Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2575
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
No artigo Kalman é testado nos dados gerados. Não tenho a certeza se será melhor do que a versão deslizante do LS em dados reais.
Não, não, em dados reais, tudo é justo Y_.
Aqui está o mu e a gama nos dados Y_.
e o backtest com osdados Y_.
Mas a questão é, naestimativa_mu_gamma....blahblah
Regressão e regressão rolante são divididas em rastreamento e teste, é como se houvesse um modelo para prever novos dados (nova propagação), mas não está lá para o kalman, não entendo como funciona dentro dele, como construir a propagação com novos dados usando o kalman. O código é tão pouco claro que os meus olhos estão a sangrar.
Eu não entendo nada com este kalman((
Há as três estratégias para desvendar de qualquer maneira, provavelmente é mais fácil desvendar a segunda antes do kalman - tem o mesmo princípio - adaptabilidade no tempo, mas é mais simples.
Há as três estratégias para rachar de qualquer maneira, provavelmente é mais fácil rachar a segunda antes de Kalman - tem o mesmo princípio - adaptabilidade no tempo, mas é mais simples.
Não, Andrei, o segundo funciona muito mal.
Há também muito bons pares tomados ... Se aceitares a realidade, se Deus quiser, que o Kalman mostrará algo.
Não Andrei, o segundo funciona muito mal.
Há alguns pares muito bons tirados ... Se aceitarmos a realidade, Deus nos livre que o Kalman mostre algo.
Então esta imagem é uma comparação com os dados simulados. Nos dados reais lá no final e na primeira metade deles, o calmante é ainda um pouco pior.
Grosso modo, algumas suposições a priori são feitas para o kalman e se elas forem verdadeiras na realidade, então o kalman será muito melhor e vice-versa.
Grosso modo, algumas suposições a priori são feitas para o Kalman e se elas forem verdadeiras na realidade, o Kalman será muito melhor e vice-versa.
Eu não acho. Ele estava apenas a simular os dados para se divertir...
Aqui está o treinamento dos modelos sobre os dados Y_ reais.
e depois arranjar os spreads.
e depois o backtest.
Kalman não treinou os modelos em dados sintéticos antes do verdadeiro backtest.
Eu não acho. Ele estava apenas a simular os dados por diversão.
Aqui está o treinamento dos modelos sobre os dados Y_ reais.
e depois obter os spreads.
e depois o backtest.
Você não treinou o Kalman em dados sintéticos antes do verdadeiro backtest.
As hipóteses a priori são, em primeiro lugar, um modelo linear armazenado no pacote (descrito no início da seção Kalman) e, em segundo lugar, os parâmetros de inicialização deste modelo são tomados, em geral, do teto.
Não Andrei, o segundo rollingLS é muito mau.
Nem por isso. Se você olhar para os gráficos anteriores, você pode ver que o "rolamento" real é ativado após ~ um terço da amostra é passado. em dados reais, se houver um histórico tal problema não irá ocorrer.
Mas o Taki Kalman provavelmente ainda está melhor, mas ainda acho que é melhor dividi-lo do fogão.
Sim... especialmente se você for um humanitário.
Não é a floresta nas íris).
Nada com este kalman é claro((
MAshku (aka Kalman) conta com a propagação resultante, suavizando o "ruído", é claro
https://datascienceplus.com/kalman-filter-modelling-time-series-shocks-with-kfas-in-r/
O Kalman não é um mashka!https://datascienceplus.com/kalman-filter-modelling-time-series-shocks-with-kfas-in-r/
Já percorremos este caminho antes com Rena e o tractor, com exemplos das suas previsões em 1 bar ))))) Estou a rir
De um modo estará à frente, do outro estará atrás. 50/50 no total.