交易中的机器学习：理论、模型、实践和算法交易 - 页 1595

新评论
 
鲍里斯。

.....

我们可以再次等待回归

等待回归是可能的，但在真正的TS中，这毫无意义。

制定TS，你会发现，为了 "等待"，你将不得不保留这样一部分资本，以便在静止部分的战略盈利能力将是悲惨的。

 
鲍里斯。
R中的adf_test

不是这样的，Dickey-Fuller只对自回归过程有效。

 
阿列克谢-尼古拉耶夫。

不是这样的，Dickey-Fuller只对自回归过程有效。

认识这个过程是他的问题，我们不给他一个科蒂尔，而是一个合成物，而且不完全是合成物。

如果adf_test的结果是0.01，你就可以去抽竹子，不是吗？

那是他的问题--不是我的。

确定这一点

 
马克西姆-德米特里耶夫斯基。

你不需要交易变化的模式，你需要在它们变化时改变策略。如果是剥头皮，每个人都会有数百次的交易。挑战在于及时转换策略，即尽早识别模式变化，甚至预测它。

如果你解决了这个问题，圣杯肯定在你的口袋里

模式的改变是非常值得商榷的

我已经问过这个问题了--如何考虑静止性--移动的窗口或拉长的行？

但让我们假设这并不重要，我们在两种情况下都得到了 "非平稳性"

从来没有人设法在非平稳性上创建TS

另一件事是，我们可以尝试让森林（当我们仍然静止时）确定 "进入或不进入"，但在我看来，它将停滞或猜测。

我们可以在静止时将TC "向后 "切换，但没有可靠的统计数据。

尽管我们可以应用一种技术，如果我们知道我们将回到零，我们可以逆转缩减。

不容易，但有可能...谢谢你建议我们使用旧的钢坯

如果是这样，当然

但我们需要考虑的是

 
鲍里斯。

模式转换是一个非常值得商榷的问题

我已经问过这个问题--我们如何考虑静止性--一个移动的窗口或一个拉长的行？ 没有答案

但让我们假设这并不重要，我们在两种情况下都得到了 "非平稳性"

从来没有人设法在非平稳性上创建TS

另一件事是，我们可以尝试让森林（当我们仍然静止时）确定 "进入或不进入"，但在我看来，它将停滞或猜测。

我们可以在静止时将TC "向后 "切换，但没有可靠的统计数据。

尽管我们可以应用一种技术，如果我们知道我们将回到零，我们可以逆转缩减。

不容易，但有可能...谢谢你建议我们使用旧的钢坯

当然，如果我们可以的话。

但我们需要考虑一下。

我更倾向于像上一篇文章那样，从显著的增量滞后开始计算静止性。例如，每小时增量的滞后~24是稳健的。 那么在窗口的选择上就没有不确定性。

森林或没有森林，在这里，例如，提升（一切准备就绪），它的工作，直到模式改变。当平均增量发生时，模型崩溃，这是很自然的。令人惊讶的是，我们花了多长时间才弄清楚平均值的偏差（甚至不是方差）对TC的影响有多大。傻子。


缺少的东西已经被抛出来了。这里有一个简单的例子，对增量进行聚类（读作：定义模式），并在新的数据上进行测试（发现3个模式）。故意选了一个比较简单的，还没有实验过。

https://www.quantnews.com/k-means-clustering-creating-simple-trading-rule-smoother-returns/

 

即为每个群组拟合一个单独的模型。定义了当前的集群（模式），模型相应地被切换。

没有其他可想的了，只能这样了。K-means不是最好的选择，但它可以作为一个测试案例。

 
鲍里斯。


如果adf_test给出0.01，你就可以去抽竹子了，不是吗？

他拒绝了非常特殊的非平稳性案例（自回归、SB型），而非平稳性可以更加多样化。

问题是，根据沃尔德定理，任何静止过程都可以被认为是自回归的，但在非静止过程中，自回归者非常少。

 
阿列克谢-尼古拉耶夫。

他拒绝了非常特殊的非平稳性案例（自回归，SB型），而非平稳性可以更加多样化。

问题是，根据沃尔德定理，任何静止过程都可以被认为是自回归的，但在非静止过程中，自回归者非常少。

所以呢，我们说他拒绝了

和什么-2？

 
鲍里斯。

那又怎样呢，我们就说他有。

和什么2？

你说 "假设拒绝 "是什么意思？你甚至知道什么是统计测试，什么是统计假设吗？

 
阿列克谢-尼古拉耶夫。

你说的 "假设拒绝 "是什么意思？你甚至知道什么是统计测试，什么是统计假设吗？


你能回答问题而不提出反问题吗？

1...158815891590159115921593159415951596159715981599160016011602...3399
新评论