트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 1611

[mytarmailS]

예브게니 듀카 :
예측자라는 단어가 기능을 의미한다면 일반적으로 동등하지 않을 것이며 기능을 나누는 방법에 달려 있다고 생각합니다. 데이터 부족으로 인해 이론적으로 1000에서 학습할 수 있는 모델은 100에서 학습하지 않을 가능성이 큽니다.
이 작업을 수행하는 이유가 전혀 명확하지 않으며, 모델에 최소한의 충분한 데이터 세트를 제공하는 것을 기반으로 기능이 선택됩니다. 처음에는 최소한으로 생각했는데 나중에 어떻게 나눌 수 있습니까?

크기를 줄이기 위해 분할...

이 충분한 최소 기능을 어떻게 알 수 있습니까? 훈련을 해야만 100가지 기능이 1000에 대해 훈련되지 않고 컴퓨터가 가져오지 않지만 10,000가지 기능이 필요하면 어떻게 될까요?

예를 들어, 두 개의 양초, 단 두 개의 기능을 완전히 설명하려면 45개의 변수를 생성해야 합니다. 세 개의 양초 중 이미 105개의 변수가 있습니다.

[Maxim Dmitrievsky]

알렉산더_K2 :

내가 찾은 첫 번째 것은 다음과 같습니다.

다른 비슷한 게시물이 있었지만-보기에 너무 게으른 ...

세이버는 항상 의미가 무엇인지 이해할 때까지 일주일이 지나고 그가 의미하지 않은 것으로 판명되는 방식으로 씁니다. 그리고 그는 실제로 한 기호에 대해 동일한 전략을 사용합니다(다른 기호는 본 적이 없습니다).

알렉산더_K2 :

맥스, 당신이 Forex를 완전히 떠났다고 겁먹지 마세요... 정말 슬플 것입니다... 모든 것이 이제 시작일 뿐입니다 :))

때때로 나는 차익 거래 또는 손을 .. 신경망 측면에서, 닥쳐, 그들은 정상적으로 거래하기를 원하지 않습니다

[Aleksey Mavrin]

mytarmailS :

크기를 줄이기 위해 분할...

이 충분한 최소 기능을 어떻게 알 수 있습니까? 훈련을 해야만 100가지 기능이 1000에 대해 훈련되지 않고 컴퓨터가 가져오지 않지만 10,000가지 기능이 필요하면 어떻게 될까요?

예를 들어 두 개의 양초의 기능을 완전히 설명하려면 두 개만 있으면 45개의 변수를 생성해야 합니다 . 세 개의 양초 중 이미 105개의 변수가 있습니다.

두 개의 양초에서 45개의 변수가 어떻게 나오는지 자세히 설명해 주시겠습니까?

뭔가 너무 과한 것 같기도 하고 그런 생각이 들기도 합니다.

[Evgeny Dyuka]

mytarmailS :

크기를 줄이기 위해 분할...

이 충분한 최소 기능을 어떻게 알 수 있습니까? 훈련을 해야만 100가지 기능이 1000에 대해 훈련되지 않고 컴퓨터가 가져오지 않지만 10,000가지 기능이 필요하면 어떻게 될까요?

예를 들어, 두 개의 양초, 단 두 개의 기능을 완전히 설명하려면 45개의 변수를 생성해야 합니다. 세 개의 양초 중 이미 105개의 변수가 있습니다.

https://colab.research.google.com/ 을 사용해 보세요.
설정에서 TPU를 선택하면 충분히 빠르게 작동합니다. 유일한 단점은 오랫동안 사용하지 못하게 하고 일반 비율로 전환하지만 활기차고 밤에 충전할 수 있다는 것입니다.

[mytarmailS]

알렉세이 마브린 :

두 개의 양초에서 45개의 변수가 어떻게 나오는지 자세히 설명해 주시겠습니까?

뭔가 너무 과한 것 같기도 하고 그런 생각이 들기도 합니다.

두 개의 변수 벡터가 있습니다. 현재 양초와 이전 양초( "-1" )

a = "시가","고가","저가","종가","중앙"

b = "오픈-1","높은-1","낮은-1","닫는-1","센터-1"

"center" 변수는 촛대의 중간(높음+낮음)/2 이 변수가 없으면 "eskimo" 등과 같은 패턴을 설명하는 것이 불가능합니다. 다른 변수의 값을 설명할 필요는 없다고 생각합니다. 뻔합니다.

그래서 우리는 모든 종류의 논리적 조합을 만듭니다 (논리적이지 않을 수 있음)

[ 1 ] "1"                "open   >   high"
[ 1 ] "2"                "open   >   low"
[ 1 ] "3"                  "open   >   close"
[ 1 ] "4"                  "open   >   center"
[ 1 ] "5"                  "open   >   open-1"
[ 1 ] "6"                  "open   >   high-1"
[ 1 ] "7"                  "open   >   low-1"
[ 1 ] "8"                    "open   >   close-1"
[ 1 ] "9"                    "open   >   center-1"
[ 1 ] "10"              "high   >   low"
[ 1 ] "11"                "high   >   close"
[ 1 ] "12"                  "high   >   center"
[ 1 ] "13"                  "high   >   open-1"
[ 1 ] "14"                  "high   >   high-1"
[ 1 ] "15"                "high   >   low-1"
[ 1 ] "16"                  "high   >   close-1"
[ 1 ] "17"                    "high   >   center-1"
[ 1 ] "18"                "low   >   close"
[ 1 ] "19"                "low   >   center"
[ 1 ] "20"                "low   >   open-1"
[ 1 ] "21"                "low   >   high-1"
[ 1 ] "22"                "low   >   low-1"
[ 1 ] "23"                  "low   >   close-1"
[ 1 ] "24"                  "low   >   center-1"
[ 1 ] "25"                  "close   >   center"
[ 1 ] "26"                  "close   >   open-1"
[ 1 ] "27"                  "close   >   high-1"
[ 1 ] "28"                  "close   >   low-1"
[ 1 ] "29"                    "close   >   close-1"
[ 1 ] "30"                    "close   >   center-1"
[ 1 ] "31"                    "center   >   open-1"
[ 1 ] "32"                    "center   >   high-1"
[ 1 ] "33"                  "center   >   low-1"
[ 1 ] "34"                    "center   >   close-1"
[ 1 ] "35"                      "center   >   center-1"
[ 1 ] "36"                    "open-1   >   high-1"
[ 1 ] "37"                  "open-1   >   low-1"
[ 1 ] "38"                    "open-1   >   close-1"
[ 1 ] "39"                      "open-1   >   center-1"
[ 1 ] "40"                  "high-1   >   low-1"
[ 1 ] "41"                    "high-1   >   close-1"
[ 1 ] "42"                      "high-1   >   center-1"
[ 1 ] "43"                    "low-1   >   close-1"
[ 1 ] "44"                    "low-1   >   center-1"
[ 1 ] "45"                      "close-1   >   center-1"

촛불 두 개만, 안타까운 촛불 두 개.....

[mytarmailS]

가장 이해하기 쉬운 대답 은 모델의 앙상블이 개별 약한 모델보다 더 나은 성능을 보이는 이유 입니다.

신호 및 잡음의 예를 사용하여 DSP(디지털 신호 처리)의 관점에서 설명, 합산할 때 잡음이 자체적으로 제거되는 방법

https://www.youtube.com/watch?v=wqD892r-wfo&list=PLmu_y3-DV2_kpP8oX_Uug0IbgH2T4hRPL&index=13

나는 당신이 더 현명해질 것을 보장합니다 + 새로운 아이디어가 나타날 것입니다 ... 슈퍼 강의! )

[Forester]

mytarmailS :

두 개의 변수 벡터가 있습니다. 현재 양초와 이전 양초( "-1" )

a = "시가","고가","저가","종가","중앙"

b = "오픈-1","높은-1","낮은-1","닫는-1","센터-1"

"center" 변수는 촛대의 중간(높음+낮음)/2 이 변수가 없으면 "eskimo" 등과 같은 패턴을 설명하는 것이 불가능합니다. 다른 변수의 값을 설명할 필요는 없다고 생각합니다. 뻔합니다.

그래서 우리는 모든 종류의 논리적 조합을 만듭니다 (논리적이지 않을 수 있음)

촛불 두 개만, 안타까운 촛불 두 개.....

NS/forest의 이러한 모든 조합은 자체 내에서 분석됩니다. OHLC와 센터만 입구에 제출해야 합니다. 예, 센터는 결과에 유용한 경우 내부에서 결정됩니다.

[mytarmailS]

블라미))

[Evgeny Dyuka]

mytarmailS :

블라미))

퓨어 마틴게일, 그와 함께라면 언제나 그렇겠지))

[Evgeny Dyuka]

mytarmailS :

블라미))

나는 반년 동안 그런 전략에 종사했고 백 테스트의 최대 결과는 연간 x5이지만 1 년에 한 번 모든 것을 병합하게 될 것이고 이 문제를 해결하는 것은 불가능합니다.