基于多个变量寻找资产价格变动模式的概率
Finding probabilities of patterns in asset price movements based on multiple variables
我正在寻找一种方法，允许我使用 5 个随价格移动和变化的变量（根据历史数据）analyse/search 了解资产价格变动的模式。
我希望能够将概率分配给预测的价格变动，例如，var1并且 var2 这样做，var3..5 这样做，那么价格应该用 x 确定性。
Q1:有人能给我指出正确的方向，告诉我什么框架/技术可以帮助我实现这个目标吗？
Q2: 这会是多变量连续随机序列分析吗？
Q3: 隐马尔可夫模型？
Q4: 还是数据挖掘问题？
我正在寻找 what 而不是 how.
可以选择使用 Machine-Learning 工具来构建 learner 到
- 分类 所说的“资产价格变动”将
和
都用于统计概率度量Classifier预测
- 回归资产价格将移动到的真实目标值
和
也为这种Regressor预测
A1: （而 Whosebug 强烈不鼓励 用户询问有关工具或工具的意见一个特定的框架） 如果一个人进行学术论文研究，就不会造成太多损失或花费额外的时间，并且会有相当多的重复使用工具列表，用于学术研发背景下的机器学习.出于某种原因，经常遇到 scikit-learn ML-classes 并不奇怪，其他一些论文可能与基于 R 的量化金融合作/ 统计图书馆。然而，恕我直言，这些工具并不是回答您的混合问题中出现的所有疑虑和最初困惑的核心。主题混淆是。
A2: 不，不会。好吧，除非你打败了所有先进的定量研究并碰巧证明市场表现出随机行为（事实并非如此，而且 re-cite 发表的关于为什么它确实不是的卓越研究会浪费时间一个随机过程）。
A3: 不要因为有吸引力的标签或营销文本中的“当代流行”就试图跳上任何马车。恕我直言，了解 HMM 不在您的视线范围内，而您现在似乎只是移动到最近的地平线以首先了解要寻找的内容。
A4: 这是一个很好的失误证明。你的问题在这一点上比其他问题更好地表明，在输入最后两个问题之前，你自己的研究工作投入了多少 problem-domain 并至少获得了一些基本知识。
Whosebug 鼓励用户提出高质量的问题，因此请毫不犹豫地 re-edit 您的 post 为这个主题添加一些润色。
如果需要灵感，请尝试回顾一种用于快速机器学习过程的良好而强大的方法，其中分类和回归 任务还获得每个预测目标值的概率估计。
要对高性能 ML-predictors 有一些了解，这些通常对一组 5 个变量 （在 ML-domain 中调用）进行操作功能 ) 。 （想想一些大 数百 到小 数千 的特征，通常是对原始 TimeSeries 数据的大量 non-linear 转换）。
好了，如果确实愿意掌握 ML 进行算法交易。
可能想阅读有关 state-of-art 这个方向的研究：
[1] Mondrian Forests: Efficient Online Random Forests
>>> arXiv:1406.2673v2 [stat.ML] 16 Feb 2015
[2] Mondrian Forests for Large-Scale Regression when Uncertainty Matters
>>> arXiv:1506.03805v4 [stat.ML] 27 May 2016 >>>
May also enjoy other posts on subject: >>> Whosebug Algorithmic-Trading >>>
我正在寻找一种方法，允许我使用 5 个随价格移动和变化的变量（根据历史数据）analyse/search 了解资产价格变动的模式。
我希望能够将概率分配给预测的价格变动，例如，var1并且 var2 这样做，var3..5 这样做，那么价格应该用 x 确定性。
Q1:有人能给我指出正确的方向，告诉我什么框架/技术可以帮助我实现这个目标吗？
Q2: 这会是多变量连续随机序列分析吗？
Q3: 隐马尔可夫模型？
Q4: 还是数据挖掘问题？
我正在寻找 what 而不是 how.
可以选择使用 Machine-Learning 工具来构建 learner 到
- 分类 所说的“资产价格变动”将
和
都用于统计概率度量Classifier预测 - 回归资产价格将移动到的真实目标值
和
也为这种Regressor预测
A1: （而 Whosebug 强烈不鼓励 用户询问有关工具或工具的意见一个特定的框架） 如果一个人进行学术论文研究，就不会造成太多损失或花费额外的时间，并且会有相当多的重复使用工具列表，用于学术研发背景下的机器学习.出于某种原因，经常遇到 scikit-learn ML-classes 并不奇怪，其他一些论文可能与基于 R 的量化金融合作/ 统计图书馆。然而，恕我直言，这些工具并不是回答您的混合问题中出现的所有疑虑和最初困惑的核心。主题混淆是。
A2: 不，不会。好吧，除非你打败了所有先进的定量研究并碰巧证明市场表现出随机行为（事实并非如此，而且 re-cite 发表的关于为什么它确实不是的卓越研究会浪费时间一个随机过程）。
A3: 不要因为有吸引力的标签或营销文本中的“当代流行”就试图跳上任何马车。恕我直言，了解 HMM 不在您的视线范围内，而您现在似乎只是移动到最近的地平线以首先了解要寻找的内容。
A4: 这是一个很好的失误证明。你的问题在这一点上比其他问题更好地表明，在输入最后两个问题之前，你自己的研究工作投入了多少 problem-domain 并至少获得了一些基本知识。
Whosebug 鼓励用户提出高质量的问题，因此请毫不犹豫地 re-edit 您的 post 为这个主题添加一些润色。
如果需要灵感，请尝试回顾一种用于快速机器学习过程的良好而强大的方法，其中分类和回归 任务还获得每个预测目标值的概率估计。
要对高性能 ML-predictors 有一些了解，这些通常对一组 5 个变量 （在 ML-domain 中调用）进行操作功能 ) 。 （想想一些大 数百 到小 数千 的特征，通常是对原始 TimeSeries 数据的大量 non-linear 转换）。
好了，如果确实愿意掌握 ML 进行算法交易。
可能想阅读有关 state-of-art 这个方向的研究：
[1]Mondrian Forests: Efficient Online Random Forests
>>> arXiv:1406.2673v2 [stat.ML] 16 Feb 2015
[2]Mondrian Forests for Large-Scale Regression when Uncertainty Matters
>>> arXiv:1506.03805v4 [stat.ML] 27 May 2016 >>>
May also enjoy other posts on subject:
>>> Whosebug Algorithmic-Trading >>>