基于过去二进制数据的模式预测下一个二进制结果的合适方法

Question

我有一系列二进制数据（W 和 L 值是交易平台的交易结果），我需要能够根据过去的模式预测下一个值（W 或 L）。在 Matlab o python 中完成此任务的最佳方法是什么。

我已经尝试过自己开发的基本模式匹配算法。我在那里做的是获得一个包含 5 个结果的输入序列，并将其与所有过去的数据进行匹配，以获得第 6 个结果的概率。然而，该方法的准确率接近 30%，不适合我的预测。这是一种非常基本的方法，我相信肯定还有其他机器学习方法可以提供更准确的结果。

基本上我需要的是，我有一个像这样的过去数据序列 [ W, L, W , W , L , W ......最多 4300 个点]。我的系统会生成像这样的新数据馈送 [ W , L , L ,W ...] 我需要通过将当前数据馈送的模式与过去的 4300 个数据点相匹配来预测下一个数据的值。

Answer 1

使用马尔可夫链（Mauro 使用一个拇指）并训练以获得两个节点之间每个定向链接的权重。

Answer 2

你可以尝试使用马尔可夫链（我建议你从这里开始）：

• https://www.datacamp.com/community/tutorials/markov-chains-python-tutorial
• https://towardsdatascience.com/how-to-build-a-market-simulator-using-markov-chains-and-python-7923256f8d29
• https://towardsdatascience.com/when-to-buy-the-dip-e2e128d737a7

或者您可以尝试另一种方法训练神经网络，然后使用它来预测（即使用 LSTM）：

• https://medium.com/@kushal.sharma/lstm-network-using-keras-for-sequence-prediction-550b5bebae2c
• https://hackernoon.com/forecasting-market-movements-using-tensorflow-fb73e614cd06
• https://github.com/huseinzol05/Stock-Prediction-Models

或者您可以尝试 CPT 模型：https://github.com/analyticsvidhya/CPT，这样算法就可以根据新的数据馈送预测下一个值。在此处阅读更多信息：

• https://www.analyticsvidhya.com/blog/2018/04/guide-sequence-prediction-using-compact-prediction-tree-python/
• https://machinelearningmastery.com/sequence-prediction/

您应该定期（根据市场的正常波动范围，例如每周）重新训练所选模型。