+
4 के भाग 4 के बाद छिपे मार्कोव मॉडल ट्रेंड अद्यतन: कोड में एक नज़र आगे बग outOfSampleLongReturns और outOfSampleShortReturns की गणना करते समय हुई थी, यह सही है और दुख की बात है 3.08-0.857 शार्प अनुपात कम हो गया है। मैं हमेशा अन्य साइटों की तुलना में अधिक से अधिक पारदर्शिता प्रदान करने के लिए कोड प्रकाशित यही कारण है इस श्रृंखला के भाग 3, इस पोस्ट वास्तव में वास्तविक जीवन डेटा मॉडलिंग के बारे में जाने के लिए पर ध्यान दिया जाएगा एक खिलौना मॉडल पर एक हम्म प्रशिक्षित करने के लिए प्रदर्शन किया। एक प्रवृत्ति निम्नलिखित रणनीति & amp व्यापार के लिए विकसित किया जाएगा, पी 500। सबसे मशीन सीखने वर्गीकरण समस्याओं में आप वर्ग लेबल है जो प्रशिक्षण के डेटा का एक सेट की जरूरत है। हम टी वर्ग लेबल है डॉन बाजार के आंकड़ों है, जबकि, पहला काम की वजह प्रशिक्षण डेटा के लिए वर्ग लेबल उत्पन्न करने के लिए है। पी 500 समय श्रृंखला और (भी कोई प्रवृत्ति लेबल हो सकता है) के रूप में या तो एक प्रवृत्ति या नीचे की प्रवृत्ति में उन्हें लेबल, हम एक प्रवृत्ति निम्नलिखित रणनीति विकसित करना चाहते हैं, हम & amp के कुछ हिस्सों का चयन करने की जरूरत है। सिद्धांत रूप में आप हाथ से यह कर सकता है, हालांकि यह शेयरों के पूरे ब्रह्मांड खत्म करने के लिए संभव नहीं किया जाएगा। इसके बजाय हम आपको एक प्रवृत्ति के रूप में डेटा वर्गीकृत कैसे, स्वचालित रूप से हमारे लिए डेटा वर्गीकृत करने के लिए एक प्रोग्राम लिख सकते हैं प्रवृत्ति की अपनी परिभाषा पर निर्भर करता है। लेबल के नीचे दिए गए चार्ट में देखा है, और यह इसे कम लेबल है इसका मतलब है कि ऊपर हरे रंग के साथ मूल्य के नीचे यह एक लंबे संकेत, लाल के साथ किसी भी कीमत के रूप में चिह्नित किया गया है साधन हैं। यह तो लंबे समय से जाना जाता है, तो चर अगले 10 अवधि में सबसे अधिक है, तो कोड प्रदान में मैं मौजूदा कीमत अगले 10 अवधि (चर NDayLookforwardLowHigh) के लिए सबसे कम कीमत है देखने के लिए जाँच, तो लंबे समय तक बंद कर दें। शॉर्ट्स के लिए रिवर्स करो। यह छोटी सी क्रूड एसए और मैं (उम्मीद के माध्यम से फिल्टर और शार्प अनुपात में सुधार करना चाहिए) प्रवृत्तियों पर एक उतार-चढ़ाव बाधा डालने के लिए उपयोगी हो सकता है, प्रवृत्तियों वर्गीकृत करने के लिए काफी बेहतर तरीके से कर रहे हैं कल्पना। वेक्टर का एक सेट "" विशेषताएं डेटा लेबलिंग के अलावा सुविधाओं के रुझान का पता लगाने के लिए फायदेमंद होते हैं कि चर को शामिल करना चाहिए, उत्पन्न किया जाना चाहिए। मैं प्रयोग किया जाता सुविधा वेक्टर कम कीमत के लिए खुला उच्च मूल्य के लिए खुला खुला बंद करने के लिए कीमत का अनुपात, और सभी मध्यवर्ती के संयोजन है। अक्सर यह इन चर की गतिशीलता मॉडल और सुविधा वेक्टर के अंदर इन चर में एक अवधि परिवर्तन डाल करने के लिए वांछनीय है। ऊपर छवि एक ही डेटा सेट पर प्रशिक्षित हम्म दी प्रत्येक बाजार शासन की संभावना से पता चलता है। यह लंबे समय से शासन के 2008 के दुर्घटना के दौरान बहुत संभावना बन गया है कि देखने के लिए आश्वस्त करता है। हम्म के उत्कृष्ट गुण की है कि वे अलग-अलग अवधि है, लेकिन एक ही वर्ग के हैं कि स्थितियों के मॉडलिंग की अनुमति है। उदाहरण के लिए एक प्रवृत्ति 10 दिनों के लिए पिछले सकता है, और एक अन्य प्रवृत्ति 35 दिनों के लिए पिछले सकता है, हम हम्म में इन उदाहरणों के दोनों पारित कर सकते हैं और यह आंतरिक स्थिति संक्रमण संभावनाओं का उपयोग कर अवधि अंतर कोशिश करते हैं और मॉडल होगा। नमूना परिणामों में से: 0.857 के शार्प अनुपात