Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 239
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
Попробуйте описывать свечу двумя числами, каждое из которых в диапазоне [-1.0; 1.0]. Это положение O и С отностельно H и L.
как такое делать?
По высоте H это 1, L это -1, соответственно выразите O и C относительно H и L.
тут не учитывается волатильность свечи, все расчеты идут как бы внутри свечи, а какая это свеча, геповая или маленький доджик МО не видит
думаю Самое нормальное это таки % приращения, но что то я не верно их считаю
подборка про кластеризацыю свечей, но как нормировали не раскрывают, а те что раскрывают то результат меня не устроил
https://www.elitetrader.com/et/threads/statistical-analysis-of-candlesticks-patterns.285918/
http://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-1/
http://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-2/
http://intelligenttradingtech.blogspot.com/2010/06/quantitative-candlestick-pattern.html
тут не учитывается волатильность свечи, все расчеты идут как бы внутри свечи, а какая это свеча, геповая или маленький доджик МО не видит
думаю Самое нормальное это таки % приращения, но что то я не верно их считаю
волатильность как раз и не нужно учитывать. а от гэпов нужно избавляться (смещать свечи на расстояние гэпа)
Урок окончен)))
Спасибо, вроде понял. Кажется очень просто, не верю, но проверю.
Ещё странно что знак идёт отдельным предиктором, я бы просто размер свечи делал отрицательным если она вниз. Это тоже надо попробовать.
Спасибо, вроде понял. Кажется очень просто, не верю, но проверю.
Ещё странно что знак идёт отдельным предиктором, я бы просто размер свечи делал отрицательным если она вниз. Это тоже надо попробовать.
а я вот что то ничего не понял(
как делалась целевая?
откуда взялась формула?
Я продолжаю считать, что без отбора предикторов по их влиянию на целевую переменную, все остальное не имеет значения. Это самый первый шаг. Или мы удалим шумовые предикторы и тогда наши шансы на построение НЕ переобученной модели возрастают, или шумовые предикторы останутся, что обязательно приведет к переобучению. А так как поведение переобученной модели в будущем никак не связано с ее поведение в прошлом, то такая переобученная модель нафиг не нужна.
Еще один любопытный подход к определению важности предикторов. При этом многочисленные алгоритмы определения significance testing не используются.
Вот исполненный код из этого поста
> n <- 10000
>
> x1 <- runif(n)
> x2 <- runif(n)
> y <- -500 * x1 + 50 * x2 + rnorm(n)
>
> model <- lm(y ~ 0 + x1 + x2)
>
> # 1a. Standardized betas
> summary(model)$coe[,2]
x1 x2
0.02599082 0.02602010
> betas <- model$coefficients
> betas
x1 x2
-500.00627 50.00839
> imp <- abs(betas)/sd.betas
Ошибка: объект 'sd.betas' не найден
> sd.betas <- summary(model)$coe[,2]
> betas <- model$coefficients
> imp <- abs(betas)/sd.betas
> imp <- imp/sum(imp)
> imp
x1 x2
0.9091711 0.0908289
> imp1 <- abs(model$coefficients[1] * sd(x1)/sd(y))
> imp2 <- abs(model$coefficients[2] * sd(x2)/sd(y))
>
> imp1 / (imp1 + imp2)
x1
0.9095839
> imp2 / (imp1 + imp2)
x2
0.0904161
> # 2. Standardized variables
> model2 <- lm(I(scale(y)) ~ 0 + I(scale(x1)) + I(scale(x2)))
> summary(model2)
Call:
lm(formula = I(scale(y)) ~ 0 + I(scale(x1)) + I(scale(x2)))
Residuals:
Min 1Q Median 3Q Max
-0.0236475 -0.0046199 0.0000215 0.0046571 0.0243383
Coefficients:
Estimate Std. Error t value Pr(>|t|)
I(scale(x1)) -9.932e-01 6.876e-05 -14446 <2e-16 ***
I(scale(x2)) 9.873e-02 6.876e-05 1436 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.006874 on 9998 degrees of freedom
Multiple R-squared: 1, Adjusted R-squared: 1
F-statistic: 1.058e+08 on 2 and 9998 DF, p-value: < 2.2e-16
> abs(model2$coefficients)/sum(abs(model2$coefficients))
I(scale(x1)) I(scale(x2))
0.90958355 0.09041645