为MT制作一个Python交易系统。 - 页 12

新评论
 

http://www.thealgoengineer.com/2014/online_linear_regression_kalman_filter/

这就是它的发展方向，我希望......否则叙事的意义何在？

Online Linear Regression using a Kalman Filter
Online Linear Regression using a Kalman Filter
  • www.thealgoengineer.com
13 Aug 2014 • 5 min. read • Comments Linear regression is useful for many financial applications such as finding the hedge ratio between two assests in a pair trade. In a perfect world, the realtionship between assests would remain constant along with the slope and intercet of a linear regression. Unfortutanely this is usually the exception...
 
Maxim Dmitrievsky:

http://www.thealgoengineer.com/2014/online_linear_regression_kalman_filter/

这就是它的发展方向，我希望......否则叙事的意义何在？

卡尔曼是一个已经过去的结论。

而叙事的本质是什么）。我目前是为了自己的目的而做。在互联网上很难得到它的副本，不得不自己想办法，如果有人需要它，就让他们使用它。

 
Yuriy Asaulenko:

卡尔曼是一个已经过去的结论。

而叙事的重点是什么:)我现在正在做，如果有人需要，就让他们使用。在互联网上很难找到它的副本，我不得不自己想办法。

我不知道，我有一个类似的例子，从某个地方保存的聚能注册，几乎是1比1。

和卡尔曼和林，我不明白......一些未完成的文章

import operator
import numpy as np
import matplotlib.pyplot as plt

from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score
from sklearn.preprocessing import PolynomialFeatures

np.random.seed(0)
x = 2 - 3 * np.random.normal(0,1,20)
y = x - 2 * (x**2) + 0.5 * (x**3) - np.random.normal(-3,3,20)

#  transforming the data to include another axis
x = x[:, np.newaxis]
y = y[:, np.newaxis]

polynomial_features = PolynomialFeatures(degree=3)
x_poly = polynomial_features.fit_transform(x)
print(str (x_poly))

model = LinearRegression()
model.fit(x_poly, y)
y_pred = model.predict(x_poly)

rmse = np.sqrt(mean_squared_error(y,y_pred))
r2 = r2_score(y,y_pred)

print(rmse)
print(r2)

plt.scatter(x, y, s=10)
#  sort the values of x before line plot
sort_axis = operator.itemgetter(0)
sorted_zip = sorted(zip(x,y_pred), key=sort_axis)
x, y_pred = zip(*sorted_zip)
plt.plot(x, y_pred, color='r')
plt.show()
 
Maxim Dmitrievsky:

我不知道，我有一个类似的例子，从某处保存的多肉登记，几乎是1比1。

和卡尔曼和林，我不明白......一些未完成的文章

总是这样，当你需要什么的时候，你却找不到它)。然后它就突然出现了)。

也许放一个代码而不是图片？为争论起见，就让它这样吧。

 

对于Alex来说，python中的introdynamics。

安装3.7 64位版本（我不使用Anaconda，也不明白为什么需要它，可能是为太聪明的人准备的）。

打开命令行，输入 pip installcatboost

这将安装catboost，并给你一个警告，告诉你缺少哪些libs。

另一个选择是用管道安装jupyter notebook（管道安装jupyter notebook）或jupyter lab

在谷歌上搜索更多的细节是一个很好的方式来了解

 

尤拉，你一如既往地让人目瞪口呆。你是在比较MA，即某一特定时间点的数字--当前概率分布的中心，与近似函数:))

我想更严厉地告诉你，像个孩子一样，但由于你至少了解一点物理学--我不会那样做，否则论坛已经变成了卖家的尴尬信号的囤积地--没什么可看的。

你知道其中的区别吗，还是不知道？

 
Alexander_K2:

尤拉，你一如既往地让人目瞪口呆。你是在比较MA，即某一特定时间点的数字--当前概率分布的中心，与近似函数:))

A_K，你完全不了解情况，不明白发生了什么，把你的意识流误认为是现实。事情并不像他们看起来那样。）在这个话题的背景下，你的宝贵意见没有任何意义或含义。

如果你有不明白的地方，就提出问题，尽管不一定能得到答案。

 
Maxim Dmitrievsky:

对于Alex来说，python中的introdynamics。

你需要3.7 64位版本（我不使用Anaconda，也不明白你为什么需要它，可能是为太聪明的人准备的）。

亚历克斯，他是谁？

Eustace Alex - 我不使用Anaconda。

Anaconda不是对聪明人有用，而是对懒人有用))- 你所需要的一切（还有很多额外的东西，包括jupyter笔记本）都可以在一个包里得到。你不需要做任何其他事情，没有成串的命令和pip安装，--放着就忘。但是，对于那些太聪明的人，如果你真的想，你可以使用命令行)。

 
Yuriy Asaulenko:

亚历克斯是谁？

尤斯塔斯-亚历克斯-我不使用巨蟒。

蟒蛇不适合聪明人，它适合那些懒惰的人))- 你在一个包里得到了你所需要的一切（还有很多不必要的东西，包括jupyter笔记本）。你不需要做任何其他事情，没有成串的命令和pip安装，--放着就忘。不需要做任何其他事情，不需要命令行，不需要安装--只要设置好就可以了。 但是，对于那些太聪明的人，如果你真的想，你也可以使用命令行)。

好吧，亚历克斯的头像上有乔帕卡布拉。

我仍然需要更新。Tensor Flow在3.7上还不能工作
 
Maxim Dmitrievsky:

好吧，亚历克斯的头像上有一个卓柏卡布拉（chupacabra）。

仍然需要进行更新。Tensor Flow在3.7上还不能工作

我很懒，没有兴趣。我很懒，也不懒，不是一个懒人）。

顺便说一下，Anaconda有按钮--安装和更新）。小鸟把，按下按钮，让它思考）。

PS说到更新。当升级Anaconda时，部分软件包更新，部分回滚，包括Python从3.7.2版本到3.7.1。

1...567891011121314151617
新评论