Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2168

Novo comentário
 
Aleksey Nikolayev:

Parece estar escrito em toda parte que Fourier é bom apenas para sinais periódicos. Ou próximo a ela - com um espectro estreito.

A propósito, para MO no comércio parece-me que a decomposição Walsh seria mais adequada, mas por alguma razão eu não a vi mencionada no fórum.

Não apenas periódica, mas sempre com o mesmo período (tempo desde o início de uma oscilação até o início de outra) e sempre com a mesma forma. E, entre aspas, tanto os períodos como a forma da curva estão sempre a mudar. Portanto, nenhuma transformação de sinal no mercado é apropriada.
Também estudei electrónica na universidade, e sei do que estou a falar.

 
Igor Makanu:

Sim!

Acabei agora mesmo - acertaste em cheio.

Tenho que desistir, um idiota agitou as coisas com suas fantasias ))))

Mostrou um filtro e 10 ofícios, deste tipo. Das caudas para a média (linhas de filtragem) ou algo do género

Como sempre, quando uma tendência começa, vai ser negativa em toda a conta.

E afixa sempre estes cotos em todos os tópicos, e todos vós discuti-lo alegremente durante 10 páginas durante mais de 1 ano ))


 
Maxim Dmitrievsky:

Mostrou um filtro e 10 ofícios, ao longo destas linhas. Das caudas para a média (linhas de filtragem) ou algo do género

Como sempre, quando uma tendência começa, vai ser negativa em toda a conta.

e afixa estes cotos sempre em todos os tópicos, e todos juntos se divertem a discuti-lo durante 10 páginas durante mais de 1 ano))

ok

agora mostrar o mesmo no mashka e comparar

desordeiro ;)

 
Aleksey Nikolayev:

Parece estar escrito em toda parte que Fourier é bom apenas para sinais periódicos. Ou próximo a ela - com um espectro estreito.

As funções básicas são os pecados e a transformação determina apenas para cada seno o seu desvio (fase) e período

e a intersecção de todos estes pecados (eixo x) dá-nos os pontos onde tomamos os valores do sinal (eixo y)


UPD: aqui está outra boa explicação,https://habr.com/ru/post/196374/

o mais valioso neste artigo são os desenhos desenhados à mão ;)

 
Renat Akhtyamov:

ok

Agora demonstre a mesma coisa no carro e compare-o.

brigão ;)

há muitos outros mashes que parecem semelhantes. Não faz qualquer diferença.

Por exemplo HMA ou algo do género

se vais para as mashkas, pelo menos normaliza-te para a volatilidade e coisas do género.

E não escreva que é um graal. Não está lá.

 
Maxim Dmitrievsky:

há muitos outros mash-ups que parecem semelhantes. Não faz qualquer diferença.

Como o HMA ou algo do género.

Se você está indo para os MAs, pelo menos normalize para a volatilidade e coisas assim.

E não escreva que é um graal. Não há lá nenhum graal.

Precisas de uma captura de ecrã, Max, não apenas de palavras.

Não se pode enganar.

 

Se você precisar, aqui está um pequeno script que calcula a área relativa sob a intersecção das curvas da distribuição do valor da característica para dois clusters.

cl_1 = samples.drop(samples[samples["targets"] == 0].index).reset_index(drop=True)[samples.columns[1]]
cl_2 = samples.drop(samples[samples["targets"] == 1].index).reset_index(drop=True)[samples.columns[1]]

min_x = min(cl_1.min(),cl_2.min())
max_x = max(cl_1.max(),cl_2.max())
x = np.arange(min_x,max_x,(max_x-min_x)/100)
hist_1 = np.histogram(cl_1,x)
hist_2 = np.histogram(cl_2,x)
plt.hist(cl_1,x, histtype= 'step',label='cl_1')
plt.hist(cl_2,x, histtype= 'step',label='cl_2')

area1 = np.sum(hist_1[0])/sum(hist_1[0])
area2 = np.sum(hist_2[0])/sum(hist_2[0])
ymax = np.maximum(hist_1[0],hist_2[0])
ymin = np.minimum(hist_1[0],hist_2[0])

area_overlap = sum(ymin/sum(ymax))
print(area1, area2, area_overlap)

Acho que é uma boa métrica para escolher o método de desbaste, análise de alvo, características e quem sabe o que mais.

area_overlap é amarelo na imagem

 
Renat Akhtyamov:

Mostra-me uma imagem, Max, não apenas palavras.

Não tens de abanar um saco, pois não?

O que você quer ver? Aqui está o verdadeiro TC sobre o MO do meu artigo. Formação - apenas 1 mês, depois generalização durante 2 anos. Eles são reais e funciona.

 
welimorn:

Se você precisar dele, aqui está um pequeno script que calcula a área relativa sob a intersecção das curvas da distribuição dos valores de um recurso para dois clusters.

Acho que é uma boa métrica para escolher o método de desbaste, análise de alvo, características e quem sabe o que mais.

area_overlap é amarelo na foto.

Você faz coisas engenhosas ) Eu começo a olhar para ele na segunda.

 
Todos sabem que um desvio em relação à média pode ser significativo, mas ninguém sabe quando isso vai acontecer.
1...216121622163216421652166216721682169217021712172217321742175...3399
Novo comentário
Razão: