交易中的机器学习：理论、模型、实践和算法交易 - 页 2669

新评论
 
Maxim Dmitrievsky #:

也许我有什么地方弄糊涂了......我们讨论的是蒙特卡洛优化（作为对 TS 的搜索），而这里讨论的是对已准备就绪的战略进行风险评估。更准确地说，甚至不是风险，而是如何确定 TS 何时停止工作。

是的，那里的链接是关于过度拟合 TS 的验证。这样说可能没有意义。这是否意味着确定允许的缩编没有意义也是一个问题。

Monte Carlo 提供了很多可能性，可以以不同方式使用。

在你的链接中，我认为他们使用的是随机洗牌（shuffle），这样只有缩水会发生变化。据我所知，这并不是 "真实 "缩水的定义，而是实际缩水是否 "正常"。如果缩水过大或过小（落入模拟柱状图的左尾或右尾），则可能表明相邻交易之间存在依赖关系。

 

我用 R 语言编写了一个交互式程序，可以手动添加正弦曲线的组合。

也许有人愿意一探究竟)))

my.sin <- function(vec,a,f,p)  a*sin(f*vec+p)

library(shiny)
ui <- fluidPage(
  sidebarPanel(
  sliderInput("am1", "amplitude1", -5, 5,value = 1, step = 0.1),
  sliderInput("frq1", "frequency1", 0, 5,value = 0.2, step = 0.005),
  sliderInput("pha1", "phase1", -10, 10,value = 0.2, step = 0.5),
  
  sliderInput("am2", "amplitude2", -5, 5,value = 1, step = 0.1),
  sliderInput("frq2", "frequency2", 0, 5,value = 0.2, step = 0.005),
  sliderInput("pha2", "phase2", -10, 10,value = 0.2, step = 0.5),
  ),
  mainPanel(  plotOutput("plot1") )
)

server <- function(input, output) {
  
  output$plot1 <- renderPlot({
    s1 <- my.sin(vec = 1:100,input$am1,input$frq1,input$pha1)
    s2 <- my.sin(vec = 1:100,input$am2,input$frq2,input$pha2)
    
    par(mar=(c(2,2,2,2)),mfrow=c(2,1))
    matplot(cbind(s1,s2),t="l",col=c(2,4),lty=1)
    plot(s1+s2,t="l")
    })
}
shinyApp(ui, server)
 
对许多人来说...
https://youtu.be/rITSSAI5YsM
 
mytarmailS #:

我用 R 语言编写了一个交互式程序，手动添加正弦曲线组合

也许有人愿意一探究竟)))

如何处理

试试这些标志

for i in MA_PERIODS:
        pFixed[str(count)] = price - price.rolling(i).mean().apply(np.log) * price.rolling(i).std() * 150
        count += 1

价格 - MA（i）的对数 * 移动标准偏差（i） * 系数

i - 平均周期

150 是系数，从 50 到 250 试试看。系数越大，序列越稳定。

以及周期为 i 的多个滑动窗口（多个这样的符号）
 
Maxim Dmitrievsky #:

以及如何应对。

这就是向机器解释你无法向自己解释的东西....。

你无法向自己解释，更无法向机器解释，但当你看到一个好的控制时，你会说 "哦，就是这样！"。

因此，正弦波的总和就能构成控制曲线......

Karoch 是用你的手做的目标，你无法向自己解释，因此 我在编程 时找到了这个解决方案）。

Maxim Dmitrievsky#：

试试这些符号

价格 - MA（i）的对数 * 移动标准偏差（i） * 系数

i - 平均周期

150 是系数，从 50 到 250 试试看。系数越大，序列越稳定。

以及周期为 i 的几个滑动窗口（几个这样的符号）。

您是如何衡量静止性的？

您需要比较一下

马克西姆-德米特里耶夫斯基#:

哦，这是你的最爱 ))

是的

 
mytarmailS #:

嗯，是为了能够向汽车解释你无法向自己解释的事情......

比如如何正确控制指示灯的周期？ 你无法向自己解释，更无法向机器解释，但当你看到良好的控制时，你肯定会说 "哦，就是这样！"。

因此，这条控制曲线可以由正弦波之和制成...

我已经找到了 这个解决方案（I've found this solution)。

您是如何测量统计数据的？

你必须进行比较。

是啊 我是用眼睛测量的 Yeah.

我用眼睛测量静止性系数越小，图形越像正常图形，系数越大，图形越像回归图形。
 
mytarmailS #:
结论？

相关性，如果是相关性的话，可以用来衡量影响因素的强度。当然，"力 "在这里也不是一个非常恰当的词。但我想不出更好的词了。

 
Maxim Dmitrievsky #:
我用眼睛测量静止性。系数越小，图形越像正常图形，系数越大，图形越像回归图形

这是一个滑动窗口吗？

如果是，有多大？

 
mytarmailS #:

那是推拉窗吗？

如果是，尺寸是多少？

是的，任何尺寸

从 10 到 200。

例如，以 10 为增量，您可以得到 20 个标志。
 
Maxim Dmitrievsky #:

是的，任何人

从 10 到 200。

例如，以 10 为增量，您可以得到 20 个标志。


应该是这个样子吗？


P[i] - log( mean(P[ii] ) )* sd( P[ii] )*150

其中，"P[ii]"是最近 20 个价格

和 " P[i]" 是 当前的
1...266226632664266526662667266826692670267126722673267426752676...3399
新评论