文章 "在Python中使用Numba对交易策略进行快速测试" - 页 5

新评论
 
Aleksey Nikolayev #:

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相差甚远的模型。由于参数的固定数量较少，TC 模型的偏差会越来越大（线性回归是 MO 的一个常见例子），而复杂模型则相反，其方差会越来越大。

显然，如果较简单的模型能捕捉到实际模式，则效果更好。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。如果您有幸发现了一种有效的叠加方法，那对您来说是件好事）。在我看来，堆叠较简单的模型通常比把所有东西都塞进一个较复杂的模型中更有意义。

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）。

既然找不到更有意义的定义，我们就暂且称它为 "魔法 "吧：)

堆叠是一个很好的类比，尽管它看起来有点不同。
 
Maxim Dmitrievsky #:
因此，既然找不到更有意义的定义，我们就暂且称其为 "魔法 "吧。）

堆叠是一个很好的比喻，尽管它看起来有些不同。

我曾经听说过，堆叠是将几个模型巧妙地组合在一起，与通常所说的堆叠完全不同。我不知道这种说法被广泛接受的程度如何。

出于某种原因，我更喜欢 "堆叠"，可能因为它是一个 "叠 "字。但为了统一起见，还是 "堆叠 "吧。

 
Aleksey Nikolayev #:

我曾遇到过这样的情况，即桩基是由几种模型构成的一种相当棘手的结构，与通常所说的桩基完全不同。我不知道它有多常见。

出于某种原因，我更喜欢 "堆叠"，可能因为它是一个 "叠 "字。但为了统一起见，还是用 "堆叠 "吧。

这是一个 ae 双元音，你可以选择任何一种发音。你可以 "堆叠"（"stacking"）。是啊，我注意到很多东西也用这个词来称呼。
 
Maxim Dmitrievsky #:
不同周期的滑动窗口中的标准，默认周期为 20。从我的手机上看，我可能没看到什么，很抱歉。

读作 z-score 是不是更正确？

 
ys_mql5 #:

考虑 z 分数不是更正确吗？

我不知道，哪个更好？

 
Maxim Dmitrievsky #:

我不知道，什么更好？

这是一个正常化的值

 
ys_mql5 #:

为归一化值

继续下去，直到你明白为止。
 
Maxim Dmitrievsky #:
继续下去，直到你明白为止。

那么，固定值滑动窗口中的标准差会有一个非归一化的变化范围，这取决于波动率。据我所知，通常会使用 z 分数，因为它是一个归一化值。思考到此为止 )

 
ys_mql5 #:

那么，固定值滑动窗口中的标准差会有一个非归一化的变化范围，这取决于波动率。据我所知，通常会使用 z 分数，因为它是一个归一化值。思考到此为止 )

明白了，我在所有可用历史数据中取最小值/最大值并设置为边界，然后在优化器的每次迭代中分成随机范围。你也可以使用 zscore。我想这种归一化可能对优化器更好（去掉小数点后有大量零的小数值），但我觉得不应该这样。

 
你好，格言，我认为你是论坛上最聪明的人，希望在第二篇文章中看到详细的描述。 谢谢。
123456
新评论