交易中的机器学习：理论、模型、实践和算法交易 - 页 2311

[Valeriy Yastremskiy]

Maxim Dmitrievsky:

那么他们出现在这里就很奇怪了，因为他们都在很久以前就学过道。

我没有看到cos、matstat计量经济学 和其他任何指标之间有任何强烈的差异)))一切都从veraging))))。

[[删除]]

Valeriy Yastremskiy:
我看不出csos、matstat经济计量学 和其他任何计量学之间有什么强烈的差异)))一切从veraging))))。

那就没有必要把鞋换掉了

[Valeriy Yastremskiy]

Maxim Dmitrievsky:

那么就没有必要把一个骗子换成另一个骗子了。

可能有一个点，但它是随机的，而且很昂贵）。在解决这一系列问题的意义上，是为了识别一些东西或简化计算。分解成静止的函数，为了识别周期，如果这些周期存在的话，是有意义的）。在自然界中，它们肯定是存在的，当然，在生命的结果中，它们只是强制性的))))。但要将这些静止的函数与产生它们的现象进行比较...嗯，这可能不是今天....

[Rorschach]

关于2种方式的思考。1 - 寻找可以赚钱的行的特点。结果不是那么容易，你看一下人们能够赚到钱的情节，统计数据显示什么都没有。

2 - 将系统装入系列。在最简单的情况下，初始序列在某些条件下乘以+-1。如果我们仍然无法检测到规律性，那又何必呢，把随机参数作为条件，或者在某个时间间隔后改变交易的方向。作为预告片中猫头鹰的一个例子。

[Rorschach]

实验，使分布正常化。两个文件是欧元，两个文件是不同的pgsc。

[Aleksei Kuznetsov]

Maxim Dmitrievsky:

那么用废品换取废品就没有意义了。

马克西姆，你似乎已经明白了alglib MGC https://www.mql5.com/ru/forum/36408/page17#comment_9620369。

pcabuildbasis(
double[,] x,       // матрица цен инструментов 
int npoints,       // количество цен для каждого инструмента
int nvars,         // количество инструментов
out int info,      // результат операции, любое положительное число - все ок
out double[] s2,   // массив разбросов / дисперсий для всех найденных векторов
out double[,] v)   // массив векторов, каждый вектор и есть искомые весы для выравнивая наборов вокруг нуля 

如何从s2和v中获得例如2列主成分。
我假设x必须与这些系数相乘/相除？
你有配方吗？

s2和v数组似乎是被排序的，主要的是在开始还是在最后？

[[删除]]

elibrarius:

马克西姆，你似乎已经搞清楚了阿尔吉巴MGC的情况 https://www.mql5.com/ru/forum/36408/page17#comment_9620369

如何从s2和v中获得例如2列主成分。
我假设x必须与这些系数相乘/相除？
有一个公式吗？

s2和v数组似乎是被排序的，主要的是在开始还是在最后？

做过pca和lda，但我已经不记得了，不幸的是那是很久以前的事了。没有得到任何有用的东西，所以就忘了。

[Aleksei Kuznetsov]

也许还有人知道？

有 第四步，有这样的代码来创建组件列，但我还不知道如何用循环和（*/+-）来重复这个。

_, vecs = np.linalg.eig(covmat)
v = -vecs[:,1])
Xnew = dot(v,Xcentered)
print Xnew

OUT: [ -9.56404107 -9.02021624 -5.52974822 -2.96481262 0.68933859 0.74406645 2.33433492 7.39307974 5.3212742 10.59672425]

dot(X,Y) - 荣誉的乘积 (这就是我们在Python中对向量和矩阵进行乘法的方法)

[[删除]]

elibrarius:

也许还有人知道？

有 第四步，有这样的代码来创建组件列，但我想不出如何用循环和（*/+-）来重复这个。

_, vecs = np.linalg.eig(covmat)
v = -vecs[:,1])
Xnew = dot(v,Xcentered)
print Xnew

OUT: [ -9.56404107 -9.02021624 -5.52974822 -2.96481262 0.68933859 0.74406645 2.33433492 7.39307974 5.3212742 10.59672425]

dot(X,Y) - 荣誉的乘积 (这就是我们在Python中对向量和矩阵进行乘法的方法)

https://gist.github.com/freemancw/2981258

[Aleksei Kuznetsov]

Maxim Dmitrievsky:

https://gist.github.com/freemancw/2981258

见过。这不是它。它只是把3x3矩阵改写成了变量。但新的分量向量没有被计算出来。
其结果是为每个组件得到6行（根据这个例子）。