Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2559

Novo comentário
 
mytarmailS #:

à procura da estrada para o manicómio? :)

O problema é que não sou eu que invento todas estas definições, por isso só posso enviar para o Google, para obter informações mais precisas. Posso encontrar um link para esse artigo mais tarde. Mas é uma análise de entropia de séries, estacionária e não tão estacionária.
 
Maxim Dmitrievsky #:
O problema é que eu não invento todas essas definições, então eu só posso usar o Google para obter informações mais precisas. Posso encontrar um link para esse artigo mais tarde.

Bem, essa é a coisa engraçada...

Você disse "regularidade". Não sei o que é isso, por isso não te perguntei e fui ao Google e afinal não foi isso que quiseste dizer. Se eu não tivesse entendido isso, estaríamos agora a usar o mesmo conceito (regularidade) implicando coisas diferentes, por isso nunca chegaríamos ao fundo da questão...

E tudo por causa de um idiota pseudo-científico...

 
mytarmailS #:

Eu gostaria de treinar SMM, mas de uma forma invulgar, através de uma função física, genética ou outra...

Eu mesmo quero fazer matrizes de transição de estado... Há um pacote, há estas matrizes, mas o que e onde mudar eu realmente não entendo, você pode ajudar com isto?

A função de adequação no HMM é o logaritmo da probabilidade. Se você inventar um f. f. personalizado, já é algum outro método.

 
Aleksey Nikolayev #:

No HMM a função de adequação é o logaritmo da probabilidade. Se você inventar um f.f. personalizado, já é algum outro método.

Então o que precisa de ser optimizado?

fit <- HMMFit(x , nStates = 3)
> fit

Call:
----
HMMFit(obs = x, nStates = 3)

Model:
------
3 states HMM with 5-d gaussian distribution

Baum-Welch algorithm status:
----------------------------
Number of iterations : 60
Last relative variation of LLH function: 0.000001

Estimation:
-----------

Initial probabilities:
           Pi 1         Pi 2 Pi 3
  2.636352 e-255 2.770966 e-50    1

Transition matrix:
          State 1    State 2    State 3
State 1 0.1864987 0.76046799 0.05303333
State 2 0.2539474 0.60377350 0.14227910
State 3 0.6191488 0.07157308 0.30927815

Conditionnal distribution parameters:

Distribution parameters:
  State 1
           mean  cov matrix                                               
      0.4752939  0.97587370  0.02993559 -0.21805741  0.25639651  0.1567241
     -0.5686039  0.02993559  0.85342747  0.43374921  0.18220534 -0.2149688
      0.3739333 -0.21805741  0.43374921  0.58127533 -0.01600787 -0.2097350
     -0.3833589  0.25639651  0.18220534 -0.01600787  1.13979299 -0.3723484
     -0.5871168  0.15672407 -0.21496881 -0.20973503 -0.37234835  1.0462750

  State 2
            mean  cov matrix                                               
      0.07949112  1.14644170  0.21413163 -0.05544488 -0.02902406 0.04179052
      0.15306029  0.21413163  0.84865045 -0.19661403 -0.12397740 0.01617397
     -0.03560680 -0.05544488 -0.19661403  1.25872915  0.15638695 0.03917204
      0.07304988 -0.02902406 -0.12397740  0.15638695  0.70073838 0.02934227
      0.35500064  0.04179052  0.01617397  0.03917204  0.02934227 0.65031019

  State 3
           mean  cov matrix                                              
     -0.5093426  0.60603137 -0.21462708  0.06322606  0.27231407 0.1076386
      0.1526545 -0.21462708  0.56847783 -0.06347737 -0.15941211 0.2161427
     -1.0672876  0.06322606 -0.06347737  0.17662599  0.08658292 0.1981628
      0.7778853  0.27231407 -0.15941211  0.08658292  1.17497274 0.4802186
     -0.2541008  0.10763858  0.21614270  0.19816276  0.48021858 0.7488420


Log-likelihood: -1379.07
BIC criterium: 3118.43
AIC criterium: 2894.14

aqui está um modelo para três estados

 
mytarmailS #:

Bem, essa é a coisa engraçada...

Você disse "regularidade". Não sei o que é isso, por isso não te perguntei e fui pesquisar no Google e afinal não era isso que querias dizer. Se eu não tivesse entendido isso, estaríamos agora a usar o mesmo conceito (regularidade) implicando coisas diferentes, por isso nunca chegaríamos ao fundo da questão...

E tudo por causa de um idiota pseudo-científico...

A moral desta pseudociência é que estacionaridade não significa previsibilidade, e vice-versa :D Os mercados são imprevisíveis porque não são estacionários. E eles não estão instáveis porque são imprevisíveis. É isso, estou cansado.
 
Maxim Dmitrievsky #:
Pessoal, estou cansado.

Eu também)

 
mytarmailS #:

Então o que precisa de ser optimizado?

Aqui está um modelo de três estados.

Portanto, tudo já está optimizado pelo algoritmo Baum-Welch. O valor ótimo do logaritmo de probabilidade é escrito abaixo. Os parâmetros (matriz de transição e outros) são calculados.

 
A propósito, o termo "regularização" também é usado quando se descreve regressões de pente e laço) Aí, significa comprimir os coeficientes a zero, a fim de reduzir a variância do modelo.
 
Aleksey Nikolayev #:

Então tudo já está optimizado através do algoritmo Baum-Welch. O valor ótimo do logaritmo de probabilidade é escrito abaixo. Os parâmetros (matriz de transição e outros) são calculados.

Este é apenas um modelo treinado para três estados, e eu quero um modelo que será treinado para que a minha função física seja feliz.

Imagine que eu treino neurônica e mudo seus pesos pela genética e vejo sua condição física.

Eu gostaria de fazer o mesmo com o SMM, mas eu mudaria a sua matriz de transição.


Mas é claro o que mudar com os pesos do neurónio, e não tanto com este.

 
mytarmailS #:

Este é um modelo treinado nos três estados, e eu quero um modelo que será treinado para que a minha função física seja satisfeita.

Imagine que eu treino um neurónio, mudo o seu peso com a genética e vejo a sua condição física.

Eu gostaria de fazer o mesmo com o SMM, mas eu mudaria a sua matriz de transição.


Mas com os pesos do neurônio, é claro o que mudar, e aqui nem tanto.

Eu entendo o que eu preciso, eu preciso ser capaz de definir um FF personalizado. Mas esta função HMMFit() não suporta esta possibilidade, porque implementa um Baum-Welch com uma costura rígida no seu LLH. Você só pode definir alguns parâmetros Baum-Welch

Você precisa de outro pacote onde você pode especificar uma frase personalizada.

1...255225532554255525562557255825592560256125622563256425652566...3399
Novo comentário
Razão: