交易中的机器学习：理论、模型、实践和算法交易 - 页 2373

新评论
 
秘密：

嗯，是标普公司有拆迁。Fx并没有持续地拥有它。

那么，如果你把通货膨胀排除在外，那里的趋势也不是那么恒定。另一方面，在外汇方面，通货膨胀在一定程度上被 自动消除。

秘密：

用认沽认购比率等的想法是好的，但我还没有看到有人吹嘘从中获利）然而，市场的移动是由有资金的参与者，而不是有经验的参与者，而货币期权的流动性很低。而且他们有不同的目的。

当然，所有的鱼都早已被捕获，但有时你必须检查是否有任何新的鱼)

秘密：

p.s. 如果有一个关于谣言的分支就好了，因为它们到处都是不相关的）。

仅用于)但他们会迷惑一条线）对于大多数随机过程是一种哲学和喋喋不休的东西，从某种意义上说，无论你说什么，一切都会是真的）同样，总会有很多实践者渴望向理论家解释他们与实践的距离是多么可怕）。

 
Aleksey Nikolayev:

好吧，如果你去掉通货膨胀，那里的趋势也不是那么恒定。在外汇市场上，通货膨胀在一定程度上被 自动消除。

当然，所有的鱼都早已被捕获，但有时你必须检查一下，看看是否有新的鱼)

我完全支持)但他们会迷惑一条线）对于大多数随机过程是一种哲学和喋喋不休的废话，从那些无论你说什么--在某种意义上一切都将是正确的事情的类别）同样，总会有很多实践者渴望向理论家解释他们离实践有多么可怕的距离)

对，最好是争论树木和森林的问题
 
有谁能帮助在R语言中制作一个脚本，以获取样本并对其应用 "套索回归 "模型？我听到一种意见，认为它对具有高相关性的二元特征效果很好--我想试试。然而，我需要的是分类，而不是回归，但我认为这在这里不是很重要--那人说的是分类。
 
Aleksey Vyazmikin:
谁能帮忙在R语言中制作一个脚本，获取样本并对其应用 "拉索回归 "模型？我听到一种意见，认为它对具有高相关性的二元特征效果很好--我想试试。但我需要的是分类，而不是回归，但我认为这在这里不是很重要--那个人说的是分类。

向ROCKET看去，该算法创造了一堆与装饰有关的特征

 
Aleksey Vyazmikin:
谁能帮忙在R语言中制作一个脚本，获取样本并对其应用 "拉索回归 "模型？我听到一种意见，认为它对具有高相关性的二元特征效果很好--我想试试它。然而，我需要的是分类，而不是回归，但我认为这在这里并不十分重要--那人说的是分类。

https://www.pluralsight.com/guides/linear-lasso-and-ridge-regression-with-r

http://www.science.smith.edu/~jcrouser/SDS293/labs/lab10-r.html

https://rstatisticsblog.com/data-science-in-action/machine-learning/lasso-regression/

 
mytarmailS:


我们需要创建一个这些的市场模型 ---一个简化的 特征空间，对我们来说有有用的属性


为什么要简化

1）可见性、可感知性。

2）更简单的空间意味着更多的可重复性，规律性的东西更容易找到，而且不会每两年重复一次。

3）在寻找模式的过程中，尽量减少出现组合爆炸的机会

4) 巧妙的简化消除了噪音


哪些是 有用的功能（需要从一个模型中得到什么）？

1) 模型需要充分适应市场变动

2）模型内数据的可重复性

3) 简单性


我可能会对其进行补充，我也邀请大家讨论模型的变体。

具有合理假设的物理过程的数学模型是一个可实现的目标，具有足够的准确性。

简单过程的多因素数学模型，布朗式是一个很好的例子，也达到了必要的精度。

但复杂的系统并不满足。

阿列克谢-尼古拉耶夫在博客中做了一个关于R的少数民族游戏模型

结果是类似于蜱虫运动。但是在模型中加入不同影响的因素就是不行的。而去哪里呢，是去做复杂的游戏模型，还是从简单的模型中做出更复杂的模型，这很难决定，或多或少是正确的。而且，由于行为变量的类/组数超过2个，该模型最初并不简单。在布朗运动中，有1个类，而且模型相当复杂。

 
Maxim Dmitrievsky:

向ROCKET看去，该算法创造了一堆与装饰有关的特征

我需要用二进制的进行实验。

 
mytarmailS:

https://www.pluralsight.com/guides/linear-lasso-and-ridge-regression-with-r

http://www.science.smith.edu/~jcrouser/SDS293/labs/lab10-r.html

https://rstatisticsblog.com/data-science-in-action/machine-learning/lasso-regression/

谢谢，但我是R的过客，我会淹没在那里的各种代码例子中--我想要一个琐碎的工作脚本，就像没有很多参数......

 
Aleksey Vyazmikin:

谢谢，但我是R的过客，我会淹没在那里的各种代码例子中--我想要一个琐碎的工作脚本，就像没有很多参数一样......

给你，我的懒人朋友。

library(glmnet)
Y <- sample(c(-1,1),100,replace = T)   #  data
X <- matrix(rnorm(400),ncol = 4)     #  target
tr <- 1:80 #  train idx

lambda_seq <- 10^seq(2, -2, by = -.1)
#  identifying best lamda
best_lam <- cv.glmnet(x = X[tr,], y = Y[tr],alpha = 1, lambda = lambda_seq, nfolds = 5)$lambda.min

#  train model with best lamda value identified
lasso_best <- glmnet(x = X[tr,], y = Y[tr], alpha = 1, lambda = best_lam)
#  predict new data
pred <- predict(lasso_best, s = best_lam, newx = X[-tr,])


但不要问我这个模型，我没有用，也不打算用，我已经从这种思维方式中成长起来了，要相信奇迹模型）。

 
Valeriy Yastremskiy:

具有合理假设的物理过程的数学模型是一个可实现的目标，具有足够的准确性。

简单过程的多因素数学模型，布朗运动就是一个很好的例子，也能达到预期的精度。

但复杂的系统并不满足。

阿列克谢-尼古拉耶夫在博客中做了一个关于R的少数民族游戏模型

结果是类似于蜱虫运动。但是在模型中加入不同影响的因素就是不行的。而去哪里呢，是去做复杂的游戏模型，还是从简单的模型中做出更复杂的模型，这很难决定，或多或少是正确的。而且，由于行为变量的类/组的数量超过2个，模型最初并不简单。在布朗运动中，有1个类，而且模型相当复杂。

复杂的

1...236623672368236923702371237223732374237523762377237823792380...3399
新评论