交易中的机器学习：理论、模型、实践和算法交易 - 页 262

新评论
 
问题 是。

有必要确定渠道，每个人都会自己形成标志， 我建议对我们的期货进行第二次 "切片"：每秒翻牌的出价，报价，每秒的勾股平均数，堆中的三角洲，购买和销售的数量，分别和变化的未平仓合约，对于外汇货币对翻牌的出价，报价，勾股平均数，对于外国指数价格和每天的变化例子在附件。


首先要做的是在一个小系列（1000-10000个样本）上处理一个或两个行、几个特征和一个目标，然后从100500个特征和目标开始。

例如，让我们用MT、2-3个TRIX（RSI、Stochastic、......等）作为筹码，ZZ作为目标，在一分钟内将欧元和日元换成英镑，详细了解它如何（不会）工作以及为什么，并根据需要增加系列、筹码和目标，享受性能模型的增长，直到它达到某种极限。当有透明的原型时，扩大规模总是比较容易的，但你不能一下子管理一堆行，有许多自由度，作为一项规则，它最终会在没有清楚了解过程本质的情况下，不经意地配置一堆参数。

 
你不应该忘记那些根本没有预测性的指标。

首先，你应该处理一个或两个行，几个特征和一个标签，在一个小行（1000-10000个样本）上，然后创建100500个特征和标签。

既然我们已经开始分享智慧，我想说，首先要问自己的是以下问题

1）是什么推动了市场

2）如何预测

3）如何与非稳态性作斗争。

但把所有不起作用的指标放在一起，教育部自己也不会理解，相信我的经验，甚至不.....(此外，我有非常有效的 "功能"，但我还不能教MO理解这些 "功能"））。我甚至无法谈及没有任何预测属性的指标

 
mytarmailS:

当我们在分享我们的智慧时，我想说，首先要问的问题是

1）是什么推动了一般的市场

2）如何预测

3）如何与非稳态性作斗争

但把所有不起作用的指标放在一起，教育部自己也不会理解，相信我的经验，甚至不.....(此外，我有非常有效的 "功能"，但我还不能教MO理解这些 "功能"））。更不用说那些没有预测性的指标了

"是什么推动了市场"--这些是主题领域的模型。

"非平稳性 "是指时间序列 模型。

这是两种不重叠的方法。

 
迪米特里。

这是两种不重叠的方法。

我不越过它们，但要预测市场，你必须回答这些问题，除非你是内部人士
 
mytarmailS:
我也不越过他们，但要预测市场，你必须回答这些问题，除非你是内部人士

如果你使用时间序列 模型--为什么你需要 "什么推动市场"？

对于时间序列模型，你需要的所有信息都在价格中。

 
Dmitry:

如果你使用时间序列模型--为什么你想知道 "是什么在驱动市场"？

对于时间序列模型，你需要的所有信息都在价格中。

回答为什么在市场时间序列 上训练的MO在新数据上表现得不充分？

为了寻找这个问题的答案，我们将不得不处理 "是什么推动了市场 "的问题，并解决非平稳性的问题，总之我提到的上述所有问题，都不是什么新鲜事。

 
mytarmailS:

为什么在市场时间序列上训练的MoD在新数据上表现得不够好？

为了寻找这个问题的答案，我们必须研究 "是什么驱动了市场"，并解决非平稳性的问题，总之，我在上面提到的所有问题，都不是什么新鲜事。

因为数据是非平稳的。

如果一个系列的时间特征在另一个系列上完全不同，那么在一个系列上训练一个模型有什么意义？

 
德米特里。

因为数据是非平稳的。

如果一个系列的某块时间特征在另一块上完全不同，那么在该系列的某块上训练一个模型有什么意义呢？

嗯，这是真的，但这只是问题的一半，这纯粹是一个非平稳性问题。

但还有另一个问题 - 如果市场数据使statsionarnymi它变成反正他们不能预测，至少通过打，这里是第二个问题 "什么使市场"。

 
mytarmailS:

这是真的，这是真的，但这只是一半的麻烦，这纯粹是一个非平稳性的问题，正在解决的问题。

但还有另一个问题--如果市场数据使statsionarnymi原来无论如何都是不可预测的，至少是一目了然的，这就是第二个问题 "是什么推动了市场 "的原因。

那么非平稳性的问题是如何解决的呢？
 
迪米特里。
那么非平稳性的问题是如何解决的呢？

我个人用DTW解决了这个问题，现在我发现光谱分析，特别是 "SSA "是一个有趣的东西，尽管如果你知道怎么做，我想傅里叶或 "PCA "也可以。

你看，我并不是想让价格变成statsionarnaya，我只是使用那些对非statsionarnosti "免疫 "的方法。

1...255256257258259260261262263264265266267268269...3399
新评论