나는 이 질문에 반복적으로 의아해했고, 시스템의 결과를 특정 영역에서의 잠재력과 비교할 필요가 있다고 생각합니다.
오늘 저는 이것에 대해 생각하고 있었습니다. 어떻게 하면 더 잘하고 더 보편적으로 할 수 있을까요? 나는 여러 단계의 학습 과정을 제시하는데, 그 중 첫 번째는 샘플의 레이블링이며 모든 신호 전략에 따라 레이블을 지정할 수 있습니다. 이러한 전략은 원시적이어야 하지만 가능성이 있습니다. 예를 들어 가격이 MA를 교차하면 이러한 교차 방향으로 진입 신호를 생성하거나 그 반대의 경우도 마찬가지입니다. 그런 다음 학습은 잘못된 신호를 필터링하는 방법일 뿐입니다. 이러한 가정을 수용하면 각 시간 간격에서 이러한 필터링이 얼마나 효과적인지 백분율로 계산할 수 있습니다. 여기서 가장 간단한 것은 기본 전략에 대한 분류의 정확성과 완성도를 계산하는 것입니다. 다른 옵션인 측정항목이 있습니다. 그러면 돈을 잃기 시작하더라도 모델의 성능이 어떻게 변하는지 알 수 있습니다.
원시적이지만 의미 있는 시스템의 완전한 세트를 기반으로 시스템을 구축하는 것도 좋은 생각인 것 같습니다. 완성도는 견적의 모든 부분에 대해 이 세트에서 수익성 있는 시스템을 선택할 수 있음을 의미합니다. 의미는 당신이 잠재력이라고 부르는 것에 관한 것입니다. 그런 다음 시간 종속 가중치를 사용하여 이 세트에서 포트폴리오를 구축하는 경로를 따릅니다.
예브게니 듀카 : 연습이 있습니다. 마지막 훈련으로부터 한 달이 채 안되어 나는 큐볼을 강하게 배출한 후에도 변화를 눈치채지 못했다. 영향을 미치는 것은 자산의 조작적 움직임 직후의 기간이며, 이때 신경망은 완전히 상실되고 온갖 말도 안되는 소리를 냅니다. 그런 폭풍에서 멀어질수록 예측이 더 적절해집니다.
연습은 일반적으로 "나무는 결코 하늘로 자라지 않는다"는 것을 보여줍니다. 조만간 모든 EA/포트폴리오의 자본/잔액이 크게 감소하기 시작하고 이에 대해 조치를 취해야 합니다.
이 스레드에서 비정상성 문제를 거의 완전히 무시하는 것은 매우 당혹스러운 일입니다. 어떤 이유에서인지 과거에 발견된 패턴이 미래에도 작동할 것이라고 가정하고 작동하지 않으면 재훈련이 발생한 것입니다. 그러나 일부 패턴은 점진적으로 또는 갑자기(예: 현재와 같은 위기의 결과로) 시간이 지남에 따라 작동을 멈춥니다.
나는 MO 모델이 복잡하고 사람에 의해 잘못 해석된다는 사실에서 문제를 봅니다. 제대로 작동하지 않기 시작하면 (모델의 프레임워크 내에서) 과적합 변형과 비정상 변형을 구별하는 것이 불가능합니다. 기존의 기술 분석에서는 항상 "트렌드 변화", "레벨/채널 이탈" 등을 말할 수 있습니다.
물론 IMHO이지만 제 생각에는 핀 인용구의 "물리학"에서 춤을 출 필요가 있습니다. 도구. 내 생각에 그들의 주요 속성은 시계열의 통계적 특성이 때로는 매우 빠르고 과감하게 변화한다는 것입니다. 이러한 의미에서 먼저 역사를 유사한 통계적 특성을 가진 섹션으로 분리하고 1에서 20까지의 숫자를 할당하는 분류기를 만드는 것이 합리적일 것입니다. 그런 다음 유사한 유형의 시장 각각에 대해 자신의 개별 TS . 그러나 시계열을 유사한 통계적 특성을 가진 섹션으로 나누기 위한 예측 변수를 찾는 방법 - 저는 전혀 모릅니다.
물론 IMHO이지만 제 생각에는 핀 인용구의 "물리학"에서 춤을 출 필요가 있습니다. 도구. 내 생각에 그들의 주요 속성은 시계열의 통계적 특성이 때로는 매우 빠르고 과감하게 변화한다는 것입니다. 이러한 의미에서 먼저 역사를 유사한 통계적 특성을 가진 섹션으로 분리하고 1에서 20까지의 숫자를 할당하는 분류기를 만드는 것이 합리적일 것입니다. 그런 다음 유사한 유형의 시장 각각에 대해 자신의 개별 TS . 그러나 시계열을 유사한 통계적 특성을 가진 섹션으로 나누기 위한 예측 변수를 찾는 방법 - 저는 전혀 모릅니다.
나는 일반적으로 그러한 영역을 "시장 조건"이라고 부릅니다. 각 상태는 기본 시스템 의 일부 포트폴리오와 연관될 수 있습니다. 어떤 종류의 재귀 네트워크를 사용하여 시장을 여러 상태로 분할하고 포트폴리오를 해당 상태에 맞출 수 있다고 생각합니다.
완전히 동의 해.
나는 이 질문에 반복적으로 의아해했고, 시스템의 결과를 특정 영역에서의 잠재력과 비교할 필요가 있다고 생각합니다.
오늘 저는 이것에 대해 생각하고 있었습니다. 어떻게 하면 더 잘하고 더 보편적으로 할 수 있을까요? 나는 여러 단계의 학습 과정을 제시하는데, 그 중 첫 번째는 샘플의 레이블링이며 모든 신호 전략에 따라 레이블을 지정할 수 있습니다. 이러한 전략은 원시적이어야 하지만 가능성이 있습니다. 예를 들어 가격이 MA를 교차하면 이러한 교차 방향으로 진입 신호를 생성하거나 그 반대의 경우도 마찬가지입니다. 그런 다음 학습은 잘못된 신호를 필터링하는 방법일 뿐입니다. 이러한 가정을 수용하면 각 시간 간격에서 이러한 필터링이 얼마나 효과적인지 백분율로 계산할 수 있습니다. 여기서 가장 간단한 것은 기본 전략에 대한 분류의 정확성과 완성도를 계산하는 것입니다. 다른 옵션인 측정항목이 있습니다. 그러면 돈을 잃기 시작하더라도 모델의 성능이 어떻게 변하는지 알 수 있습니다.
원시적이지만 의미 있는 시스템의 완전한 세트를 기반으로 시스템을 구축하는 것도 좋은 생각인 것 같습니다. 완성도는 견적의 모든 부분에 대해 이 세트에서 수익성 있는 시스템을 선택할 수 있음을 의미합니다. 의미는 당신이 잠재력이라고 부르는 것에 관한 것입니다. 그런 다음 시간 종속 가중치를 사용하여 이 세트에서 포트폴리오를 구축하는 경로를 따릅니다.
연습이 있습니다. 마지막 훈련으로부터 한 달이 채 안되어 나는 큐볼을 강하게 배출한 후에도 변화를 눈치채지 못했다. 영향을 미치는 것은 자산의 조작적 움직임 직후의 기간이며, 이때 신경망은 완전히 상실되고 온갖 말도 안되는 소리를 냅니다. 그런 폭풍에서 멀어질수록 예측이 더 적절해집니다.
연습은 일반적으로 "나무는 결코 하늘로 자라지 않는다"는 것을 보여줍니다. 조만간 모든 EA/포트폴리오의 자본/잔액이 크게 감소하기 시작하고 이에 대해 조치를 취해야 합니다.
이 스레드에서 비정상성 문제를 거의 완전히 무시하는 것은 매우 당혹스러운 일입니다. 어떤 이유에서인지 과거에 발견된 패턴이 미래에도 작동할 것이라고 가정하고 작동하지 않으면 재훈련이 발생한 것입니다. 그러나 일부 패턴은 점진적으로 또는 갑자기(예: 현재와 같은 위기의 결과로) 시간이 지남에 따라 작동을 멈춥니다.
나는 MO 모델이 복잡하고 사람에 의해 잘못 해석된다는 사실에서 문제를 봅니다. 제대로 작동하지 않기 시작하면 (모델의 프레임워크 내에서) 과적합 변형과 비정상 변형을 구별하는 것이 불가능합니다. 기존의 기술 분석에서는 항상 "트렌드 변화", "레벨/채널 이탈" 등을 말할 수 있습니다.
물론 IMHO이지만 제 생각에는 핀 인용구의 "물리학"에서 춤을 출 필요가 있습니다. 도구. 내 생각에 그들의 주요 속성은 시계열의 통계적 특성이 때로는 매우 빠르고 과감하게 변화한다는 것입니다. 이러한 의미에서 먼저 역사를 유사한 통계적 특성을 가진 섹션으로 분리하고 1에서 20까지의 숫자를 할당하는 분류기를 만드는 것이 합리적일 것입니다. 그런 다음 유사한 유형의 시장 각각에 대해 자신의 개별 TS . 그러나 시계열을 유사한 통계적 특성을 가진 섹션으로 나누기 위한 예측 변수를 찾는 방법 - 저는 전혀 모릅니다.
물론 IMHO이지만 제 생각에는 핀 인용구의 "물리학"에서 춤을 출 필요가 있습니다. 도구. 내 생각에 그들의 주요 속성은 시계열의 통계적 특성이 때로는 매우 빠르고 과감하게 변화한다는 것입니다. 이러한 의미에서 먼저 역사를 유사한 통계적 특성을 가진 섹션으로 분리하고 1에서 20까지의 숫자를 할당하는 분류기를 만드는 것이 합리적일 것입니다. 그런 다음 유사한 유형의 시장 각각에 대해 자신의 개별 TS . 그러나 시계열을 유사한 통계적 특성을 가진 섹션으로 나누기 위한 예측 변수를 찾는 방법 - 저는 전혀 모릅니다.
나는 일반적으로 그러한 영역을 "시장 조건"이라고 부릅니다. 각 상태는 기본 시스템 의 일부 포트폴리오와 연관될 수 있습니다. 어떤 종류의 재귀 네트워크를 사용하여 시장을 여러 상태로 분할하고 포트폴리오를 해당 상태에 맞출 수 있다고 생각합니다.
Stsuko는 신경망의 일에 직접 더듬을 수 있도록 그러한 암소를 찾을 수있는 곳입니다. 그래서 jonanshpohan 직후에 그런 주제에 대해 폭언을 할 수 있게 되었습니다. 수도로 이사해야 한다고 생각합니다. 모두가 집중하는 곳입니다.
보통 사람은 규칙적인 죠난쇼한 또는 고상한 문제에 대한 끝없는 이야기 사이에서 선택해야 합니다.
각 상태는 기본 시스템 의 일부 포트폴리오와 연관될 수 있습니다.
모든 것이 정확합니다. 사실은 가격 시리즈가 연속적이지 않고 부분적으로 연속적이라는 것입니다. 변동성에 따라 일반적으로 세션 시간에 해당합니다.
따라서 단순히 가격 범위를 변경하여 신경망을 훈련시키려는 희망은 0이 되는 경향이 있습니다. IMHO
그러나 가격 시리즈를 세션 시간으로 나누고 세션 기반으로 훈련하면 과매수에 대한 정보가 손실됩니다.... 그리고 다시 원이 닫힙니다. - 아무것도 작동하지 않음
보통 사람은 규칙적인 죠난쇼한 또는 고상한 문제에 대한 끝없는 이야기 사이에서 선택해야 합니다.
모든 것이 정확합니다. 사실은 가격 시리즈가 연속적이지 않고 부분적으로 연속적이라는 것입니다. 변동성에 따라 일반적으로 세션 시간에 해당합니다.
따라서 단순히 가격 범위를 변경하여 신경망을 훈련시키려는 희망은 0이 되는 경향이 있습니다. IMHO
그러나 가격 시리즈를 세션 시간으로 나누고 세션 단위로 훈련하면 과매수에 대한 정보가 손실됩니다.... 그리고 서클이 다시 닫힙니다. - 아무것도 작동하지 않음
지그재그 또는 Renko로 전환하여 변동성의 세션 변동을 제거할 수 있습니까? 자연적인 시간 구조는 물론 어려움을 겪을 수 있지만 각 무릎/벽돌에 대해 주어진 지표로 정상 시간을 도입하는 것이 가능합니다.
지그재그 또는 Renko로 전환하여 변동성의 세션 변동을 제거할 수 있습니까? 자연적인 시간 구조는 물론 어려움을 겪을 수 있지만 각 무릎/벽돌에 대해 주어진 지표로 정상 시간을 도입하는 것이 가능합니다.
나는 Renko로 돌아가고 싶지 않습니다. 이미 시간을 보냈습니다. OHLC에 대한 정보가 완전히 손실되었을 뿐만 아니라 Renko 벽돌 높이 2배의 지연이 발생했습니다. 매우 늦었습니다.
ZigZag에 관해서는 아마 같을 것입니다. 그러나 나는 그것을 구체적으로 다루지 않았습니다.