Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3252

 
Maxim Dmitrievsky #:
Это как?

https://www.mql5.com/ru/docs/constants/chartconstants/enum_timeframes

Идентификатор

Описание

PERIOD_CURRENT

Текущий период

PERIOD_M1

1 минута

PERIOD_M2

2 минуты

PERIOD_M3

3 минуты

PERIOD_M4

4 минуты

PERIOD_M5

5 минут

PERIOD_M6

6 минут

PERIOD_M10

10 минут

PERIOD_M12

12 минут

PERIOD_M15

15 минут

PERIOD_M20

20 минут

PERIOD_M30

30 минут

PERIOD_H1

1 час

PERIOD_H2

2 часа

PERIOD_H3

3 часа

PERIOD_H4

4 часа

PERIOD_H6

6 часов

PERIOD_H8

8 часов

PERIOD_H12

12 часов

PERIOD_D1

1 день

PERIOD_W1

1 неделя

PERIOD_MN1

1 месяц

Документация по MQL5: Константы, перечисления и структуры / Константы графиков / Периоды графиков
Документация по MQL5: Константы, перечисления и структуры / Константы графиков / Периоды графиков
  • www.mql5.com
Периоды графиков - Константы графиков - Константы, перечисления и структуры - Справочник MQL5 - Справочник по языку алгоритмического/автоматического трейдинга для MetaTrader 5
[Удален]  
Не смогу так быстро, ближе к вечеру только, либо на днях 
 
Maxim Dmitrievsky #:
Не смогу так быстро, ближе к вечеру только, либо на днях 
Погода хорошая))) 
[Удален]  
На малых ТФ переполняться память. Забивается 16 озу и файл подкачки (своп на маке) 30гиг. Ну там матрица корреляционная 50к на 50к размером, например.

Пандас и нампай вылетает, не рассчитан на большие данные. Через даск попробую. Либо процеживать историю.

Короче что МО не тянет на обычном железе, что такой подход.
 
Maxim Dmitrievsky #:
На малых ТФ переполняться память. Забивается 16 озу и файл подкачки (своп на маке) 30гиг. Ну там матрица корреляционная 50к на 50к размером, например.

Пандас и нампай вылетает, не рассчитан на большие данные. Через даск попробую. Либо процеживать историю.

Короче что МО не тянет на обычном железе, что такой подход.
Квантизацию делаете? Основная цель квантизации - уменьшение размеров данных. 4 байтовый float в 1 байтовый uchar или char.
16 гг матрица станет 4гг.


Ну и все расчеты в ОЗУ идут - надо добавить. Сейчас память недорогая.

[Удален]  
Forester #:
Квантизацию делаете? Основная цель квантизации - уменьшение размеров данных. 4 байтовый float в 1 байтовый uchar или char.
16 гг матрица станет 4гг.


Ну и все расчеты в ОЗУ идут - надо добавить. Сейчас память недорогая.

Не знаю как потом считать корреляцию

в макбук память не так просто добавить ) Все равно это крайне неэффективно для временного ряда, надо переделать как-то

Тем более что спущусь еще на ТФ ниже и нужно будет еще в 5 раз больше ресурсов

через SQL эффективно будет считать?

 
Maxim Dmitrievsky #:

Не знаю как потом считать корреляцию

в макбук память не так просто добавить ) Все равно это крайне неэффективно для временного ряда, надо переделать как-то

Тем более что спущусь еще на ТФ ниже и нужно будет еще в 5 раз больше ресурсов

В алглибе есть ф-я расчета корелляции double. Думаю можно просто поменять все переменные на char/uchar и все будет работать.Там еще с десяток используемых функций тоже надо переделать. И от CMatrixDouble перейти к динамическим массивам или как то по другому.

Pearson product-moment correlation matrix                        |
//| INPUT PARAMETERS:                                                |
//|     X   -   array[N,M], sample matrix:                           |
//|             * J-th column corresponds to J-th variable           |
//|             * I-th row corresponds to I-th observation           |
//|     N   -   N>=0, number of observations:                        |
//|             * if given, only leading N rows of X are used        |
//|             * if not given, automatically determined from input  |
//|               size                                               |
//|     M   -   M>0, number of variables:                            |
//|             * if given, only leading M columns of X are used     |
//|             * if not given, automatically determined from input  |
//|               size                                               |
//| OUTPUT PARAMETERS:                                               |
//|     C   -   array[M,M], correlation matrix (zero if N=0 or N=1)  |
//+------------------------------------------------------------------+
static bool CBaseStat::PearsonCorrM(const CMatrixDouble &cx,const int n,
                                    const int m,CMatrixDouble &c)


И если у вас самоделка - то и квантизацию надо будет делать, если нет готового пакета, который ее делает.

 
Maxim Dmitrievsky #:
через SQL эффективно будет считать?
Не знаю
 
Maxim Dmitrievsky #:
На малых ТФ переполняться память. Забивается 16 озу и файл подкачки (своп на маке) 30гиг. Ну там матрица корреляционная 50к на 50к размером, например.

Пандас и нампай вылетает, не рассчитан на большие данные. Через даск попробую. Либо процеживать историю.

Короче что МО не тянет на обычном железе, что такой подход.

зачем там кореляционная матрица вообще нужна можешь обяснить?

есть паттерн , есть масив истории с которой можно паттерн сравнить, в чем проблема вообще?

[Удален]  
mytarmailS #:

зачем там кореляционная матрица вообще нужна можешь обяснить?

есть паттерн , есть масив истории с которой можно паттерн сравнить, в чем проблема вообще?

нет паттерна, паттерны ищутся по корр. матрице