pedrobsb / mlrfinance Goto Github PK
View Code? Open in Web Editor NEWMachine Learning functions for Finance
Machine Learning functions for Finance
O objetivo desse artigo é avaliar a qualidade da previsão t-passos a frente em dados de alta frequência usando SVR. Podemos usar dados de câmbio.
The Example05.R is showing an error.
Someone could create the Wikipage showing how to use the package with, for example, using the R scripts inside test folder.
A ideia é usar o modelo SVR para causalidade para comparar determinadas políticas acerca de Finanças Corporativas e o seu impacto em medidas de retorno das firmas.
SVR for Quantile Regression - Review and implementation - do you have some progress?
A ideia é construir um modelo de precificação de opções usando SVR.
Pedro,
Fiz um teste rápido aqui e percebi uma diferença na previsão dos dois pacotes em alguns conjuntos de dados. No exemplo abaixo, usando o conjunto 1 os resultados são diferentes, mas no conjunto 2 eles são iguais. Percebi que o gamma e os SV são também diferentes em ambos conjuntos. Depurei um pouco aqui e no conjunto 1 não há suportes de subida, que você usa para computar o gamma.
library(mlRFinance)
library(Matrix)
#Conjunto dados 1: Previsao mlRFinance diferente do libsvm
dados<-matrix(c(-1,-3,1,
0,2,1,
-7,2,2,
2,1.5,1.5,
3,4,4,
10,15,18,
5,16,40,
15,5,5,
7,17,4.5
),byrow=TRUE,nrow=9,ncol=3)
#Conjunto dados 2: Previsao mlRFinance igual do libsvm
dados<-matrix(c(-1,1,1,
0,2,1,
1,2,2,
2,1.5,1.5,
3,4,4,
4,4,5,
5,5,4,
6,5,5,
7,4.5,4.5
),byrow=TRUE,nrow=9,ncol=3)
X=dados[,c(2,3)]
Y=dados[,1]
csvrl1=CSVRL1(y = Y,X = X,C = 10,epsilon = 0.5,kernel = "Polynomial",parms = c(1,0))
Yp=PredictedCSVRL1(CSVRL1 =csvrl1,y = Y,X = X,Xprev=X)
install.packages("e1071")
library(e1071)
svm.model <- e1071::svm(X, y=Y, type="eps-regression",scale=FALSE,cost = 10,kernel="linear", probability = TRUE,epsilon=0.5)
svm.pred <- predict(svm.model,newdata = X,probability = TRUE)
#Estatísticas mlRFinance x e1071 ("libsvm")
#Pacote "mlRFinance"
#SV
csvrl1$SupportVectors
#gamma
csvrl1$gamma
#"previsao:"
Yp
#Pacote "e1071"
#SV
svm.model$coefs
#gamma
svm.model$gamma
#previsao:
svm.pred
Pedro Alexandre could create a R function to enable the connection between R and the Reuters terminal using the UnB login.
The computation of the performance relative to the benchmarks is not correct in the tests for superior predictive ability. The formula you state in the theoretic overview is Loss_Benchmark - Loss_Alternatives. However, in your function hansen.spa the first line is:
d.mat <- apply(Dmat, 2, function(x) x - bVec).
So, you reversed it. This leads to wrong conclusions regarding p-values.
Pedro,
Se eu não tiver cometendo algum equívoco na parametrização das funções, acho que tem algum bug no código do SVM. Depois veja essa comparação abaixo do Libsvm com o mlRFinance.
Uma das coisas que desconfio seria a inversão do sinal no cômputo do gamma ( de: gamma=gamma+(y(i)-res) para: gamma=gamma+(res-y(i) ) na função PredictedCSVML1. Isso pq logo a seguir vc calcula predVec(i)=res-gamma.
Outro ponto que acho que pode ter algum problema é na definição do CE na função CSVML1. No código está CE = Eigen::MatrixXd::Ones(1,y.size()), mas acho que o CE deveria ser o vetor de y, pois ele sai da igualdade lambda^TD1=0.
Tive um problema com meu R e não consegui compilar, então não consegui verificar se essas mudanças resolvem as diferenças entre o mlRFinance e o Libsvm.
library(mlRFinance)
library(Matrix)
dados<-matrix(c(-1,1,1,
-1,2,1,
-1,2,2,
-1,1.5,1.5,
1,4,4,
1,4,5,
1,5,4,
1,5,5,
1,4.5,4.5
),byrow=TRUE,nrow=9,ncol=3)
X=dados[,c(2,3)]
Y=dados[,1]
csvml1=CSVML1(y = Y,X = X,C = 10,kernel = "Polynomial",parms = c(1,0),biasTerm=TRUE)
Yp=PredictedCSVML1(CSVML1 =csvml1,y = Y,X = X,Xprev=X,typePredict=0,biasTerm=TRUE)
install.packages("e1071")
library(e1071)
svm.model <- e1071::svm(X, y=Y, type="C-classification",scale=FALSE,cost = 10,kernel="linear", probability = TRUE)
svm.pred <- predict(svm.model,newdata = X,probability = TRUE)
#Estatísticas mlRFinance x e1071 ("libsvm")
#Pacote "mlRFinance"
#SV
csvml1$SupportVectors
#"previsao:"
Yp
#Pacote "e1071"
#SV
svm.model$coefs
#gamma
svm.model$gamma
#previsao:
svm.pred
We need to correct the nearPDefinite function to works as the Matrix::nearPD. We can use the nearPDefinite.R script to test the steps of the algorithm.
O objetivo desse artigo é apresentar o pacote no Journal of Statistical Software. O conteúdo são exemplos de como usar as funções do pacote em finanças. É necessário que o HELP esteja terminado antes da subimissão do artigo.
O objetivo desse artigo é construir uma nova metodologia para a construção de clusters espaciais. Comparar o método proposto com os métodos existentes e fazer uma aplicação (pode ser em Geomarketing).
O objetivo desse paper é comparar a estimação do CAViaR com o o CAViaR que pode ser obtido pelo SVR. Especificamente, comparar a perfomance de previsão do CAViaR diário entre os diferentes métodos existentes e o CAViaR estimado usando a função SVWQR que é uma Regressão Quantílica usando SVR. Podemos usar dados intraday de ativos usais ou ETF's.
A ideia é estudar o efeito do componente único das matrizes de Variância e Covariância na formação de Portfólio usando Kernel PCA.
Sob essa ótica há outros componentes ? O que eles representariam ? Muda de mercado para mercado ?
Remover todas as chamadas do RcppArmadillo e trocar por RcppEigen.
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.