트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 1492

[Forester]

막심 드미트리예프스키 :

예, 그런 다음 미래에 이를 감지하고 이 특정 클러스터에서 잘 작동하는 모델을 선택하십시오.

단순히 기능으로 제출할 수 있습니다. 하위 모델은 자체적으로 NS/포레스트를 만듭니다.

[Forester]

막심 드미트리예프스키 :

https://radfiz.org.ua/files/temp/Lab1_16/alglib-3.4.0.csharp/csharp/manual.csharp.html#example_mcpd_simple1

여기에서 예를 찾았습니다. "markov"를 검색하세요.

다음은 몇 가지 예입니다. https://csharp.hotexamples.com/examples/-/mcpd.mcpdreport/-/php-mcpd.mcpdreport-class-examples.html

[Igor Makanu]

Habré에서 NN 교육에 대한 흥미로운 기사(읽기) 신경망을 사용하여 사진 복원

항상 그렇듯이 가장 가치있는 것은 사용자 의견입니다. 저자는 평소와 같이 타사 소프트웨어와 비교하여 작업의 큰 돌파구에 대해 이야기하지만 사용자는 즉시 결함을 지적했습니다.

결론 - NN 훈련 기술 자체보다 입력 데이터 준비가 더 중요합니다.

[Alexander_K]

이고르 마카누 :

결론 - NN 훈련 기술 자체보다 입력 데이터 준비가 더 중요합니다.

마법사는 10억 페이지 전에 이것을 말했습니다.

여러분, 언제 서로의 말을 경청하는 법을 배우게 될까요? 어떤 시골의 편협함과 어리석음인가? 이것은 정말 소름돋고 짜증나는 일입니다.

[Petros Shatakhtsyan]

이고르 마카누 :

Habré에서 NN 교육에 대한 흥미로운 기사(읽기) 신경망을 사용하여 사진 복원

항상 그렇듯이 가장 가치있는 것은 사용자 의견입니다. 저자는 평소와 같이 타사 소프트웨어와 비교하여 작업의 큰 돌파구에 대해 이야기하지만 사용자는 즉시 결함을 지적했습니다.

결론 - NN 훈련 기술 자체보다 입력 데이터 준비가 더 중요합니다.

문제는 사진이 움직이지 않고 변하지 않으며 지문도 없다는 것입니다. 그리고 패턴 인식에서 머신 러닝은 필수 불가결합니다.

그러나 MO가 Forex의 과거 데이터에 사용되면 최상의 옵션을 찾은 것처럼 착각할 뿐입니다.

그러나 실제로 역사에서 그는 모든 위험한 영역을 우회하는 법을 배웠고 결과적으로 우수한 성장 그래프를 얻었습니다.

그러나 가격 책정은 역동적인 과정이며 항상 변하고 앞으로 나아가며 가격이 어디로 갈지 아무도 추측할 수 없습니다. 기계 학습을 기반으로 하는 로봇은 특별한 상황 의 실제 거래에서 항상 실수를 할 것입니다.

[Igor Makanu]

페트로스 샤탁셴 :

그러나 MO가 Forex의 과거 데이터에 사용되면 최상의 옵션을 찾은 것처럼 착각할 뿐입니다.

그러나 실제로 역사에서 그는 모든 위험한 영역을 우회하는 법을 배웠고 결과적으로 우수한 성장 그래프를 얻었습니다.

이 모든 것을 읽으십시오 https://habr.com/ru/post/443240/

여기서 일반적으로 100번째로 제 의견을 말하겠습니다. ML은 GA 전략 테스터보다 더 좋지도 나쁘지도 않습니다.

그러나 여전히 주제는 매우 흥미롭고 이 모든 것을 사로잡습니다))))

[Maxim Dmitrievsky]

도서관 :
다음은 몇 가지 예입니다. https://csharp.hotexamples.com/examples/-/mcpd.mcpdreport/-/php-mcpd.mcpdreport-class-examples.html

글쎄, 그것은 사용하기 매우 쉽습니다. 첫 번째 예에서.

상태 수와 전환 순서(예: 과거 상태)를 설정합니다. 저것들. 이 상태에 있을 확률. 그런 다음 그녀는 모든 상태에 대한 총 확률을 계산합니다.

또는 Mashki에서 시작하기 위한 간단한 예제를 만들지만 아직 구입하지 않은 경우 mb @mytarmailS 가 설명합니다.

 //+------------------------------------------------------------------+
//|                                                          HMM.mq5 |
//|                        Copyright 2018, MetaQuotes Software Corp. |
//|                                             https://www.mql5.com |
//+------------------------------------------------------------------+
#property copyright "Copyright 2018, MetaQuotes Software Corp."
#property link        "https://www.mql5.com"
#property version    "1.00"
#include <Math\Alglib\dataanalysis.mqh>
CMCPDState states;
CMCPDReport report;
CMatrixDouble track0, track1, results;

//+------------------------------------------------------------------+
//| Script program start function                                    |
//+------------------------------------------------------------------+
void OnStart ()
  {
//---
   track0.Resize( 5 , 2 );
   track1.Resize( 4 , 2 );
   
   track0[ 0 ].Set( 0 , 1.0 );
   track0[ 0 ].Set( 1 , 0.0 );
   
   track0[ 1 ].Set( 0 , 0.95 );
   track0[ 1 ].Set( 1 , 0.05 );
   
   track0[ 2 ].Set( 0 , 0.92750 );
   track0[ 2 ].Set( 1 , 0.07250 );
   
   track0[ 3 ].Set( 0 , 0.91738 );
   track0[ 3 ].Set( 1 , 0.08263 );
   
   track0[ 4 ].Set( 0 , 0.91282 );
   track0[ 4 ].Set( 1 , 0.08718 );
   
   track1[ 0 ].Set( 0 , 0.8 );
   track1[ 0 ].Set( 1 , 0.2 );
   
   track1[ 1 ].Set( 0 , 0.86 );
   track1[ 1 ].Set( 1 , 0.14 );
   
   track1[ 2 ].Set( 0 , 0.887 );
   track1[ 2 ].Set( 1 , 0.113 );
   
   track1[ 3 ].Set( 0 , 0.89915 );
   track1[ 3 ].Set( 1 , 0.10085 );
   
   CMarkovCPD::MCPDCreate( 2 , states);
   CMarkovCPD::MCPDAddTrack(states, track0, 5 );
   CMarkovCPD::MCPDAddTrack(states, track1, 4 );
   CMarkovCPD::MCPDSolve(states);
   CMarkovCPD::MCPDResults(states, results, report);
   
   for ( int i= 0 ;i<results.Size();i++)
     {
       Print (results[i][ 0 ]);
       Print (results[i][ 1 ]);
     }
  }
//+------------------------------------------------------------------+

[Maxim Dmitrievsky]

MA(매우 단순함)를 사용한 이러한 전략은 여기에 설명되어 있습니다.

https://www.quantstart.com/articles/market-regime-detection-using-hidden-markov-models-in-qstrader

[Forester]

막심 드미트리예프스키 :

글쎄, 그것은 사용하기 매우 쉽습니다. 첫 번째 예에서.

상태 수와 전환 순서(예: 과거 상태)를 설정합니다. 저것들. 이 상태에 있을 확률. 그런 다음 그녀는 모든 상태에 대한 총 확률을 계산합니다.

또는 Mashki에서 시작하기 위한 간단한 예제를 만들지만 아직 구입하지 않은 경우 mb @mytarmailS 가 설명합니다.

 //+------------------------------------------------------------------+
//|                                                          HMM.mq5 |
//|                        Copyright 2018, MetaQuotes Software Corp. |
//|                                             https://www.mql5.com |
//+------------------------------------------------------------------+
#property copyright "Copyright 2018, MetaQuotes Software Corp."
#property link        "https://www.mql5.com"
#property version    "1.00"
#include <Math\Alglib\dataanalysis.mqh>
CMCPDState states;
CMCPDReport report;
CMatrixDouble track0, track1, results;

//+------------------------------------------------------------------+
//| Script program start function                                    |
//+------------------------------------------------------------------+
void OnStart ()
  {
//---
   track0.Resize( 5 , 2 );
   track1.Resize( 4 , 2 );
   
   track0[ 0 ].Set( 0 , 1.0 );
   track0[ 0 ].Set( 1 , 0.0 );
   
   track0[ 1 ].Set( 0 , 0.95 );
   track0[ 1 ].Set( 1 , 0.05 );
   
   track0[ 2 ].Set( 0 , 0.92750 );
   track0[ 2 ].Set( 1 , 0.07250 );
   
   track0[ 3 ].Set( 0 , 0.91738 );
   track0[ 3 ].Set( 1 , 0.08263 );
   
   track0[ 4 ].Set( 0 , 0.91282 );
   track0[ 4 ].Set( 1 , 0.08718 );
   
   track1[ 0 ].Set( 0 , 0.8 );
   track1[ 0 ].Set( 1 , 0.2 );
   
   track1[ 1 ].Set( 0 , 0.86 );
   track1[ 1 ].Set( 1 , 0.14 );
   
   track1[ 2 ].Set( 0 , 0.887 );
   track1[ 2 ].Set( 1 , 0.113 );
   
   track1[ 3 ].Set( 0 , 0.89915 );
   track1[ 3 ].Set( 1 , 0.10085 );
   
   CMarkovCPD::MCPDCreate( 2 , states);
   CMarkovCPD::MCPDAddTrack(states, track0, 5 );
   CMarkovCPD::MCPDAddTrack(states, track1, 4 );
   CMarkovCPD::MCPDSolve(states);
   CMarkovCPD::MCPDResults(states, results, report);
   
   for ( int i= 0 ;i<results.Size();i++)
     {
       Print (results[i][ 0 ]);
       Print (results[i][ 1 ]);
     }
  }
//+------------------------------------------------------------------+

alglib에서는 내가 이해한 대로(아마도 틀릴 수 있음) 필요한 클러스터 수에 따라 트랙을 직접 구성해야 합니다. 그리고 이러한 Python 예제에서는 필요한 수의 클러스터를 요청하고 데이터 자체를 재배포합니다.

분류에 2개의 클래스가 있는 경우 아마도 다음과 같은 체인을 만들 수 있습니다. 0에서 시작하여 1이 될 때까지; 1에서 시작하여 0이 될 때까지. 중간 0.95, 0.8 등이 없습니다.

[Maxim Dmitrievsky]

도서관 :

alglib에서는 내가 이해한 대로(아마도 틀릴 수 있음) 필요한 클러스터 수에 따라 트랙을 직접 구성해야 합니다. 그리고 이러한 Python 예제에서는 필요한 수의 클러스터를 요청하고 데이터 자체를 재배포합니다.

분류에 2개의 클래스가 있는 경우 아마도 다음과 같은 체인을 만들 수 있습니다. 0에서 시작하여 1이 될 때까지; 1에서 시작하여 0이 될 때까지. 중간 0.95, 0.8 등이 없습니다.

나는 그것이 어떻게 작동하는지 전혀 이해하지 못합니다. 그럼 그냥 국회를 통해 분류를 사용하지 않겠습니까?

나는 그가 파이썬에서 결과를 어떻게 표시하는지 이해하지 못했습니다. 새로운 데이터에. 그리고 alglib에서 새 데이터에 대한 예측 상태를 얻는 방법과 각 측정에 대해 개별적으로. 한 번에 너무 많은 편지.

다른 모델인 aglib에서 뭔가 잘못된 것 같습니다.