Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2669

Yeni yorum
 
Maxim Dmitrievsky #:

Belki de bir konuda kafam karıştı... montecarloa optimizasyonunu tartıştık (bir TS arayışı olarak) ve burada hazır bir stratejinin risk değerlendirmesinden bahsediyoruz. Daha açık olmak gerekirse, riskler bile değil, TS'nin ne zaman çalışmayı bıraktığının nasıl belirleneceği.

Evet, oradaki bağlantı aşırı uygun TS'nin doğrulanması ile ilgili. Muhtemelen bu şekilde bir anlam ifade etmiyor. Bunun, izin verilen düşüşün belirlenmesinin bir anlamı olmadığı anlamına gelip gelmediği de bir sorudur.

Monte Carlo pek çok olasılık sunar ve farklı şekillerde kullanılabilir.

Bağlantınızda, sadece düşüşün değişmesi için işlemlerin rastgele karıştırılmasını (shuffle) kullandıklarını düşünüyorum. Anladığım kadarıyla, bu "gerçek" düşüşün bir tanımı değil, daha ziyade gerçek düşüşün "normal" olup olmadığıdır. Düşüş çok büyük veya çok küçükse (modellenmiş histogramın sol veya sağ kuyruğuna düşerse), komşu işlemler arasında bir bağımlılık olduğunu gösterebilir.

 

Sinüzoid kombinasyonlarını elle ekleyebilmek için R üzerinde etkileşimli bir program yazdım.

belki birileri kurcalamak ister)))

my.sin <- function(vec,a,f,p)  a*sin(f*vec+p)

library(shiny)
ui <- fluidPage(
  sidebarPanel(
  sliderInput("am1", "amplitude1", -5, 5,value = 1, step = 0.1),
  sliderInput("frq1", "frequency1", 0, 5,value = 0.2, step = 0.005),
  sliderInput("pha1", "phase1", -10, 10,value = 0.2, step = 0.5),
  
  sliderInput("am2", "amplitude2", -5, 5,value = 1, step = 0.1),
  sliderInput("frq2", "frequency2", 0, 5,value = 0.2, step = 0.005),
  sliderInput("pha2", "phase2", -10, 10,value = 0.2, step = 0.5),
  ),
  mainPanel(  plotOutput("plot1") )
)

server <- function(input, output) {
  
  output$plot1 <- renderPlot({
    s1 <- my.sin(vec = 1:100,input$am1,input$frq1,input$pha1)
    s2 <- my.sin(vec = 1:100,input$am2,input$frq2,input$pha2)
    
    par(mar=(c(2,2,2,2)),mfrow=c(2,1))
    matplot(cbind(s1,s2),t="l",col=c(2,4),lty=1)
    plot(s1+s2,t="l")
    })
}
shinyApp(ui, server)
 
Birçokları için değil...
https://youtu.be/rITSSAI5YsM
[Silindi]  
mytarmailS #:

Sinüzoid kombinasyonlarını elle eklemek için R'de etkileşimli bir program yazdım

belki birileri etrafı kurcalamak ister)))

onunla ne yapmalı

Bu işaretleri deneyin

for i in MA_PERIODS:
        pFixed[str(count)] = price - price.rolling(i).mean().apply(np.log) * price.rolling(i).std() * 150
        count += 1

fiyat - MA(i)'nin logaritması * hareketli standart sapma(i) * katsayı

i - ortalama alma süresi

150 katsayıdır, 50'den 250'ye kadar deneyin. Seri ne kadar büyükse o kadar durağandır.

ve i periyoduna sahip birkaç kayan pencere için (bu tür birkaç işaret)
 
Maxim Dmitrievsky #:

ve bu konuda ne yapılması gerektiği.

Bu.... kendinize açıklayamadığınız şeyleri makineye açıklayabilmektir.

örneğin bir indikatörün periyodunu nasıl kontrol edersiniz? Bunu bırakın bir makineye, kendinize bile açıklayamazsınız, ancak iyi bir kontrol gördüğünüzde "işte bu!" dersiniz.

Yani bu kontrol eğrisi bir sinüs dalgasının toplamından elde edilebilir...

Karoch kendi kendine açıklayamadığın ve bu nedenle programlanmış bu çözümü buldum)

Maxim Dmitrievsky #:

bu işaretleri deneyin

fiyat - MA(i)'nin logaritması * hareketli standart sapma(i) * katsayı

i - ortalama alma süresi

150 katsayıdır, 50'den 250'ye kadar deneyin. Seri ne kadar büyükse o kadar durağandır.

ve i periyoduna sahip birkaç kayan pencere için (bu tür birkaç işaret).

Durağanlığı nasıl ölçtünüz?

Karşılaştırmanız gerekir

Maxim Dmitrievsky #:

Oh, bu senin favorin ))

Evet.

[Silindi]  
mytarmailS #:

Kendinize açıklayamadığınız şeyleri arabaya açıklayabilmek için...

Göstergenin periyodunun nasıl düzgün bir şekilde kontrol edileceği gibi... Bunu bırakın makineye, kendinize bile açıklayamazsınız ama iyi bir kontrol gördüğünüzde kesinlikle "işte bu!" diyeceksiniz.

Yani bu kontrol eğrisi sinüs dalgalarının toplamından oluşturulabilir...

Kendinize açıklayamadığınız ve bu nedenle programlayamadığınız hedefleri yapmak içindir . Ben bu çözümü buldum).

Peki istatistikleri nasıl ölçtünüz?

Karşılaştırmak zorundasınız.

Evet.

Durağanlığı gözle ölçtüm. Katsayı ne kadar küçükse, grafik o kadar normal bir grafiğe benziyor, ne kadar büyükse grafik bir retourny grafiğine benziyor.
 
mytarmailS #:
Sonuç mu?

Korelasyon, eğer bir korelasyon ise, etkileyen faktörlerin gücünün bir ölçüsü olarak kullanılabilir. Kuvvet burada da çok uygun bir terim değil elbette. Ama daha iyisini düşünemiyorum.

 
Maxim Dmitrievsky #:
Durağanlığı gözle ölçtüm. Katsayı ne kadar küçükse, grafik o kadar normal bir grafiğe benziyor, ne kadar büyükse, o kadar retourny bir grafiğe benziyor

Bu sürgülü bir pencere mi?

Eğer öyleyse, ne kadar büyük?

[Silindi]  
mytarmailS #:

Sürgülü pencere mi o?

Evet ise, boyutu nedir?

Evet, her boyutta

10'dan 200'e kadar.

10'luk artışlarla, örneğin 20 işaret elde edersiniz.
 
Maxim Dmitrievsky #:

Evet, herhangi biri.

10'dan 200'e kadar.

10'luk artışlarla, örneğin 20 işaret elde edersiniz.


Böyle mi görünmesi gerekiyordu?


P[i] - log( ortalama(P[ii] ) ) * sd( P[ii] )*150

burada " P[ii ] " son 20 fiyattır

ve " P[i] " mevcut
1...266226632664266526662667266826692670267126722673267426752676...3399
Yeni yorum