Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3069
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Торговаться я не буду. Просили обучить - давайте признаки, обучу-проверю. Если годнота получится - дам исходники.
Если есть по ощущениям нормальные признаки, то много их быть не может. Датасеты с 6к признаков мне не надо, нет на это времени
Иначе буду заниматься другими делами.
У меня нет признаков в одну строку - больше времени потратите на воспроизведение их в питоне. Логичней же проверить вообще эффективность подхода на моих данных, а потом уже решать - внедрять код расчета предикторов или нет.
Если бы у меня были сильно "хорошие" предикторы, относительно других, то тем более не спешил бы их давать в открытый доступ :) Можно сделать так - взять мне модель с приемлемым результатом и от туда вытащить 20 предикторов по важности (по мнению одного из способов её опреденлия) в модели.
К тому же, меня так же интересует эффективность предложенного метода на бинарных предикторах - которые являются квантовыми отрезками от предикторов, и эту технологию не так быстро воспроизвести, поэтому массив был бы предпочтительней - но тут интересен результат с большим объемом предикторов.
Если что будет интересное, то уже тогда можно тратить время и силы на вникание в логику расчета предикторов и их внедрение.
У меня нет признаков в одну строку - больше времени потратите на воспроизведение их в питоне. Логичней же проверить вообще эффективность подхода на моих данных, а потом уже решать - внедрять код расчета предикторов или нет.
Если бы у меня были сильно "хорошие" предикторы, относительно других, то тем более не спешил бы их давать в открытый доступ :) Можно сделать так - взять мне модель с приемлемым результатом и от туда вытащить 20 предикторов по важности (по мнению одного из способов её опреденлия) в модели.
К тому же, меня так же интересует эффективность предложенного метода на бинарных предикторах - которые являются квантовыми отрезками от предикторов, и эту технологию не так быстро воспроизвести, поэтому массив был бы предпочтительней - но тут интересен результат с большим объемом предикторов.
Если что будет интересное, то уже тогда можно тратить время и силы на вникание в логику расчета предикторов и их внедрение.
Очень душно. Дайте 10-20 примеров расчетов признаков своих. Можно один с разными периодами. На входе формулы расчета признаков.
Большой объем бинарных признаков считать не буду.
несколько топовых результатов из тех 3к моделей:
по ощущениям, находятся одни и те же "закономерности" даже при разном семплировании меток. Все графики похожи. Ну на других фичах будут другие картинки.
К тому же, меня так же интересует эффективность предложенного метода на бинарных предикторах - которые являются квантовыми отрезками от предикторов,
Это разделяете фичу на 16 квантов (например) и потом делите на 16 фич с 0 и 1?
Где 1 - если значения первичной фичи в требуемом кванте, а 0 если в любом другом?
Это разделяете фичу на 16 квантов (например) и потом делите на 16 фич с 0 и 1?
Где 1 - если значения первичной фичи в требуемом кванте, а 0 если в любом другом?
Идея в том, что отбирается из 16 пара отрезков, у которых есть потенциал. Про кодирование - да, так.
Maxim Dmitrievsky #:
ООС СЛЕВА ОТ ПУНКТИРНОЙ ЛИНИИ
Очень душно. Дайте 10-20 примеров расчетов признаков своих. Можно один с разными периодами. На входе формулы расчета признаков.
Большой объем бинарных признаков считать не буду.
несколько топовых результатов из тех 3к моделей:
по ощущениям, находятся одни и те же "закономерности" даже при разном семплировании меток. Все графики похожи. Ну на других фичах будут другие картинки.
Попробуйте индикаторы - есть библиотека ta для питона.
Сам OOS (исходные данные) как формировался?
классическим образом, набор признаков по ценам закрытия
Попробуйте индикаторы - есть библиотека ta для питона.
которые из них ваши? тратите время просто )
Идея в том, что отбирается из 16 пара отрезков, у которых есть потенциал. Про кодирование - да, так.
Тогда можно 1 фичу разделить на 16 квантов, пронумеровать и пометить как категориальную. Дерево точно так же проверит на соответствие каждой категории/кванта (==0 или ==1 или ==2 ....). Можно так-же неинтересные кванты отнести в одну категорию.
Результат будет 1 в 1. Или почти, за счет неинтересного кванта, может получиться так, что дерево выберет его при сплите, как лучший.
Из плюсов - всего 1 фича, быстрее расчеты. Размеры файлов и потребление памяти значительно сократятся.
15 лет ООС
подход оказался любопытным, но чувствителен к признакам все-таки. Просто на ретурнах такое не получается.