indices of the troughs in the data.
        len_close (int): The length of the close prices.

    Returns:
        np.array: An array of labels.
    """
    labels = np.empty(len_close, dtype=np.float64)
    labels.fill(2.0)  # すべてのラベルを2.0に初期化（シグナルなし）
    
    for i in range(len_close):
        if i in peaks:
            labels[i] = 1.0  # ピークで売りシグナル
        elif i in troughs:
            labels[i] = 0.0  # 谷で買いシグナル
    return labels

def get_labels_filter_ZZ(dataset, peak_prominence=0.1) -> pd.DataFrame:
    """
    Generates labels for a financial dataset based on zigzag peaks and troughs.

    This function identifies peaks and troughs in the closing prices using the 'find_peaks' 
    function from scipy.signal. It generates buy signals at troughs and sell signals at peaks.

    Args:
        dataset (pd.DataFrame): DataFrame containing financial data with a 'close' column.
        peak_prominence (float, optional): Minimum prominence of peaks and troughs, 
                                           used to filter out insignificant fluctuations. 
                                           Defaults to 0.1.

    Returns:
        pd.DataFrame: The original DataFrame with a new 'labels' column and filtered rows:
                       - 'labels' column: 
                            - 0: Buy
                            - 1: Sell
                       - Rows where 'labels' is 2 (no signal) are removed.
                       - Rows with missing values (NaN) are removed.
    """

    # 終値の山と谷を見つける
    peaks, _ = find_peaks(dataset['close'], prominence=peak_prominence)
    troughs, _ = find_peaks(-dataset['close'], prominence=peak_prominence)
    
    # 新しいジグザグベースのラベリング関数を使って売買ラベルを計算する。
    labels = calculate_labels_zigzag(peaks, troughs, len(dataset)) 

    # 計算されたラベルを、新しい「labels」列としてDataFrameに追加する。
    dataset['labels'] = labels

    # labels'カラムの値が2.0（シグナルなし）の行を削除する。
    dataset = dataset.drop(dataset[dataset.labels == 2.0].index)
    
    # 変更されたDataFrameを返す 
    return dataset

[削除済み]

Maxim Dmitrievsky #:

このコードは、自分でディールマークアップライブラリに追加することができる。

[fxsaber]

Maxim Dmitrievsky #:

さらに悪化した。

[削除済み]

fxsaber #:

さらに悪化した。

ああ、でもトリックなしのストレートだ。

[Evgeni Gavrilovi]

Maxim Dmitrievsky #:

MT5でモデルを組み合わせることは可能ですか？例えば、トップ20を選択し、40のonnxファイルが表示されたとします。この場合、どうすればよいですか？

[削除済み]

Evgeni Gavrilovi #:

MT5でモデルを組み合わせることは可能ですか？例えば、トップ20を選択し、40のonnxファイルが表示されたとします。この場合、どうすればよいですか？

この記事はこのトピックに関するものではありません。アンサンブルの規定はありません。

ボットのコピーはいくつでも作成できます。

[Evgeni Gavrilovi]

もちろん、ドローダウンを追加することもできる。滑らかなラインは混乱を招くので、そこでは最大-80％、あるいはそれ以上のドローダウンがあったと私は感じている）。

[削除済み]

Evgeni Gavrilovi #:
もちろん、ドローダウンを追加することは可能でしょう。滑らかなラインは分かりにくいので、私はそこではドローダウンは最大-80％またはそれ以上であったと感じています）。

私は、記事の改善提案は受け付けません。

[Evgeni Gavrilovi]

pandasモジュールの基本属性をすべて追加。

https://pandas.pydata.org/docs/reference/window.html

その結果、このようなグラフになった。マキシム、ご苦労様。