Alexey Burnakov / パブリケーション
フォーラム
トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング
皆さん、こんにちは、 このフォーラムに機械学習や統計の愛好家がいることは知っています。私はこのトピックで（ホリバーなしで）議論し、共有し、この興味深い分野で私たち自身の知識バンクを豊かにすることを提案します。 初心者のためだけでなく、ロシア語の良い理論的リソースがあります： https://www.machinelearning.ru/。 有益な特徴を選択する方法に関する文献の小さなレビュー : https://habrahabr.ru/post/264915/. 私は問題1を提案 する。その解答は後で掲載する。SanSanychはすでにそれを見ているので、私に答えを教えないでください。
ランダムへの想い
こんにちは。 これを書いていて、誰かを怒らせないように、洪水を誘発しないようにするにはどうしたらいいかと考えています。私は建設的であることを望みます、そして、私はただ尋ねるだけです（証明しない、反論しない、ただ対話を望むだけです）。 何年分もの相場データを集めて、0と1の ファイルを 作ると、次の相場が前の相場より大きければ0、その逆なら1という擬似乱数列ができあがります。当面は "pseudo "という接頭語をつけて丁寧に呼びましょう。
金融シリーズのニューロフォーキャスト（1論文に基づく）
こんにちは。 Subj: http://etd.ohiolink.edu/send-pdf.cgi/Lakshminarayanan%20Sriram.pdf?ohiou1127333497&dl=y この中で、研究者は取引所取引商品について、日々の終値の予測精度を約94%にすることを達成しました。彼のテストサンプルサイズは、158日。
引用における依存性統計（情報理論、相関などの特徴選択法）
こんにちは。 私は、フォーラムのスレッドの一つで Alexey (Mathemat) によって触れられた話題を少し発展させることにしました。 ある金融商品の相場における依存関係を、統計的手法で探ってみた。まず始めに、ダウ工業株価指数、日足データを取り、一連の系列をパーセント単位の系列に変換してみた。 実際の記事はこちらです ： http://habrahabr.ru/blogs/data_mining/127394/ FXの相場のために続けたいと思います、結果はここに書きます。
SOM：調理法
こんにちは。 私は以前からFXで自己組織化マップを使うことにアプローチしてきました。2001年から2011年3月末までの日足棒グラフを取り、サイズ40のニューラルネットワークの入力ベクトルを作成し、サイズ7×7のニューロンでSOMを学習させ、ベクトル空間を49セルに分割することにしました。そして、各セルについて、5本のバーで価格が上下に動く確率を計算した。分析結果は以下の通りです。 さらに、実用的な観点から興味深いクラスターを選定しています。黄色で表示されているクラスターは、買いのエントリーポイントを示しています。オレンジ色は売りエントリーポイント（過去10年間、EURUSDは 上昇トレンドが