MT için Python'da bir ticaret sistemi yapmak. - sayfa 12

 

http://www.thealgoengineer.com/2014/online_linear_regression_kalman_filter/

her şey buna gidiyor, umarım .. veya hikayelerin özü nedir

Online Linear Regression using a Kalman Filter
Online Linear Regression using a Kalman Filter
  • www.thealgoengineer.com
13 Aug 2014 • 5 min. read • Comments Linear regression is useful for many financial applications such as finding the hedge ratio between two assests in a pair trade. In a perfect world, the realtionship between assests would remain constant along with the slope and intercet of a linear regression. Unfortutanely this is usually the exception...
 
Maxim Dmitrievsky :

http://www.thealgoengineer.com/2014/online_linear_regression_kalman_filter/

her şey buna gidiyor, umarım .. veya hikayelerin özü nedir

Kalman zaten aşamayı geçti.

Ve hikayelerin özü hiçbir şeydir.) Bunu şimdi kendi amaçlarım için yapıyorum. İnternette bunun örnekleriyle uğraşmak zor, kendim çözmem gerekiyordu ve ihtiyacı olan varsa kullansın.

 
Yuriy Asaulenko :

Kalman zaten aşamayı geçti.

Ama hikayelerin özü hiçbir şey değil.) Bunu şimdi yapıyorum ve ihtiyacı olan varsa kullansın. İnternette bunun örnekleriyle zor, kendim çözmek zorunda kaldım.

Bilmiyorum, poly reg ile benzer bir örneğim var. bir yerden kurtarıldı, neredeyse 1'de 1

ve Kalman ve lin ile. reg anlamadım .. bitmemiş bir makale

import operator
import numpy as np
import matplotlib.pyplot as plt

from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score
from sklearn.preprocessing import PolynomialFeatures

np.random.seed( 0 )
x = 2 - 3 * np.random.normal( 0 , 1 , 20 )
y = x - 2 * (x** 2 ) + 0.5 * (x** 3 ) - np.random.normal(- 3 , 3 , 20 )

# transforming the data to include another axis
x = x[:, np.newaxis]
y = y[:, np.newaxis]

polynomial_features = PolynomialFeatures(degree= 3 )
x_poly = polynomial_features.fit_transform(x)
print(str (x_poly))

model = LinearRegression()
model.fit(x_poly, y)
y_pred = model.predict(x_poly)

rmse = np. sqrt (mean_squared_error(y,y_pred))
r2 = r2_score(y,y_pred)

print(rmse)
print(r2)

plt.scatter(x, y, s= 10 )
# sort the values of x before line plot
sort_axis = operator .itemgetter( 0 )
sorted_zip = sorted(zip(x,y_pred), key=sort_axis)
x, y_pred = zip(*sorted_zip)
plt.plot(x, y_pred, color = 'r' )
plt.show()
 
Maxim Dmitrievsky :

Bilmiyorum, poly reg ile benzer bir örneğim var. bir yerden kurtarıldı, neredeyse 1'de 1

ve Kalman ve lin ile. reg'i anlamadım.. bitmemiş bir makale

Bulabileceğin şeye ihtiyacın olduğunda hep böyle olur.)) Ve sonra her yerden fırlar.)

Bir resim yerine kodu koy, belki? Yığın için, olsun.

 

Alex için python ile tanışmak.

3.7 64 bit sürümünü yükleyin (Anaconda kullanmıyorum ve ne için gerekli olduğunu anlamıyorum, muhtemelen akıllı olanlar için)

komut satırını aç, pip install catboost yaz

yükleme işlemi başlayacak ve ayrıca herhangi bir eksik uyarı verecektir.

jupyter notebook (pip install jupyter notebook) veya jupyter lab'ı da yükleyebilirsiniz.

nüanslar google'da tarandı ve rafine edildi

 

Yura, sen, her zamanki gibi umutsuzca şüphecisin. MA'yı karşılaştırırsınız, yani. belirli bir zaman noktasındaki sayı, yaklaşık fonksiyonlarla birlikte mevcut olasılık dağılımının merkezidir :)))

Küçük bir çocuk gibi seni daha da azarlardım, ama çünkü. en azından birazsın, ama fiziği anlıyorsun - bunu yapmayacağım, aksi takdirde forum zaten utanç verici bir sinyal satıcısı kalabalığına dönüştü, okunacak bir şey yok.

Farkı hissediyor musun, hissetmiyor musun?

 
Alexander_K2 :

Yura, sen, her zamanki gibi umutsuzca şüphecisin. MA'yı karşılaştırırsınız, yani. belirli bir zaman noktasındaki sayı, yaklaşık fonksiyonlarla birlikte mevcut olasılık dağılımının merkezidir :)))

A_K, hiç konunun içinde değilsin, ne olduğunu anlamıyorsun ve bilinç akışınızı gerçeklik olarak kabul ediyorsunuz. Her şey göründüğü gibi değil.)) Konu bağlamında değerli yorumunuzun ne anlamı ne de önemi var.

Bir şey net değilse, cevaplanacağından emin olmamakla birlikte sorular sorun.

 
Maxim Dmitrievsky :

Alex için python ile tanışmak.

3.7 64 bit sürümünü yükleyin (Anaconda kullanmıyorum ve ne için gerekli olduğunu anlamıyorum, muhtemelen akıllı olanlar için)

Alex kim?

Eustace Alex - Anakonda kullanmıyorum.

Anaconda'ya akıllılar değil tembeller ihtiyaç duyar)) - ihtiyacınız olan her şeyi (ve birçok ekstra, jupyter notebook, dahil ) hemen ve tek bir şişede alırsınız. Başka bir şey yapmanıza gerek yok, komut satırı ve pip kurulumu yok - ayarlayın ve unutun. Ama çok zeki olanlar için, eğer bir Puan istiyorsanız, o zaman bir çizginiz de olabilir.))

 
Yuriy Asaulenko :

Alex kim?

Eustace Alex - Anakonda kullanmıyorum.

Anaconda akıllı tarafından değil, tembel tarafından gereklidir)) - ihtiyacınız olan her şey (ve bir çok ekstra, jupyter notebook, dahil ) hemen ve bir şişede alırsınız. Başka bir şey yapmanıza gerek yok, komut satırı ve pip kurulumu yok - ayarlayın ve unutun. Ama çok zeki olanlar için, eğer bir Puan istiyorsanız, o zaman bir çizginiz de olabilir.))

Alex, profil resminde bir chupacabra ile

hala güncellenmesi gerekiyor. Tensör akışı henüz 3.7'de çalışmıyor
 
Maxim Dmitrievsky :

Alex, profil resminde bir chupacabra ile

hala güncellenmesi gerekiyor. Tensör akışı henüz 3.7'de çalışmıyor

Tembel ve ilgisizim. Eski anakondayı yıkıyoruz, yenisini koyuyoruz - birkaç ayda bir 15 dakikalık bir soru.)

Bu arada, anakondada düğmeler var - kurun ve güncelleyin.)) Kuşu koyun, düğmeye basın ve düşünmesine izin verin.)

PS Bu arada güncelleme hakkında. Anaconda güncellendiğinde, bazı paketler güncellendi ve Python 3.7.2'den 3.7.1'e kadar olan sürümler de dahil olmak üzere bazıları geri alındı.