Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 444
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
É verdade, os futuros têm sido negociados nos últimos 3 meses - pouco antes e depois do termo do anterior. É inútil olhar mais cedo e tentar fazer qualquer coisa com ele.
Maxim (ou o seu sistema) notou o óbvio.
:) Não me refiro aos futuros, que ainda não começaram, mas ao comportamento cíclico, provavelmente relacionado com a vida útil do contrato, o que significa que os padrões mudam em um novo contrato, como volatilidade e liquidez, o mercado muda suas reações. A propósito, é invisível ao olho, mas a estatanálise vai mostrá-lo. Mas isso não é o principal, o mercado está cheio de outras cíclicas. O problema é que o sistema reconstrói-se a si mesmo sem perdas de rentabilidade automáticas. Quero dizer, não tenho de fazer nada manualmente, sou demasiado preguiçoso...
Introduza um parâmetro que defina a qualidade do seu EA, se o seu valor se desviar abaixo do limite que definiu, retraia o modelo. Tudo isto pode ser feito em R sem sair do estado operacional.
Qual é o problema?
Atenção! Pode haver erros no R.
Ainda ontem eu estava a fazer histogramas. Estou fazendo isso há várias horas, não escrevi nenhum script, tudo está na linha de comando. Não tenho vontade de repetir horas de experiências apenas para afixar os códigos.
Então, vamos fazer um histograma. O histograma mostra que a probabilidade de encontrar valores da série em um determinado intervalo é de 0,22. Somamos tudo e recebemos 0,59 e não 1 como deveria ser.
Depois traçamos os mesmos histogramas para a amostra de processos aleatórios uniformemente distribuídos. Tudo converge aqui e a soma é 1, como deveria ser. Como assim?
Ok, há muitas maneiras de fazer a mesma coisa em R. Vamos fazer isto de outra maneira. Desta vez temos a probabilidade 0,43. Isto não pode ser, porque não há maneira de obter 0,43 de 0,22 (com a soma 0,59).
Resumindo os valores do histograma, obtemos 0,991. Deixa-me lembrar-te que deve ser igual a 1. Mesmo que tudo esteja correto, ainda assim recebemos 1% de erro. Isto é um erro ultrajante - simplesmente não pode ser.
Depois de tal coisa, a credibilidade de R de alguma forma, você sabe, cai. E se o mesmo acontecer com outros cálculos e algoritmos mais complexos, onde não é tão fácil, e muitas vezes impossível de verificar.
Atenção! Pode haver erros no R.
Ainda ontem eu estava a fazer histogramas. Estou fazendo isso há horas, não escrevi nenhum script, tudo está na linha de comando. Não tenho vontade de repetir horas de experiências apenas para afixar os códigos.
Então, vamos fazer um histograma. O histograma mostra que a probabilidade de encontrar valores da série em uma determinada faixa é de 0,22. Somamos tudo e recebemos 0,59 e não 1 como deveria ser.
Depois traçamos os mesmos histogramas para a amostra de processos aleatórios uniformemente distribuídos. Tudo converge aqui e a soma é 1, como deveria ser. Como assim?
Ok, há muitas maneiras de fazer a mesma coisa em R. Vamos fazer isto de outra maneira. Desta vez temos a probabilidade de 0,43. Não pode ser, porque não há maneira de obter 0,43 de 0,22 (com a soma de 0,59).
Resumindo os valores do histograma, obtemos 0,991. Deixa-me lembrar-te que deve ser igual a 1. Mesmo que tudo esteja correto, ainda assim recebemos 1% de erro. Isto é um erro ultrajante - simplesmente não pode ser.
Depois de tal coisa, a credibilidade de R de alguma forma, você sabe, cai. E se o mesmo acontece com outros cálculos e algoritmos mais complexos, onde não é tão fácil, e muitas vezes impossível de verificar.
Eu gostaria de ver uma coisa.
Eu construo gráficos de barras regularmente, mas não notei nada.
Atenção! Pode haver erros no R.
Ainda ontem eu estava a fazer histogramas. Estou fazendo isso há horas, não escrevi nenhum script, tudo está na linha de comando. Não tenho vontade de repetir horas de experiências apenas para afixar os códigos.
Então, vamos fazer um histograma. O histograma mostra que a probabilidade de encontrar valores da série em um determinado intervalo é de 0,22. Somamos tudo e recebemos 0,59 e não 1 como deveria ser.
Depois traçamos os mesmos histogramas para a amostra de processos aleatórios uniformemente distribuídos. Tudo converge aqui e a soma é 1, como deveria ser. Como assim?
Ok, há muitas maneiras de fazer a mesma coisa em R. Vamos fazer isto de outra maneira. Desta vez temos a probabilidade 0,43. Isto não pode ser, porque não há maneira de obter 0,43 de 0,22 (com a soma 0,59).
Resumindo os valores do histograma, obtemos 0,991. Deixa-me lembrar-te que deve ser igual a 1. Mesmo que tudo esteja correto, ainda assim recebemos 1% de erro. Isto é um erro ultrajante - simplesmente não pode ser.
Depois de tal coisa, a credibilidade de R de alguma forma, você sabe, cai. E se o mesmo acontece com outros cálculos e algoritmos mais complexos, onde não é tão fácil, e muitas vezes impossível de verificar.
Sem um exemplo reprodutível, um som vazio. A probabilidade de erro nas funções básicas é inferior a 0. Obviamente, muitas horas de experiências tiveram um efeito. Não pode puxar a sequência de comando da História? Ou não estás a praticar em Rstudio?
Sem um exemplo reprodutível, não há nada. A probabilidade de erro nas funções básicas é inferior a 0. Obviamente, horas de experimentação tiveram um impacto. Não pode puxar a sequência de comando da História? Ou não estás a praticar em Rstudio?
Em R 3.4.1 c https://www.r-project.org/
Leva pelo menos uma hora e meia apenas para reproduzir a sequência (que eu não preciso mais). Claro que não o farei apenas para publicar os resultados no fórum. Ontem, quando tudo estava, infelizmente, não pensei em escrever no fio da meada.
É por isso que escrevi com a maior precisão possível e sem dizer nada -Atenção! Pode haver errosno R . Não tem, nomeadamente pode ser). Em geral, eu não insisto. Se achas que é bom, é verdade.
É interessante que para algumas séries quando se traçam histogramas eles estão obviamente lá, mas para outras séries eles não parecem estar. Acabou por ter de ir para o Excel e acabar tudo lá.
PS Sim, obrigado por me lembrares do RStudio. Eu já o fiz. Imho, será mais conveniente que o R no CAD.
setwd("D:/") # definir diretório de trabalho
x <- read.csv("x.csv", head=T) # carregar ficheiro de dados
sapply(x, classe) # a que classe pertence o conteúdo variável
Introduza um parâmetro que defina a qualidade do seu EA, se o seu valor se desviar abaixo do limite que definiu, retraia o modelo. Tudo isto pode ser feito em R sem sair do estado operacional.
Qual é o problema?
Eu não uso R devido à sua completa inutilidade no desenvolvimento de bots :) Se você precisar de algum tipo de estatística você pode, mas tudo mais é feito em mt5, incluindo bibliotecas com redes neurais que você pode usar diretamente como uma dll, para que eu preciso de R para?
É óbvio que não precisas de R. Boa sorte.
-----------------------
SanSanych:
Desde que você mudou para problemas de regressão veja isto
Boa sorte.
É óbvio que não precisas de R. Boa sorte.
-----------------------
SanSanych:
Desde que você mudou para problemas de regressão veja isto
Boa sorte.
Estou a tentar dominar um modelo muito particular - o GARCH. Atrai-me pelo facto de uma série de fontes ser decomposta nos seus componentes e depois estes componentes são modelados separadamente. E a decomposição é intuitivamente compreensível e está directamente ligada à requalificação do modelo. Como estou interessado apenas na capacidade de reconversão do modelo (posso criar Expert Advisors reconvertidos em TA com duração até 6 meses), foi isso que determinou a escolha do GARCH.
Não tenho conhecimento de nenhuma abordagem em NS que permita caudas grossas, dobras... Parece-me que o modelo NS em si não tem nada a ver com os problemas do cotier original.
No GARCH, ao mesmo tempo em que me adapto ao modelo, posso realizar testes que servem como base para que no futuro o modelo resultante se comporte exatamente da mesma forma que nos dados de treinamento. Não sou capaz de encaixar o GARCH com parâmetros superiores a 90% de probabilidade.