交易中的机器学习：理论、模型、实践和算法交易 - 页 145

新评论
 
阿列克谢-伯纳科夫。

这是个大问题。这是在不损害学习的情况下几乎不可能解决的问题。
这里的重点是，你对过去看得越多，你就越依赖于邻近的观察。

如果你给机器提供非特定的观察，你就失去了最重要的东西--观察的独立性要求。之后，学习就会急剧不足了。而统计数字却不起作用。

为了避免这种情况，你必须减少观察，使最大回视的滞后性小于或等于减少观察的步骤。而这将导致什么？训练样本量的百倍减少。

这里要做一个妥协。观察的深度与样本中的例子数量。

我同意这是一个问题，我已经为它灰心了好几个星期......

这意味着什么？"你越是往后看，你的相邻的观察就越是依赖。 没有任何意义...

关于砍人的问题，我也不明白......。

 
mytarmailS:

我同意这是一个问题，我已经为这个问题灰心了几个星期了......

你越是研究过去，就越是依赖邻近的观察 ，这是什么意思？? "这不清楚...

还有，请澄清砍人的问题......我也不明白......。

好的。用你自己的例子。

对于时间上相邻的两个柱子，你会画出几乎100%相同的过去价格直方图。也就是说，两个训练实例会非常相似，只是因为它们在时间上是相邻的。这与统计过程的基本属性相矛盾，即观察是独立的。机器不会学习按时间顺序不变的模式，但会学习重复的模式（几乎相同）。想象一下，你在一次民意调查中采访了瓦夏200次，并试图将你发现的知识传播给1000个不同的人。
 
阿列克谢-伯纳科夫。
好的。关于你的例子。

对于时间上相邻的两个柱子，你将画出几乎100%相同的过去价格直方图。也就是说，两个训练实例会非常相似，只是因为它们在时间上是相邻的。这与统计过程的基本属性相矛盾，即观察是独立的。机器不会学习按时间顺序不变的模式，但会学习重复的模式（几乎相同）。想象一下，你在民意调查中采访了瓦夏200次，并试图将你发现的知识扩展到1000个不同的人。

哦！！这就不一样了，现在一切都很清楚了 :)

1）你可以多次减少窗口的大小，那么每个切片中的部分将不那么相似。

2）你可以尽可能地增加休息时间，这也会去除一点平滑 性

PRICE <- cumsum(rnorm(300))+1000
layout(1:2)
plot(PRICE,t="l",ylab = "цена" , xlab = "индексы",lwd=2)
Max <- max(PRICE)
Min <- min(PRICE)
range.vector <- seq(Min, Max, length.out=200)
H <- hist(PRICE, breaks = range.vector)
          

 
mytarmailS:

哦！！那是不同的，现在都很有意义了 :)

1）你可以将窗口的大小减少几倍，那么每个切片中的部分将不那么相似。

2）你可以最大限度地提高休息时间，这也会消除一点平滑 性。

我是这样做的。伪代码。

Example1 = p[0]
步骤 = 720
随机=[0;50]
例2=p[step+random]

其中对过去的最大滞后=720

这意味着我以这样的方式进行切分，以确保观察结果不重叠。

同样的原则也需要避免对目标的依赖性，因为要看清前方。
 

首先要确定的是：你需要什么样的预测范围。这将决定你需要调查的历史深度。

看看历史深度为3000、1000、300和150条的趋势图（AUDUSD/H1）。

> library("PolyTrend", lib.loc="K:/RRO/R-3.3.1/library")
> trend3000 <- PolyTrend(price[ ,4], alpha = 0.05)
> require(magrittr)
Loading required package: magrittr
> trend1000 <- PolyTrend(price[ ,4] %>% tail(., 1000), alpha = 0.05)
> trend300 <- PolyTrend(price[ ,4] %>% tail(., 300), alpha = 0.05)
> trend150 <- PolyTrend(price[ ,4] %>% tail(., 150), alpha = 0.05)
> plot(trend3000, t="l")
> plot(trend1000, t="l")
> plot(trend300, t="l")
> plot(trend150, t="l")


这些图片是按相反的顺序插入的。

而对于3000条，方向是 "向上"。

Trend type: 3 (cubic)
Slope: 0.0000
Direction: 1 (positive)
Significance: 1 (statistically significant)
Polynomial degree: 3 (cubic)

对于较短的

#  trend1000
PolyTrend classification:

Trend type: 2 (quadratic)
Slope: -0.0000
Direction: -1 (negative)
Significance: 1 (statistically significant)
Polynomial degree: 2 (quadratic)
#  trend300
PolyTrend classification:

Trend type: 2 (quadratic)
Slope: 0.0000
Direction: 1 (positive)
Significance: 1 (statistically significant)
Polynomial degree: 2 (quadratic)
#trend150
 PolyTrend classification:

Trend type: 3 (cubic)
Slope: -0.0000
Direction: -1 (negative)
Significance: 1 (statistically significant)
Polynomial degree: 3 (cubic)

如果我对24条（一天）的预测范围感兴趣，我不需要向后看3000条。300条就够了。

祝好运






 

我觉得提前24步预测的想法值得怀疑。

在分类和回归中，你应该总是准确地提前一步预测，但例如在H1、H4和D1。在H1交易时，我们将得到H1的4和24步预测。

理想情况下，TF应该是由基本商数人为制成的。在我的例子中，我们加载H1，而不从终端获取其他。使用这种方法，我们将不会得到与00:00相关的D1，而是严格意义上的比当前小时提前24小时

 
SanSanych Fomenko:

我觉得提前24步预测的想法值得怀疑。

在分类和回归中，我们应该总是准确地预测一个步骤，但例如在H1、H4和D1。在H1交易时，我们将得到H1的4和24步预测。

理想情况下，TF应该是由基本商数人为制成的。在我的例子中，我们加载H1，而不从终端获取其他。使用这种方法，我们将不会得到与00:00相关的D1，而是严格意义上的比当前小时提前24小时

这取决于我们所预测的内容。例如，24小时的趋势预测是相当令人满意的（曲线非常平滑）。也就是说，当你需要看到曲线的 FORM，而 对精度没有 任何特殊要求时。

否则你的例子是绝对正确的（作为一个原则）。而滑动窗口选项（24小时）也是非常可行的。这在很大程度上取决于细节。

祝好运

 

快速的问题...

我一直在做一个价格分布，即一个常规的矢量，我得到了一种市场概况，但我能否建立一个真正的成交量概况，即把价格和分布中的成交量联系起来？

 
mytarmailS:

快速的问题...

我一直在做一个价格分布，也就是一个常规的矢量，我已经有了一种市场概况，但是否有可能建立一个真正的成交量概况，即在分布中连接价格与成交量？

有一些指标是以价格和成交量为基础，建立一个总体的图表。而且可以为它计算出分布。例如，Chaikin Oscillator或指标/成交量文件夹中的其他一些指标。但在外汇中，将是tick量，而不是真实的量。 虽然它们有关联，但仍然不好，最好是寻找真实的证券交易量。

 
Dr.Trader:

有一些指标是以价格和成交量为基础，建立一个总体图。而且你可以阅读它的分布。例如，Chaikin Oscillator或Indicator/Volumes文件夹中的一些其他指标。但在外汇中，它将是tick卷，而不是真实的卷。 虽然它们是相关的，但它仍然是坏的，最好是寻找真实的股票市场的卷。

我不做外汇交易，我甚至不熟悉Metatrader :)

我想在P中试验不同的配置文件，我只是不明白如何建立两个向量的分布

它不一定是数量，这是一个开始，你可以把任何东西放进档案，但它必须与价格相连，这意味着有两个向量

1...138139140141142143144145146147148149150151152...3399
新评论