交易中的机器学习：理论、模型、实践和算法交易 - 页 138

[СанСаныч Фоменко]

mytarmailS:
谢谢你，我也不知道该怎么办。

看到这个结果将是非常有趣的。

我以前也这样做过，我甚至在某个地方保留了代码。

1.给定的代码不足以做出决定。你需要阈值和浮动阈值。

2.你可以得到非常有利可图的系统，利润系数高达10。

BUT。

盈利系数小于5点。传播会计扼杀了所有的美。而除了传播，还有礼物

[mytarmailS]

桑桑尼茨-弗门科。

看到这个结果将是非常有趣的。

套利的话题在这里是偏离主题的，但如果你有兴趣，我可以给一个简单的答案...

我已经有了一个有效的套利方法，我想通过过滤信号的方式来改进它--在滑动窗口中，我们计算协整强度（两个BP的接近程度），只有当BP彼此强烈协整时，我们才开始套利。

这种过滤的结果是模糊的，我不能把它归为好的或坏的。

当使用第一种变体时，在测试期间，该系统平均每月产生7%的利润，回收系数为3。

过滤后，该系统平均每月5.7%，5.5PV

所以它的收入较少，但更稳定......

关于俄语中 "R "的有趣链接和例子。

与协整相关的差异

http://www.algorithmist.ru/2011/08/time-series-similarity-measures.html

http://www.algorithmist.ru/2011/09/time-series-test-for-cointegration.html

关于配对和套利

http://rforfinance.ru/pairs-trade/

http://rforfinance.ru/rolling-window/

[Alexey Burnakov]

mytarmailS:

套利的话题在这里是偏离主题的，但如果你有兴趣，我会简单地回答...

我已经有了一个有效的套利方法，我想通过过滤信号来改进它，输入的方式很棘手--在滑动窗口中，我们计算协整强度（两个BP的接近程度），只有当BP强烈协整时我们才开始套利。

这种过滤的结果是模糊的，我不能把它归为好的或坏的。

当使用第一种变体时，在测试期间，该系统平均每月产生7%的利润，回收系数为3。

过滤后，该系统平均每月5.7%，5.5PV

所以它的收入较少，但更稳定......

关于俄语中 "R "的有趣链接和例子。

与协整相关的差异

http://www.algorithmist.ru/2011/08/time-series-similarity-measures.html

http://www.algorithmist.ru/2011/09/time-series-test-for-cointegration.html

关于配对和套利

http://rforfinance.ru/pairs-trade/

http://rforfinance.ru/rolling-window/

谢谢你。第一个链接让描述者笑了。有两个人要来了。

[mytarmailS]

阿列克谢-伯纳科夫。
谢谢你。第一个链接的描述很搞笑。两家公司来了。

:)

[Vladimir Perervenko]

阿列克谢-伯纳科夫。

顺便说一下，佩雷文科先生在他关于神经网络的文章中没有说过这种类型的网络。好吧，我发现整篇文章中只有一处提到。而人们可以揭示出对时间序列的适用性问题（深思熟虑）。

阿列克谢

关于递归神经网络（RNN、CNN和LSTM），将有一篇（或两篇）单独的文章。使用mxnetR和可能的mxnet(Python)的例子。

顺便说一下，在CRAN资源库中有一个mxnet包。真正需要做一些体操来添加来自GitHub的优化器（RMSProp、Adam、AdaGrad和AdaDelta）。我现在正在测试这些功能。

祝好运

[Alexey Burnakov]

弗拉基米尔-佩雷文科。

好的，读起来会很有趣。

CNN本身不是一个递归网络。

install.packages("drat", repos="https://cran.rstudio.com")
drat::: addRepo("dmlc")
install.packages("mxnet")

[СанСаныч Фоменко]

阅读这篇文章后，产生了一个问题。

为什么我们所有人，包括我在内，都坚持使用从单一货币对中得出的预测指标？有许多货币对，而非货币对则是一毛不拔的。

[mytarmailS]

桑桑尼茨-弗门科。

受我所读文章的影响，出现了一个问题。

为什么我们所有人，包括我在内，都坚持使用从单一货币对中得出的预测指标？有许多货币对，而非货币对则是一毛不拔。

你怎么会认为 "我们所有人"？:)

[Dr. Trader]

对我来说，这一切都与风险有关--我试图至少承担一个小风险。你可以创建一个专家顾问，多年来在几十个货币对上成功地进行交易，但为了什么？每年的利润可能只有百分之几，你还不如把钱放在银行的无风险存款上。
如果你只拿一个货币对，并教模型在一年内很好地交易，你可能期望每月有10%的利润，这是更好的。
如果你只为2个月的数据教授模型--它可能会在一周内成功工作，但会在更短的时间内带来这些10%。

一个模型需要学习的数据集越窄（就时间和数据对的数量而言）--在新数据上就越有利可图。但它会更快地变得过时，不再有利润。因此，它的风险更大--一些新闻项目甚至可能打破整个模型，你将不得不重新寻找新的预测因素和模型参数。

[Alexey Burnakov]

而对我来说，如果你无法判断你的交易在未来会处于什么范围，那就只能靠咖啡渣来猜测了。你必须事先知道你要去的地方大概在哪里，这种了解应该是客观的。