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.
지그재그로 시선을 돌렸는데.. 3월초부터 3월 전과 비교불가. 이전에 무릎을 30분에서 1시간 동안 만들 수 있었다면 높은 변동성으로 인해 동일한 매개변수를 사용하여 이제 5분 안에 그립니다. 저것들. 3월 이전에 데이터를 학습하는 것은 의미가 없습니다. 이미 모든 것이 다릅니다.
우리는 높고 낮은 변동성에 대해 보다 보편적인 것을 생각해낼 필요가 있습니다. 뭔가 파도가 치는 것 같습니다. 파도는 남아 있었고, 기장은 더 쓸쓸해졌습니다.
적어도 그러한 예의 경우: NS는 올바른 방향으로 주문을 열고 테이크 및 스톱 손실 값을 설정하는 답변을 제공해야 합니다. 3 제어 매개변수(매수/매도 + tp + sl)
글쎄, 당신은 문제를 해결하려고합니다! 계획은 다음과 같습니다. 1. 정해진 시간 후에 가격의 움직임 방향을 추측하는 네트워크를 만듭니다. 2. 항목 1이 나오면 동적으로 방향을 추측하는 네트워크를 만듭니다. 그녀가 가장 확신하는 방향과 시간을 제공합니다. 3. 2번 항목이 나오면 움직임의 방향과 강도를 추측하는 네트워크를 만드십시오. 4. 3번 항목이 나오면 움직임의 방향과 세기 + 움직임의 시간을 추측하는 네트워크를 만드세요.
더 이상 강화 학습을 원하지 않습니다. 적합합니다. 무작위로 GA 테스터를 사용하는 것이 더 효율적입니다. 최소한 강화 학습보다 유전학에서 찾은 TS를 더 잘 전달합니다.
git 감사합니다. 기성품을 많이 선택하겠습니다.
예브게니 듀카 :
글쎄, 당신은 문제를 해결하려고합니다! 계획은 다음과 같습니다. 1. 정해진 시간 후에 가격의 움직임 방향을 추측하는 네트워크를 만듭니다. 2. 항목 1이 나오면 동적으로 방향을 추측하는 네트워크를 만듭니다. 그녀가 가장 확신하는 방향과 시간을 제공합니다. 3. 2번 항목이 나오면 움직임의 방향과 강도를 추측하는 네트워크를 만드십시오. 4. 3번 항목이 나오면 움직임의 방향과 세기 + 움직임의 시간을 추측하는 네트워크를 만드세요.
그런 다음 3개의 매개변수로 이동합니다.
이것은 RNN 네트워크이거나 일반 다층 퍼셉트론이 괜찮습니다.
작업은 정확하게 개체를 관리하는 것입니다. Google neurocontrol에 대해 동일한 Wiki에서 많은 용어를 읽은 다음 Google에서 검색할 수 있습니다.
past values of the same series; and current and past values of the driving (exogenous) series — that is, of the externally determined series that influences the series of interest. In addition, the model contains: which relates to the fact that knowledge of other terms will not enable the current value of the time series to be predicted...
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.
OHLC에서 해당 틱이 도착하는 즉시 O만이 유일하게 식별됩니다. 실제로는 이전 틱 처리가 지연되면 오프닝을 놓칠 수 있습니다.
세상에 완벽이란 없다
OHLC에서 해당 틱이 도착하는 즉시 O만이 유일하게 식별됩니다. 실제로는 이전 틱 처리가 지연되면 오프닝을 놓칠 수 있습니다.
세상에 완벽이란 없다
모든 것이 매우 복잡합니다
많은 참가자들이 바의 시가와 종가에 대해 작업합니다. 여기에 가격을 인용하는 사람들의 평범한 지표와 복잡한 모델링 및 조작이 있습니다.
채널, 지그재그 및 역사적 고점 분석(최소), 그래픽 분석, 설정 및 패턴 구축 시 높은 가격과 낮은 가격이 합리적입니다. 이 또한 의미가 있습니다.
게다가 그들은 여전히 구식의 방식으로 거래합니다. 미국인들이 그래픽 분석을 적극적으로 사용한다는 것을 확실히 알고 있습니다. 몇 년 전에 이야기했지만 .... 작동하지 않는다는 것도 알고 있습니다.)))
일반적으로 문제는 시장 참가자 자신에게 있습니다. 이상적인 가격 범위에 지속적으로 간섭합니다!
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.
지그재그로 시선을 돌렸는데.. 3월초부터 3월 전과 비교불가. 이전에 무릎을 30분에서 1시간 동안 만들 수 있었다면 높은 변동성으로 인해 동일한 매개변수를 사용하여 이제 5분 안에 그립니다. 저것들. 3월 이전에 데이터를 학습하는 것은 의미가 없습니다. 이미 모든 것이 다릅니다.
우리는 높고 낮은 변동성에 대해 보다 보편적인 것을 생각해낼 필요가 있습니다.
뭔가 파도가 치는 것 같습니다. 파도는 남아 있었고, 기장은 더 쓸쓸해졌습니다.
구글링했는데 여기다 여쭤봅니다
어떤 유형의 신경망 을 객체 제어 시스템으로 사용할 수 있습니까?
적어도 그러한 예의 경우: NS는 올바른 방향으로 주문을 열고 테이크 및 스톱 손실 값을 설정하는 답변을 제공해야 합니다. 3 제어 매개변수(매수/매도 + tp + sl)
EN: 강화 학습
https://github.com/EliteQuant/EliteQuant#quantitative-model
EN: 강화 학습
https://www.mql5.com/en/search#!keyword=%D0%BF%D0%BE%D0%B4%D0%BA%D1%80%D0%B5%D0%BF%D0%BB% D0%B5%D0%BD%D0%B8%D0%B5%D0%BC
매개 변수 집합과 해당 값이 고정되어 있으면 정상적인 분류처럼 보입니다.구글링했지만 여기다 여쭤봅니다
어떤 유형의 신경망 을 객체 제어 시스템으로 사용할 수 있습니까?
적어도 그러한 예의 경우: NS는 올바른 방향으로 주문을 열고 테이크 및 스톱 손실 값을 설정하는 답변을 제공해야 합니다. 3 제어 매개변수(매수/매도 + tp + sl)
글쎄, 당신은 문제를 해결하려고합니다!
계획은 다음과 같습니다.
1. 정해진 시간 후에 가격의 움직임 방향을 추측하는 네트워크를 만듭니다.
2. 항목 1이 나오면 동적으로 방향을 추측하는 네트워크를 만듭니다. 그녀가 가장 확신하는 방향과 시간을 제공합니다.
3. 2번 항목이 나오면 움직임의 방향과 강도를 추측하는 네트워크를 만드십시오.
4. 3번 항목이 나오면 움직임의 방향과 세기 + 움직임의 시간을 추측하는 네트워크를 만드세요.
그런 다음 3개의 매개변수로 이동합니다.
EN: 강화 학습
https://github.com/EliteQuant/EliteQuant#quantitative-model
EN: 강화 학습
https://www.mql5.com/en/search#!keyword=%D0%BF%D0%BE%D0%B4%D0%BA%D1%80%D0%B5%D0%BF%D0%BB% D0%B5%D0%BD%D0%B8%D0%B5%D0%BC
매개 변수 집합과 해당 값이 고정되어 있으면 정상적인 분류처럼 보입니다.더 이상 강화 학습을 원하지 않습니다. 적합합니다. 무작위로 GA 테스터를 사용하는 것이 더 효율적입니다. 최소한 강화 학습보다 유전학에서 찾은 TS를 더 잘 전달합니다.
git 감사합니다. 기성품을 많이 선택하겠습니다.
글쎄, 당신은 문제를 해결하려고합니다!
계획은 다음과 같습니다.
1. 정해진 시간 후에 가격의 움직임 방향을 추측하는 네트워크를 만듭니다.
2. 항목 1이 나오면 동적으로 방향을 추측하는 네트워크를 만듭니다. 그녀가 가장 확신하는 방향과 시간을 제공합니다.
3. 2번 항목이 나오면 움직임의 방향과 강도를 추측하는 네트워크를 만드십시오.
4. 3번 항목이 나오면 움직임의 방향과 세기 + 움직임의 시간을 추측하는 네트워크를 만드세요.
그런 다음 3개의 매개변수로 이동합니다.
이것은 RNN 네트워크이거나 일반 다층 퍼셉트론이 괜찮습니다.
작업은 정확하게 개체를 관리하는 것입니다. Google neurocontrol에 대해 동일한 Wiki에서 많은 용어를 읽은 다음 Google에서 검색할 수 있습니다.
이것은 RNN 네트워크이거나 일반 다층 퍼셉트론이 괜찮습니다.
작업은 정확하게 개체를 관리하는 것입니다. Google neurocontrol에 대해 동일한 Wiki에서 많은 용어를 읽은 다음 Google에서 검색할 수 있습니다.
전문가는 아니지만 언뜻 보기에 시장에 대한 이러한 접근 방식은 NARX 이상을 제공하지 않을 것입니다. 그리고 이 모델은 항상 RNN을 사용하여 구현할 수 있는 것 같습니다. 그리고 RNN의 튜링 완전성도 그것의 충분성에 기여합니다.
NARX와 RNN의 동등성에 관한 기사 .
전문가는 아니지만 언뜻 보기에 시장에 대한 이러한 접근 방식은 NARX 이상을 제공하지 않을 것입니다. 그리고 이 모델은 항상 RNN을 사용하여 구현할 수 있습니다. 그리고 RNN의 Turing 완전성은 그것의 충분성에 기여합니다.
내 관찰에 따르면 나는 rbf-network를 사용해야합니다.
자, 더 구체적으로 물어보겠습니다. 전방 테스트를 거친 원시 차량의 포트폴리오가 있으며, 각 차량은 하루의 작업 시간으로 묶여 있으며 차량은 시간이 겹칠 수 있습니다 . 포트폴리오를 통해 정렬 " 입력 데이터에 따라 - OHLC
테스터의 유전자를 분류하여 포트폴리오 최적화를 수행할 수 있습니다.... 하지만 지능이 필요합니다)))
내 관찰에 따르면 나는 rbf-network를 사용해야합니다.
자, 더 구체적으로 물어보겠습니다. 전방 테스트를 거친 원시 차량의 포트폴리오가 있으며, 각 차량은 하루의 작업 시간으로 묶여 있으며 차량은 시간이 겹칠 수 있습니다 . 포트폴리오를 통해 정렬 " 입력 데이터에 따라 - OHLC
테스터의 유전자를 분류하여 포트폴리오 최적화를 수행할 수 있습니다.... 하지만 지능이 필요합니다)))
작업이 형식화되어 보이지 않습니다. 매개변수 집합이 불분명합니다. 전체 시스템 세트는 유한합니까, 셀 수 있습니까, 아니면 연속입니까? 고정 크기 포트폴리오? 시스템이 포트폴리오에 일부 가중치와 함께 포함되어 있습니까 아니면 예/아니오로만 포함되어 있습니까?