交易中的机器学习：理论、模型、实践和算法交易 - 页 214 1...207208209210211212213214215216217218219220221...3399 新评论 Alexey Burnakov 2016.11.16 13:06 #2131 弗拉基米尔-佩雷文科。PS。并将lm()的计算平行化。现在正是做这件事的好时机。谢谢。我见过如何通过foreach %dopar%在一个循环中并行化一个操作。我不知道如何把它挂到DT的一个隐藏的循环里。我不知道它是否可能更快或不快。 Vladimir Perervenko 2016.11.16 17:01 #2132 阿列克谢-伯纳科夫。谢谢你。我见过如何通过foreach %dopar%在一个循环中并行化一个操作。我不知道如何把它附在DT的一个隐藏的环上。而且我不知道这是否会更快。我的意思是代码的这一部分。lm_models <- x[, { lapply(c(1:20), function(x) summary(lm(data = .SD[, c(1:x, 21), with = F], formula = V21 ~ . -1))$'fstatistic'[[1]]) } , by = sampling]用Foreach()代替lapply Vladimir Perervenko 2016.11.16 17:08 #2133 需要几十秒才能建立的图表是有问题的。请看这个软件包（"nhstplot"）。它画得很快，我认为它很好。> plotftest(f = 4, dfnum = 3, dfdenom = 5, title = "Fisher's F test") Alexey Burnakov 2016.11.16 17:16 #2134 弗拉基米尔-佩雷文科。需要几十秒才能建立的图表是有问题的。请看这个软件包（"nhstplot"）。它画得很快，我认为它很好。> plotftest(f = 4, dfnum = 3, dfdenom = 5, title = "Fisher's F test") 我将看一看。但这里的半透明性在哪里，数百个叠加的物体在哪里？在繁重的条件下测试它，然后我们就会明白它是否更快。 Alexey Burnakov 2016.11.16 17:17 #2135 弗拉基米尔-佩雷文科。啊，我会试一试的，谢谢。事实证明，lapply循环将被一个平行循环所取代。而这一切都在一个DT循环中旋转，有1000次迭代。或者有另一种方法可以通过foreach跳过这1000次迭代。 Dr. Trader 2016.11.16 18:31 #2136 阿列克谢-伯纳科夫。 我当然会看一看。但这里的半透明性在哪里，数百个叠加的物体在哪里？在繁重的条件下进行测试，然后我们会了解它是否更快。使用OpenGL显卡可以实现快速的半透明绘图。在R语言中，有一个rgl库，它更适用于3D，但如果你能做正交投影和画线，它就能满足你的需要。我无法直接弄清楚，你必须阅读文件。明白了。绘制半透明的线条是很容易的，你只需要一个带有X和Y坐标的表格。你还可以添加第三个Z列，以获得立体感。library(rgl)for(i in 1:1000){ lines3d(cbind(1:1000, cumsum(rnorm(1000))), col="blue", alpha=0.1)}但结果还是很慢。根据procesexplorer判断--视频只用了5%，而一个逻辑处理器是100%。我认为R向OpenGL输入数据的速度太慢了，比它能接收的速度慢得多。不知何故，它以这种方式出现了。只是为了杂乱无章 :) 做到这一点，将窗口最大化到全屏，用鼠标左键旋转 "数字"。library(rgl)for(i in 1:100){ lines3d(cbind(cumsum(rnorm(100)), cumsum(rnorm(100)), cumsum(rnorm(100))), alpha=0.2)} Machine learning in trading: Discussion of article "Deep a trading strategy based Alexey Burnakov 2016.11.16 20:03 #2137 你可以这样做。随机取出一百行。而分配的资金将是满的。这将会快很多 mytarmailS 2016.11.17 20:19 #2138 我终于对我之前宣布的集群想法进行了第一次尝试，这是一次试运行，只是为了看看是怎么回事，预测器很简单5个OHLC值 的移动系列+体积+挥发性 6个预测因子，每个5个值学习历史10万条当然，每个预测因子都被归一化了），然后被聚类为100个群组，对不起，我胡说八道了。这个目标是突然产生的（此刻我才刚刚坐下来），我只是以这种形式进行反转。目标是高于前4根蜡烛的极值，并高于它之后的10根蜡烛。我开始寻找重复的模式...。在这种没有预测因素的情况下，我发现最好的是以下模式open high low close volum volat target_avg target_count91 6 30 41 91 100 0.4 9中的（开盘价高价低价收盘价 体积）是描述这种模式的集群的数量。target_avg - 这是我的反转在这个模式中被触发的概率。 根据 这些预测器，我没能找到任何具有 80-90%触发概率的模式。target_count - 历史上捕获模式的次数，我没有发现任何重要的模式，使用这些 预测器捕获30-50次。我在这些预测器中 发现的最好的东西是一个模式，其中40%的时间触发了反转（目标），而且只有9个观察值（模式的数量）。因此，这也许是唯一的有用信息，即所需的 "NO BLOW"，它可以从预测器集合中提取出来，它只解释了逆转的一个原因，甚至这也是40%，不同的逆转有不同的原因，而且绝对没有10个或30个这样的原因imho。现在想一想，MO算法如何用这样的预测器解释所有的市场波动，这是不可能的，因为预测器只能解释2%，其余的是噪音......加上没有对统计学上的重复性进行控制，也就是说，IR可以根据一两个观察结果做出决定，事实上在95%以下的绝大多数情况下都是如此总之，我想说的是...让我们继续一个模式，在一个新的样本上估计输入的质量，我会告诉，它远远不是奔驰，但如果它是一个被杀的Zaporozhets，那么这种方法是一个九只是从一个工厂输入的质量要好得多，更清晰，错误更少......。另一件事是，整个模式是...open high low close volum volat 91 6 30 41 91 100 当我在50000个蜡烛图的新数据上运行识别时，该算法无法找到任何这样的模式，它只是没有显示出来。）我不得不把图案剪下来，只留下价格。open high low close volum volat 91 6 30 41 91 100我已经找到了大约20个这样的模式这里是模式中的条目，我没有选择任何 "最佳条目"，只是按照交易完成的顺序拍了照片，当然不是所有的交易，只是前几个，这样你就可以评价了eqiti很好，虽然风险比预期的大。记住，这只是一个模式，而且只是短裤。 如果有人需要代码，我会把它贴出来，尽管我很怀疑，它已经很清楚了。 Yuriy Asaulenko 2016.11.17 21:27 #2139 214页是一个需要学习/了解的内容。而且每个人都在谈论不同的东西，并不总是容易理解）。是否有可能在一个帖子中总结所有这些页面，即使不是很短？类型：设定目标、解决方法、结果、结论。让我马上说，我的市场模型是一个随机过程（布朗运动），或者说是几个（可能是很多）有反馈的这种运动的总和。而预测任何事情或寻找统计学以外的模式，绝对是徒劳的做法。也就是说，任何有意义的预测因素根本就不存在，至少在推测上是如此。 ivanivan_11 2016.11.17 21:55 #2140 代码，当然。这很有趣。 1...207208209210211212213214215216217218219220221...3399 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
PS。并将lm()的计算平行化。现在正是做这件事的好时机。
谢谢。
我见过如何通过foreach %dopar%在一个循环中并行化一个操作。我不知道如何把它挂到DT的一个隐藏的循环里。我不知道它是否可能更快或不快。
谢谢你。
我见过如何通过foreach %dopar%在一个循环中并行化一个操作。我不知道如何把它附在DT的一个隐藏的环上。而且我不知道这是否会更快。
我的意思是代码的这一部分。
{
lapply(c(1:20), function(x) summary(lm(data = .SD[, c(1:x, 21), with = F], formula = V21 ~ . -1))$'fstatistic'[[1]])
}
, by = sampling
]
用Foreach()代替lapply
需要几十秒才能建立的图表是有问题的。
请看这个软件包（"nhstplot"）。它画得很快，我认为它很好。
需要几十秒才能建立的图表是有问题的。
请看这个软件包（"nhstplot"）。它画得很快，我认为它很好。
啊，我会试一试的，谢谢。事实证明，lapply循环将被一个平行循环所取代。而这一切都在一个DT循环中旋转，有1000次迭代。
或者有另一种方法可以通过foreach跳过这1000次迭代。
我当然会看一看。但这里的半透明性在哪里，数百个叠加的物体在哪里？在繁重的条件下进行测试，然后我们会了解它是否更快。
使用OpenGL显卡可以实现快速的半透明绘图。在R语言中，有一个rgl库，它更适用于3D，但如果你能做正交投影和画线，它就能满足你的需要。我无法直接弄清楚，你必须阅读文件。
明白了。
绘制半透明的线条是很容易的，你只需要一个带有X和Y坐标的表格。你还可以添加第三个Z列，以获得立体感。
for(i in 1:1000){
lines3d(cbind(1:1000, cumsum(rnorm(1000))), col="blue", alpha=0.1)
}
但结果还是很慢。根据procesexplorer判断--视频只用了5%，而一个逻辑处理器是100%。我认为R向OpenGL输入数据的速度太慢了，比它能接收的速度慢得多。不知何故，它以这种方式出现了。
只是为了杂乱无章 :) 做到这一点，将窗口最大化到全屏，用鼠标左键旋转 "数字"。
for(i in 1:100){
lines3d(cbind(cumsum(rnorm(100)), cumsum(rnorm(100)), cumsum(rnorm(100))), alpha=0.2)
}
我终于对我之前宣布的集群想法进行了第一次尝试，这是一次试运行，只是为了看看是怎么回事，预测器很简单
5个OHLC值 的移动系列+体积+挥发性 6个预测因子，每个5个值
学习历史10万条
当然，每个预测因子都被归一化了），然后被聚类为100个群组，对不起，我胡说八道了。
这个目标是突然产生的（此刻我才刚刚坐下来），我只是以这种形式进行反转。目标是高于前4根蜡烛的极值，并高于它之后的10根蜡烛。
我开始寻找重复的模式...。
在这种没有预测因素的情况下，我发现最好的是以下模式
91 6 30 41 91 100 0.4 9
中的（开盘价高价低价收盘价 体积）是描述这种模式的集群的数量。
target_avg - 这是我的反转在这个模式中被触发的概率。 根据 这些预测器，我没能找到任何具有 80-90%触发概率的模式。
target_count - 历史上捕获模式的次数，我没有发现任何重要的模式，使用这些 预测器捕获30-50次。
我在这些预测器中 发现的最好的东西是一个模式，其中40%的时间触发了反转（目标），而且只有9个观察值（模式的数量）。
因此，这也许是唯一的有用信息，即所需的 "NO BLOW"，它可以从预测器集合中提取出来，它只解释了逆转的一个原因，甚至这也是40%，不同的逆转有不同的原因，而且绝对没有10个或30个这样的原因imho。
现在想一想，MO算法如何用这样的预测器解释所有的市场波动，这是不可能的，因为预测器只能解释2%，其余的是噪音......
加上没有对统计学上的重复性进行控制，也就是说，IR可以根据一两个观察结果做出决定，事实上在95%以下的绝大多数情况下都是如此
总之，我想说的是...让我们继续一个模式，在一个新的样本上估计输入的质量，我会告诉，它远远不是奔驰，但如果它是一个被杀的Zaporozhets，那么这种方法是一个九只是从一个工厂
输入的质量要好得多，更清晰，错误更少......。
另一件事是，整个模式是...
91 6 30 41 91 100
当我在50000个蜡烛图的新数据上运行识别时，该算法无法找到任何这样的模式，它只是没有显示出来。）
我不得不把图案剪下来，只留下价格。
91 6 30 41 91 100
我已经找到了大约20个这样的模式
这里是模式中的条目，我没有选择任何 "最佳条目"，只是按照交易完成的顺序拍了照片，当然不是所有的交易，只是前几个，这样你就可以评价了
eqiti很好，虽然风险比预期的大。
记住，这只是一个模式，而且只是短裤。
如果有人需要代码，我会把它贴出来，尽管我很怀疑，它已经很清楚了。214页是一个需要学习/了解的内容。而且每个人都在谈论不同的东西，并不总是容易理解）。
是否有可能在一个帖子中总结所有这些页面，即使不是很短？类型：设定目标、解决方法、结果、结论。
让我马上说，我的市场模型是一个随机过程（布朗运动），或者说是几个（可能是很多）有反馈的这种运动的总和。而预测任何事情或寻找统计学以外的模式，绝对是徒劳的做法。也就是说，任何有意义的预测因素根本就不存在，至少在推测上是如此。