Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2520

[mytarmailS]

Valeriy Yastremskiy

Zaman sınırı şansı azaltacaktır.

Evet, ancak yine de %100 tetiklenme olasılığıyla 3-5 gün ufkunda kalıplar bulabilirsiniz (kontrol ettim)

Alexey Nikolaev # :

Evet, görevin yarısı çözüldü, ikinci yarısı kaldı - stop loss nereye koyulacak.

TC değil, sadece bir fikir.

[LenaTrap]

Alexey Nikolaev # :

Ah, bize kim geldi) AKF SB'yi nasıl hesaplayacağınızı zaten biliyor musunuz? Smartlab'den farklı olarak, burada bu soru için beni yasaklayamazsınız)

Merhaba Alexey, sorunuzu sormadan cevaplayabilir miyim? Ona sorduğunuz gibi çok okudum ve buna dayanamadım çünkü çözüm bana çok basit geldi.

Rastgele değerlerden (1 veya -1) normalleştirilmiş bir sayı dizisi oluşturdum.

Ve mevcut nokta için önceki tüm değerleri toplayarak ondan klasik bir hisse senedi grafiği.

Daha sonra normalleştirilmiş seriler için otokorelasyon sıfır olma eğiliminde olacaktır.

Ve bir dizi hisse senedi grafiği için, otokorelasyon birlik eğiliminde olacaktır.

Ancak, yalnızca yeterli uzunlukta bir diziyle, 100.000 sayılı bir diziyle, sonuçları şu şekilde aldım:

0.0010599888334729966 (normalleştirilmiş veri)

0.9999708433220806 (normalleştirilmemiş)

100 sayı dizisi ile:

0.018773466833541926

0.9367627243658354

10 üzerinden:

-0.4999999999999999 (bu değerler her yeni seride rastgele değişir)

-0.14285714285714285   (bu değerler her yeni seride rastgele değişir)

Bunlar sadece özel durumlardır, ancak gördüğünüz gibi küçük bir seri boyutu ile çok geniş rastgele sınırlar üzerinde otokorelasyon gösterebilir.

Ancak bu otokorelasyon (otokorelasyonun olmadığı) verileri üreten prosesin bir özelliği değildir, bu da bu durumda prosesi ölçmeyi ve değerlendirmeyi zorlaştırır.

Hesaplamaları kontrol etmek isteyen olursa Python kodumu aşağıya ekleyeceğim.

import numpy as np
import random

def autocorr(x, t= 1 ):
     return np.corrcoef(np.array([x[:-t], x[t:]]))[ 0 ][ 1 ]

SB_numbers = []
for i in range ( 1 , 100000 ):
    r = random.randint( 0 , 1 )
     if r == 0 :
        r = - 1
    SB_numbers.append(r)
#print(SB_numbers)
    
SB_time_series = []
price = 0
for el in SB_numbers:
    price = price + el
    SB_time_series.append(price)
#print(SB_time_series)
    

    
print( 'numbers autocorr:' ,autocorr(SB_numbers, 1 ))
print( 'time_series autocorr::' ,autocorr(SB_time_series, 1 ))

[Aleksey Nikolayev]

LenaTrap # :

Merhaba Alexey, sorunuzu sormadan cevaplayabilir miyim? Ona sorduğunuz gibi çok okudum ve buna dayanamadım çünkü çözüm bana çok basit geldi.

Rastgele değerlerden (1 veya -1) normalleştirilmiş bir sayı dizisi oluşturdum.

Ve mevcut nokta için önceki tüm değerleri toplayarak ondan klasik bir hisse senedi grafiği.

Daha sonra, normalleştirilmiş bir seri için otokorelasyon sıfır olma eğiliminde olacaktır.

Ve bir dizi hisse senedi grafiği için, otokorelasyon birlik eğiliminde olacaktır.

Ancak, yalnızca yeterli uzunlukta bir diziyle, 100.000 sayılı bir diziyle, aşağıdaki gibi sonuçlar elde ettim:

0.0010599888334729966 (normalleştirilmiş veri)

0.9999708433220806 (normalleştirilmemiş)

100 sayı dizisi ile:

0.018773466833541926

0.9367627243658354

10 üzerinden:

-0.4999999999999999 (bu değerler her yeni seride rastgele değişir)

-0.14285714285714285   (bu değerler her yeni seride rastgele değişir)

Bunlar sadece özel durumlardır, ancak gördüğünüz gibi küçük bir seri boyutu ile çok geniş rastgele limitler üzerinde otokorelasyon gösterebilir.

Ancak bu otokorelasyon (otokorelasyonun olmadığı) verileri üreten prosesin bir özelliği değildir, bu da bu durumda prosesi ölçmeyi ve değerlendirmeyi zorlaştırır.

Hesaplamaları kontrol etmek isteyen olursa Python kodumu aşağıya ekleyeceğim.

Seçici ACF'yi düşünürsünüz. Soru AKF'dir . Çok uzun zaman önce, bu başlıkta Valeriy Yastremskiy, beyaz gürültü için ACF formüllerinin ve sabit bir AR (1) sürecinin verildiği ekonometriyle ilgili kılavuzlara bağlantılar yayınladı. Kafam karışmıyorsa, bu işlev orada Yunanca gama harfiyle ifade ediliyordu. Soru, SB için formülün ne olacağıdır.

[secret]

Seçerek ticaret yapıyorsak neden formüllere ihtiyacımız var?

[Aleksey Nikolayev]

gizli # :
Seçerek ticaret yapıyorsak neden formüllere ihtiyacımız var?

Fiyat ticareti yapıyoruz. Fiyatların bir örnek olduğu varsayımı zaten bir soyutlama ve teorileştirmedir.

[LenaTrap]

Alexey Nikolaev # :

Seçici ACF'yi düşünürsünüz. Soru AKF'dir . Çok uzun zaman önce, bu başlıkta Valeriy Yastremskiy, beyaz gürültü için ACF formüllerinin ve sabit bir AR (1) sürecinin verildiği ekonometriyle ilgili kılavuzlara bağlantılar yayınladı. Kafam karışmıyorsa, bu işlev orada Yunanca gama harfiyle ifade ediliyordu. Soru, SB için formülün ne olacağıdır.

Otokorelasyonun varlığını değerlendirmek için standart gibi görünen Pearson korelasyon katsayısını düşünüyorum. Maalesef tam olarak ne demek istediğinizi tam olarak anlamadım, çok kısa bir terim yazıyorsunuz "AFK" = otokorelasyon işlevi? Pearson katsayısı tam olarak neden size uymuyor? Bana göre değerlendirme doğru yapılmıştır.

[ 1 , 1 , 1 , - 1 , - 1 , - 1 , 1 , - 1 , 1 , - 1 , 1 , 1 , - 1 , - 1 , 1 , - 1 , 1 , 1 , 1 ]
[ 1 , 2 , 3 , 2 , 1 , 0 , 1 , 0 , 1 , 0 , 1 , 2 , 1 , 0 , 1 , 0 , 1 , 2 , 3 ]
-----------
[ 19 - 2    1 - 4 - 1 - 4    3 - 4    5    0    3 - 2 - 1 - 4 - 1    0    3    2    1 ]
[ 42 28 19 12 12 10 15 14 14 12 13    8    8    6 11 14 14    8    3 ]

Almak istediğin şey bu mu?

Ticaret, otomatik ticaret sistemleri ve ticaret stratejilerinin test edilmesi hakkında forum

Ticarette makine öğrenimi: teori, uygulama, ticaret ve daha fazlası

sır , 2021.12.14 19:26

Seçerek ticaret yapıyorsak neden formüllere ihtiyacımız var?

Genel olarak, bu bir örnek değildir. Bu, süreç tarafından üretilen bir dizi veridir. Yani, tamamen tamamlandı ve kesilmedi, eğer işlem 10 tik için çalıştıysa, o zaman baştan sona tamamen bu işlemle oluşturulmuş 10 elemanlı bir tarih seti elde ederiz.

[Aleksey Nikolayev]

LenaTrap # :

Otokorelasyonun varlığını değerlendirmek için standart gibi görünen Pearson korelasyon katsayısını düşünüyorum. Maalesef tam olarak ne demek istediğinizi tam olarak anlamadım, çok kısa bir terim yazıyorsunuz "AFK" = otokorelasyon işlevi? Pearson katsayısı tam olarak neden size uymuyor? Bana göre değerlendirme doğru yapılmıştır.

Almak istediğin şey bu mu?

ACF'yi seçici değerlendirmesiyle değiştirmeye çalışıyorsunuz. Mevcut uygulamaya (örnek) göre yaklaşık olarak nasıl hesaplanacağıyla değil, ACF'nin tanımıyla başlayın.

Misal. Xi beyaz gürültü olsun. O halde ACF = COV(Xj,Xk)/sqrt( COV(Xj,Xj) * COV(Xk,Xk) ) iki j ve k indeksinin bir fonksiyonudur; j==k ise bire eşittir ve j! =k.

[secret]

Alexey Nikolaev # :

Fiyat ticareti yapıyoruz. Fiyatların bir örnek olduğu varsayımı zaten bir soyutlama ve teorileştirmedir.

Teorileştirme, formüllerle ticaret yapmaktır)

[LenaTrap]

Alexey Nikolaev # :

ACF'yi seçici değerlendirmesiyle değiştirmeye çalışıyorsunuz. Mevcut uygulamaya (örnek) göre yaklaşık olarak nasıl hesaplanacağıyla değil, ACF'nin tanımıyla başlayın.

Bulgularımı tekrar açıklayayım:

Rastgele yürüyüş süreci üzerinden AFK'nin genel bir tahmini için aşağıdakiler gereklidir:

- mümkün olan en büyük örneği alın (benim durumumda 100.000 bin)

- normalleştirilmiş verileri kullanın

Sonuç: Pearson katsayısı sıfıra eşittir, diğer her şey numuneye dayalı sürecin değerlendirilmesinde bir hatadır.

Yani rastgele yürüyüş sürecinin herhangi bir otokorelasyonu yoktur.

0'a eşittir. ( 0.0010599888334729966 ), burada 0 gerçek otokorelasyon ve 0.00105 hatadır.

[Aleksey Nikolayev]

gizli # :
Teorikleştirme formüllerle ticaret yapmaktır)

Çarpım tablosu da bir formüldür. Bu nedenle, ifadeniz şu şekilde yorumlanmalıdır: size tanıdık gelen formüllere göre alım satım yapmak pratiktir ve tanıdık olmayanlara göre - teorize etmek)