결국, 우리는 100-150 관찰 창의 터미널에서 작업하고있을 가능성이 큽니다. 일반적으로 창의 크기는 얼마여야 합니까? 그리고 무엇을 위해?
잡음 예측자를 제거하려면 많은 수, 최대 10,000개까지 가능하지만 잡음 예측자를 제거하려면 100,000개가 필요합니까?
일반적으로 표본 크기는 시장의 일부 고정된 특성과 어떤 식으로든 관련되어야 합니다. 논의 중인 경우에 노이즈 예측자는 충분히 큰 시간 간격에 대한 것이어야 합니다.
노이즈 제거 단계입니다.
다음 단계는 모델이 과적합되지 않도록 모델을 훈련시키는 것입니다.
모델이 과적합되지 않는 예측 변수 집합을 찾은 경우 다른 모든 것이 의미가 있습니다. 그렇지 않으면 모든 대화가 완전히 비어 있습니다. 인공 지능의 이러한 모든 장치를 사용하는 것보다 지표에 대해 의도적으로 과도하게 훈련된 TS를 구축하는 것이 훨씬 더 쉽다는 것을 잊지 마십시오. 그 결과 여전히 과도하게 훈련된 TS를 얻습니다.
따라서 과적합으로 이어지지 않는 특정 예측 변수 집합이 있습니다. 수익성의 양은 중요하지 않습니다. 가장 중요한 것은 이러한 수익성이 다양한 샘플에서 크게 변동하지 않아야 한다는 것입니다.
그리고 이제 다음 단계.
우리는 작은 창 = 100-500개의 관찰을 취하고 예를 들어 rfe에 의해 예측 변수를 선택하여 그것에 대한 모델을 학습합니다. 이렇게 하면 예측 변수 집합이 더 줄어듭니다. 두 번 경험하십시오.
이 축소된 예측 변수 집합을 사용하여 정확히 한 단계 앞서 예측합니다. 좋은 방법으로 이 예측에는 신뢰 구간 이 있어야 합니다. 이것이 위험입니다.
우리는 예측 내에서 거래합니다. 저것들. 다음날을 예측하고 M5에서 거래하십시오. 예측된 움직임의 절반으로 TR을 설정했습니다.
모든 위치에서 나온 후 창을 이동하고 rfe로 예측자를 선택하고 다시 예측합니다.
예측 오류는 모든 단계의 오류가 아니라 모든 단계의 오류입니다.
그러나 실용적인 가치가 있는 것은 이 값이 아니라 적어도 테스터에서 이익 요소/드로다운 또는 다른 것의 값입니다.
최대로 긴 샘플에서 무엇을 증명하고 싶습니까? 효율적인 시장 가설? 파산을 비롯한 많은 귀족들이 이 가설을 설파했습니다.
나는 도구의 매우 구체적인 사용에 대해 이야기하고 있습니다. 그리고 나에게 이러한 특수성은 "선지급"이라는 문구로 간략하게 표현됩니다. 이 프레임워크 내에서 예측 범위 = 1주가 최적이므로 심장이 진정됩니다(2개월).
다른 모든 것은 이익 인출을 위해 특별히 조정되어야 합니다. 바로 지금. 그리고 87 이전에 일어난 일은 흥미롭지 않습니다. 1997년 이전에 무슨 일이 일어났는지는 흥미롭지 않지만, 더 나아가면 다음 국경은 2007년입니다. 잡음 예측자를 식별하기 위한 기간을 선택할 때 이전 기간이 미래 기간과 유사할 것이라는 의미 있는 고려 사항이 있어야 합니다. Brexit 이후 모든 것이 이전과 동일하게 작동합니까? 미국 대선 이후에는 어떤 일이 벌어질까? 정치와 무관한 정치적 충격과 주식시장 폭락이 있고, 역사적 데이터를 조각조각 쪼개고 있다.
저에게는 모든 것이 위험에 관한 것입니다. 약간의 감수를 시도하지만 여전히 위험을 감수합니다. 고문을 수십 년 동안 성공적으로 거래하도록 만들 수 있지만 그 이유는 무엇입니까? 이익은 아마도 연간 몇 퍼센트가 될 것입니다 .....
글쎄, 당신은 시도조차하지 않았습니다 ...
stat에 대한 나의 실험에 대한 작은 보고서. 중재.
스프레드는 위에서 인용한 사이트에서 회귀로 간주되었으며, 수수료가 고려되었으며, 여전히 매개변수에 많은 신경을 쓰지 않았습니다. 빠른 테스트에서 최고의 매개변수를 선택했고, 자금 관리에 신경 쓰지 않았습니다. 어느 쪽이든 포지션(가산, 평균)을 관리한다면 훨씬 더 좋은 결과를 얻을 수 있을 거라 생각합니다.
또한 말하자면, 새로운 데이터에서 "blow hold" 중재는 내가 마하의 도움으로 수행한 시스템보다 훨씬 낫습니다. 훈련 10배는 더 잘 버티고...
너무 이상하다.. 매시로 반년 만에 얻은 것보다 중재 실험으로 반나절 만에 더 많은 것을 성취했다. 훈련 , 이상할 뿐만 아니라 어쩐지 모욕적이기도 하고...
마이너스 중 본질적으로 두 가지가 있습니다.
첫 번째는 여전히 +/-30%의 큰 감소가 있습니다.
그리고 두 번째로, 나는 여전히 거기에 가는 방법을 알 수 없습니다. 훈련 당신은 나사 수 있습니다 :)
이 모든 것이 학문적으로 들립니다.
100,000개가 넘는 관측치로 인해 초기 인용도 거의 고정적이었던 것으로 기억합니다.
그래서 무엇?
결국, 우리는 100-150 관찰 창의 터미널에서 작업하고있을 가능성이 큽니다. 일반적으로 창의 크기는 얼마여야 합니까? 그리고 무엇을 위해?
잡음 예측자를 제거하려면 많은 수, 최대 10,000개까지 가능하지만 잡음 예측자를 제거하려면 100,000개가 필요합니까?
일반적으로 표본 크기는 시장의 일부 고정된 특성과 어떤 식으로든 관련되어야 합니다. 논의 중인 경우에 노이즈 예측자는 충분히 큰 시간 간격에 대한 것이어야 합니다.
노이즈 제거 단계입니다.
다음 단계는 모델이 과적합되지 않도록 모델을 훈련시키는 것입니다.
모델이 과적합되지 않는 예측 변수 집합을 찾은 경우 다른 모든 것이 의미가 있습니다. 그렇지 않으면 모든 대화가 완전히 비어 있습니다. 인공 지능의 이러한 모든 장치를 사용하는 것보다 지표에 대해 의도적으로 과도하게 훈련된 TS를 구축하는 것이 훨씬 더 쉽다는 것을 잊지 마십시오. 그 결과 여전히 과도하게 훈련된 TS를 얻습니다.
따라서 과적합으로 이어지지 않는 특정 예측 변수 집합이 있습니다. 수익성의 양은 중요하지 않습니다. 가장 중요한 것은 이러한 수익성이 다양한 샘플에서 크게 변동하지 않아야 한다는 것입니다.
그리고 이제 다음 단계.
우리는 작은 창 = 100-500개의 관찰을 취하고 예를 들어 rfe에 의해 예측 변수를 선택하여 그것에 대한 모델을 학습합니다. 이렇게 하면 예측 변수 집합이 더 줄어듭니다. 두 번 경험하십시오.
이 축소된 예측 변수 집합을 사용하여 정확히 한 단계 앞서 예측합니다. 좋은 방법으로 이 예측에는 신뢰 구간 이 있어야 합니다. 이것이 위험입니다.
우리는 예측 내에서 거래합니다. 저것들. 다음날을 예측하고 M5에서 거래하십시오. 예측된 움직임의 절반으로 TR을 설정했습니다.
모든 위치에서 나온 후 창을 이동하고 rfe로 예측자를 선택하고 다시 예측합니다.
예측 오류는 모든 단계의 오류가 아니라 모든 단계의 오류입니다.
그러나 실용적인 가치가 있는 것은 이 값이 아니라 적어도 테스터에서 이익 요소/드로다운 또는 다른 것의 값입니다.
이 모든 것이 학문적으로 들립니다.
///
모든 계산을 하나의 문구로 바꾸겠습니다. 노이즈가 없는 예측기는 무한히 큰 샘플에서 작동합니다. 이것은 가능한 가장 큰 크기의 샘플에서 노이즈 제거를 수행해야 함을 의미합니다.
"비노이즈 예측기"가 견적의 제한된 부분에서 작동하는 경우 로컬 노이즈를 나타냅니다.
좋아요, 흥미롭게 읽을 수 있습니다.
CNN은 그 자체로 순환 네트워크가 아닙니다.
컨볼루션 네트워크 에 대해 말하자면 . 이러한 유형의 신경망은 회귀 문제를 해결하기 위한 것이 아닙니다. 따라서 공개 실험의 결과는 비참합니다.
CNN이 해결한 작업 - 분류, 지역화, 탐지, 세분화.
이것이 바로 "한계 메모"입니다.
행운을 빕니다
컨볼루션 네트워크에 대해 이야기합니다. 이러한 유형의 신경망은 회귀 문제를 해결하기 위한 것이 아닙니다. 따라서 공개 실험의 결과는 비참합니다.
CNN이 해결한 작업 - 분류, 지역화, 탐지, 세분화.
이것이 바로 "한계 메모"입니다.
행운을 빕니다
분류를 회귀로 나타낼 수 없으며 그 반대도 마찬가지입니까? 결국 이 블록은 완전히 연결된 레이어에서 해결되지만 차이점은 무엇입니까? 증거가 있습니까?
그건 그렇고, 결과는 비참하지 않습니다. 왜 그렇게 결정? 임베디드 기능이 매우 복잡하고 네트워크가 노이즈와 구별하지 않는다는 것입니다(완전히 연결된 네트워크를 의미합니다). 스스로 해결하신 건가요, 아니면 그냥 선동을 퍼뜨리는 건가요?
얘들아, 누군가는 매일 따옴표, 가급적이면 M5 지수를 가지고 있습니다. 세 가지 도구가 필요합니다. 최소 50,000 개의 양초가 필요합니다.
1) 유로 Stoxx 50 또는 유로 Stoxx 600
2) 다우존스 또는 S&P 500 또는 나스닥
3) EUR/USD 쌍
누군가 가지고 있다면 실험을 위해 알려주십시오. 감사합니다.
알렉세이 버나코프 :
"비노이즈 예측기"가 견적의 제한된 부분에서 작동하는 경우 로컬 노이즈를 나타냅니다.
최대로 긴 샘플에서 무엇을 증명하고 싶습니까? 효율적인 시장 가설? 파산을 비롯한 많은 귀족들이 이 가설을 설파했습니다.
나는 도구의 매우 구체적인 사용에 대해 이야기하고 있습니다. 그리고 나에게 이러한 특수성은 "선지급"이라는 문구로 간략하게 표현됩니다. 이 프레임워크 내에서 예측 범위 = 1주가 최적이므로 심장이 진정됩니다(2개월).
다른 모든 것은 이익 인출을 위해 특별히 조정되어야 합니다. 바로 지금. 그리고 87 이전에 일어난 일은 흥미롭지 않습니다. 1997년 이전에 무슨 일이 일어났는지는 흥미롭지 않지만, 더 나아가면 다음 국경은 2007년입니다. 잡음 예측자를 식별하기 위한 기간을 선택할 때 이전 기간이 미래 기간과 유사할 것이라는 의미 있는 고려 사항이 있어야 합니다. Brexit 이후 모든 것이 이전과 동일하게 작동합니까? 미국 대선 이후에는 어떤 일이 벌어질까? 정치와 무관한 정치적 충격과 주식시장 폭락이 있고, 역사적 데이터를 조각조각 쪼개고 있다.
동영상 - https://www.youtube.com/watch?v=-INzzOXxkhU
제 생각 에는 이것이 올바른 개발 방법 중 하나이며 노이즈 선택과 재교육 문제를 모두 포괄적으로 해결합니다.( 물론 이론상 이 정도입니다 )
1) 우리는 반복되는 역사의 상황을 찾고 있습니다 - 알라 기능 선택
2) 우리는 패턴에 대한 가격 반응의 통계를 고려합니다. 10 하락 및 1 상승을 가정하고 우리가 이 조치를 취한 것으로 나타났습니다
1. 후렴과 함께 강한 패턴을 드러냈다. 통계(질적 특성의 선택)
2. 패턴이 자주 반복되기 때문에 패턴이 무작위가 아님 을 깨달았습니다(질적 특성 선택).
3. 사실, 우리는 기호에 대한 모든 통계를 계산했기 때문에 기호에 대한 교차 검증을 수행했습니다.
4. 우리는 재교육 을 없애고 불필요한 것은 모두 버리고 역사에 잘 맞는 것만 남겼습니다.
그리고 한통에 다 들어있어요:)
ps 영상보면서 인디케이터 보시고 예보가 틀릴거 본적이 단 한 번도 없는데 이게 강하네요...
가능한 가장 긴 샘플에서 무엇을 증명하고 싶습니까? 효율적인 시장 가설? 파산을 비롯한 많은 귀족들이 이 가설을 설파했습니다.
실제로 사용 가능한 최대 샘플에서 선택한 기능에 대한 종속성이 재현된다는 것을 보여줍니다. 이는 귀하의 진술과 정반대입니다. 시장은 역사적으로 비효율적이었습니다.
귀하의 나머지 요점에 대해서는 언급하지 않겠습니다. 이것은 귀하의 선호 사항입니다.
동영상 - https://www.youtube.com/watch?v=-INzzOXxkhU
제 생각 에는 이것이 올바른 개발 방법 중 하나이며 노이즈 선택과 재교육 문제를 모두 포괄적으로 해결합니다.( 물론 이론상 이 정도입니다 )
1) 우리는 반복되는 역사의 상황을 찾고 있습니다 - 알라 기능 선택
2) 우리는 패턴에 대한 가격 반응의 통계를 고려합니다. 10 하락 및 1 상승을 가정하고 우리가 이 조치를 취한 것으로 나타났습니다
1. 후렴과 함께 강한 패턴을 드러냈다. 통계(질적 특성의 선택)
2. 패턴이 자주 반복되기 때문에 패턴이 무작위가 아님 을 깨달았습니다(질적 특성 선택).
3. 사실, 우리는 기호에 대한 모든 통계를 계산했기 때문에 기호에 대한 교차 검증을 수행했습니다.
4. 우리는 재교육 을 없애고 불필요한 것은 모두 버리고 역사에 잘 맞는 것만 남겼습니다.
그리고 한통에 다 들어있어요:)
ps 영상보면서 인디케이터 보시고 예보가 틀릴거 본적이 단 한 번도 없는데 이게 강하네요...
모든 것은 맞다.
저는 영상을 보지 않았습니다. 왜냐하면 나는 임의의 긴 이야기에 맞게 아름다움을 위해 무엇이든 조정할 수 있다고 확신하기 때문입니다. 진실은 아름답지 않습니다. 모델이 과적합되지 않았다는 것을 증명하는 것은 매우 어렵습니다.
저에게는 모든 것이 위험에 관한 것입니다. 약간의 감수를 시도하지만 여전히 위험을 감수합니다. 고문을 수십 년 동안 성공적으로 거래하도록 만들 수 있지만 그 이유는 무엇입니까? 이익은 아마도 연간 몇 퍼센트가 될 것입니다 .....
글쎄, 당신은 시도조차하지 않았습니다 ...
stat에 대한 나의 실험에 대한 작은 보고서. 중재.
스프레드는 위에서 인용한 사이트에서 회귀로 간주되었으며, 수수료가 고려되었으며, 여전히 매개변수에 많은 신경을 쓰지 않았습니다. 빠른 테스트에서 최고의 매개변수를 선택했고, 자금 관리에 신경 쓰지 않았습니다. 어느 쪽이든 포지션(가산, 평균)을 관리한다면 훨씬 더 좋은 결과를 얻을 수 있을 거라 생각합니다.
또한 말하자면, 새로운 데이터에서 "blow hold" 중재는 내가 마하의 도움으로 수행한 시스템보다 훨씬 낫습니다. 훈련 10배는 더 잘 버티고...
너무 이상하다.. 매시로 반년 만에 얻은 것보다 중재 실험으로 반나절 만에 더 많은 것을 성취했다. 훈련 , 이상할 뿐만 아니라 어쩐지 모욕적이기도 하고...
마이너스 중 본질적으로 두 가지가 있습니다.
첫 번째는 여전히 +/-30%의 큰 감소가 있습니다.
그리고 두 번째로, 나는 여전히 거기에 가는 방법을 알 수 없습니다. 훈련 당신은 나사 수 있습니다 :)