文章 "在Python中使用Numba对交易策略进行快速测试" - 页 4

新评论
 
fxsaber #:

如何计算这一参数？

似乎漏掉了这个问题。波动率是如何计算的？每 "小时 "最大最小值？归一化？

 
训练模型的区间不可能是固定长度的，这个区间总是在一定范围内浮动。它取决于金融工具的行为，我们需要跟踪这种行为发生变化的时刻。也就是说，我们又需要建立一个故障指标。

机器学习模型 有成百上千种，但很少有人关注在什么区间对这些模型进行优化？显然，这个问题很复杂，建立一个数学模型，即使是非常复杂的模型，也比解决这个问题要容易得多。我认为
 
fxsaber #:

似乎漏掉了这个问题。波动率是如何计算的？每 "小时 "最大最小值？归一化？

不同周期滑动窗口中的 Std，默认周期为 20。从我的手机上看，我可能没看到什么，很抱歉。
 
fxsaber #:
关于 "合理性 "的讨论太多了。我甚至都没想过要问。
有时捡到合适的词，聊以自慰：)
 
Evgeniy Chernish 机器学习模型 有成百上千种，但很少有人关注在什么区间对这些模型进行优化？显然，这个问题很复杂，建立一个数学模型，即使是非常复杂的模型，也比解决这个问题要容易得多。我认为
复杂而难以理解，我们必须发明:)
 
Evgeniy Chernish #:
我们就有必要建立一个故障指示器。
这个怪兽是什么？
 
fxsaber #:
这是什么怪兽？
一种跟踪序列分布的概率形状，并在这种形状发生变化时发出信号的指标。例如，斯米尔诺夫指标就是一种尝试。
 
滤波器多采用矩分布，由于某种原因，斜面滤波器效果最好。std 滤波器也不错。
 
Maxim Dmitrievsky #:
滤波器多采用矩分布，由于某种原因，斜面滤波器效果最好。Std 也不错。
是的，这样更简单。使用分布式工作并不方便。
 
Maxim Dmitrievsky #:

如果有精通统计的人，问题是哪个更好：

  • 优化图表上 n 个参数的 TS
  • 建立一个基本的再训练模型（一定的通用交易基础），然后寻找其稳健性的区间。
  • 两种方案都是曲线拟合

我认为，应该用 MOE 来重新表述这种对立。在偏差-分散权衡曲线上，有两种模型相差甚远。TC 模型由于参数数量较少且固定，因此偏差会越来越大（MO 的常见例子是线性回归），而复杂模型则相反，偏差会越来越大。

显然，如果较简单的模型能捕捉到实际模式，那么它就更好。如果两个模型都没有捕捉到，那么同样是简单的模型更好--复杂的模型更难发现其谬误，因为它对噪声的适应能力更强）毫不奇怪，只有在有益的情况下，复杂化才有意义。这是显而易见的理论答案。

如果更实际一点，那么第二点基本上意味着堆叠模型（至少两个）--一个模型进行分解（寻找差异），另一个进行交易决策。还可以有第三个模型来开关交易模型等。在 MO 中，"堆叠 "有 "黑魔法 "之称）通常，各种比赛的获胜者都会使用这种方法，但没有任何理论或秘诀可言。如果你有幸发现了一种有效的叠加方法，那对你来说是件好事）。在我看来，一般来说，堆叠更简单的模型比试图把所有东西都塞进一个更复杂的模型看起来更合理。

是的，分解问题需要解决，因为我们的序列是非稳态的。但我不会强调这一点，因为无论如何它都会被解决--或明或暗）。

123456
新评论