交易中的机器学习:理论、模型、实践和算法交易 - 页 341

 
桑桑尼茨-弗门科


这与R无关


我复制了你在Rattle上的文章,不知道你为什么在那里也加上了裸价,但不要紧,这是一篇好文章)我运行了你的例子,得到的结果完全一样。我还有一个关于RNN的问题--请告诉我一些好的软件包,如果在R中可用,特别是LSTM。Vladimir已经给我写过,复杂的NS最好用Python,但也可能用R ) 事实证明,它很容易使用

p.s. 再一次,请给我发送关于你的培训课程的信息

 
马克西姆-德米特里耶夫斯基


我终于理解了你关于Rattle的文章,不清楚你为什么要在其中加入更多的裸价,但这不是重点。我还有一个关于RNN的问题--请告诉我一些好的软件包,如果在R中可用,特别是LSTM。Vladimir已经给我写过,复杂的NS最好用Python,但也可能用R ) 事实证明,它很容易使用

p.s. 再一次,请给我发送关于你的课程的信息


我帮不上忙:我没有联网,我的经验只是在rattle中的nnet。这种经验是负面的。

我没有培训课程。

我的文章特意设置了一组相当大的预测因素。如果你学会了如何剔除它们,你可以把文章预测器的误差从训练文件中取出来(这不是OOXX),把脚手架和ada的误差降低到35%以下。

祝好运

 
马克西姆-德米特里耶夫斯基


我复制了你在Rattle上的文章,不知道你为什么把裸价也放在那里,但无所谓,好文章)我运行了你的例子,得到了完全相同的结果。我还有一个关于RNN的问题--请告诉我一些好的软件包,如果在R中可用,特别是LSTM。Vladimir已经给我写过,复杂的NS最好用Python,但也可能用R )事实证明,它很容易使用

p.s. 再一次,请给我发送关于你的课程的信息

如果没有Pythona -rnn mxnet 。纯粹是在R中。

祝好运

 
桑桑尼茨-弗门科


无法帮助:我不做网络--只有在拨浪鼓中使用nnet的经验。这种经验是负面的。

我没有培训课程。

我的文章特意设置了一组相当大的预测因素。如果你学会了如何剔除它们,你可以把文章预测器的误差从训练文件中取出来(这不是OOXX),把脚手架和ada的误差降低到35%以下。

祝好运


弗拉基米尔-佩雷文科

如果没有Pythona -rnn mxnet。 纯粹是在R中。

祝好运


谢谢你 :)
 
Vladimir Perervenko:

你的句子结构不正确。你写道:"我找不到我想找的过滤器*。由于我不知道你对哪些过滤器感兴趣,这里有几个过滤器,一目了然。

mFilter--Baxter-King滤波器、Butterworth滤波器、Christiano-Fitzgerald滤波器、Hodrick-Prescott滤波器、Trigonometric回归滤波器

FKF- 快速卡尔曼滤波....

另外,如果你对过滤器的研究很深,知道它的数学计算公式,那么直接计算也没有问题。不是吗?

祝好运

谢谢,不知道。

如果你知道这个数学公式...谁知道这个公式?)滤波器 为特定的任务而设计的,仅仅采取贝塞尔或卡尔曼模式并应用它们是不够的。你还需要有处理过滤器的工具。过滤器并不总是以其原始形式使用。

我曾想过将R和SciLab结合起来使用,但将R<->SciLab的数据整合起来是一项相当费力的工作,至少在开发阶段很难说得通。

 
尤里-阿索连科

谢谢你,我不知道。

如果你知道数学公式...谁知道这个公式?)滤波器是为特定的任务而设计的,仅仅采取贝塞尔或卡尔曼模式并应用它们是不够的。你还需要有处理过滤器的工具。

我曾想过将R和SciLab结合起来使用,但调集R<->SciLab数据是一项相当费力的工作,至少在开发阶段不太可能有意义。

取得联系。

如果你使用Matlab,Marshalling R<-> Matlab是个好主意。

祝好运

 
SanSanych Fomenko:

但实际上,你发现的伪R型过滤器问题有更深的根源。

你为什么需要它们?过滤器是一种辅助工具。而R有开箱即用的解决方案来构建决策单元。我们可以指定两条主线:机器学习和ARMA-ARIMA-ARFIMA-ARCH-GARCH。而这与过滤器本身有什么关系呢?

为什么是过滤器?

有一个领域叫做统计无线电工程。简单地说,它是一门从噪声中检测和隔离信号的科学,甚至是从噪声下检测和隔离信号。

在一般情况下,在我们能够检测或识别一个信号之前,我们必须通过各种转换放大信号的能量谱,并削弱噪声成分,这自然会增加时间序列的 信噪比,并简化进一步的信号处理和识别。

在我们的案例中,什么是信号,什么是噪音,取决于每个人的策略。

 
Yuriy Asaulenko:

为什么是过滤器?

有一个领域叫做统计无线电工程。简单地说,它是一门从噪声中检测和隔离信号的科学,甚至从噪声下检测和隔离信号。

在一般情况下,在我们能够检测或识别一个信号之前,我们必须通过各种转换来放大信号的能量谱,并削弱噪声成分,这自然会增加时间序列的信噪比,简化进一步的信号处理和识别。

在我们的案例中,什么是信号,什么是噪音,取决于每个人的策略。


无线电工程师犯的一个典型错误是认为金融市场上有信号,他们即使在最疯狂的梦中也无法想象金融市场上没有信号。这就是为什么在金融市场上几乎从不使用过滤器。

还有一个纯技术性的情况:金融市场是非平稳的时间序列,因此,在无线电工程中行之有效的大部分统计数据都付诸东流。我已经超过了这个论坛上的许多无线电工程师。我曾建议他们所有人:如果你想赚钱,就忘了无线电工程。我劝他们都说:如果你想赚钱就别管无线电工程了,算了吧。

 
桑桑尼茨-弗门科


金融市场上没有信号,而且永远不会有。

我认为*终究有一个。比方说,我试图通过交易H1的开盘价来建立一个策略。没有止损,只有来自mql的CopyOpen()函数,还有一个专家顾问,每小时决定一次一小时后的价格,并在这个方向上建仓。事实证明,我工作的信号的采样率是1/3600赫兹,不是吗?


*我不是无线电技术员,不懂术语,也许开盘价应该被称为其他东西,而不是信号。

 
桑桑尼茨-弗门科


所有无线电工程师的典型错误--他们相信金融市场有信号, 而他们甚至在最疯狂的梦中都无法想象金融市场没有信号而且永远不会有信号的情况。这就是为什么过滤器几乎从未在金融市场上使用。

还有一个纯技术性的情况:金融市场是非平稳的时间序列,导致大部分的统计数据都会变成破烂,这在无线电工程中是很好用的。我已经超过了这个论坛上的许多无线电工程师。我曾建议他们所有人:如果你想赚钱,就忘了无线电工程。永远。

那么,如果没有信号,你在寻找什么?你在寻找一个信号而不承认它)。

因此,市场上的信号是什么意思 - 一组特定的模式(在某些空间的图像意义上),表明在某个特定的时间点进入交易的可能性。一个典型的分类任务。顺便说一下,在进行分类之前,最好使这个空间即使不是正交的,至少也是线性独立的,这在原则上是不可能不使用任何过滤的。

我的理解是,你的预测器是为了提高信噪比。