그런 어조로 의사 소통하지 말자. 여기 경험을 배우고 공유하며 서로 도울 준비가 된 사람들이 있으며, 당신은 소문의 입장을 취하고 여기에서 당신은 바보이고 모든 것을 알고 있습니다), 더 나은 이해를 도와주세요 당신의 의견과 경험에
텍스트(읽기)가 아닌 행 사이의 부적절한 어조를 보았습니다. 개발자와 중재자와 훨씬 더 힘든 대화를 나눴습니다. CSF를 만지는 것에 대해 하루/일주일 동안 금지령을 받습니다.)) 간단히 말해서 걱정하지 마십시오. 난 괜찮아!
Dr.Trader 는 즉시 이것을 이해했습니다. 있는 그대로 말합니다. 한마디로 그를 존경하고 존경합니다.
그런 다음 일종의 지표를 구현하고 구매에 대한 모든 예측의 누적 합계와 마을에 대한 합계를 취하여 그 차이를 플롯하고 특정 지수를 얻었습니다. 가격과 비교했을 때 거의 반대되는 것으로 나타났습니다. 가격, 상관 관계는 -0.7 ~ -0.9였습니다. 단순히 시장이 자체 통계와 반대되는 경우 생각하고 다시 생각할 것이 있습니다.
산산이치 포멘코 : 모든 기계 학습 알고리즘의 요점은 패턴을 찾는 것입니다. 위는 나무의 예입니다. 당신은 그들을 인쇄하고 어떤 패턴이 발견되었는지 볼 수 있습니다. 18,000개의 막대가 있는 100개의 예측 변수의 경우 몇 분 동안 작동합니다.
SanSanych, 무슨 말인지 완벽하게 이해하거나주의를 기울이지 않았거나 설명을 잘못 설명했지만 한마디로 분류 및 이미지 인식 및 최고의 기능 선택 및 교차 검증을 한 병에서 모두 수행했습니다. 내 의견으로는 더 나은 .. 그래서 나는 오랫동안 그 알고리즘을 부화했고 거기에서 내가 무엇을하고 있는지 정확히 알고있었습니다.
알렉세이 버나코프 : 아닙니다 (그러나 나는 관심을 가지고 당신의 아이디어를 읽을 것입니다.
어제 저는 이 기사 또는 스레드 https://forum.mql4.com/en/26460에서 영감을 받았습니다. 상관 없습니다. 요점은 차트를 빈도로 분해하고, 차트에 거래 시스템을 오버레이하고, 해당 빈도만 분리하는 것입니다. (차트 섹션) 시스템이 수익을 창출하고 이 시스템을 이 주파수에서만 거래합니다.
어떻게 하면 더 쉽고 빠르게 할 수 있을지 계속 생각했습니다(작가는 하나의 빈도를 계산하는 데 16시간이 걸렸고, 그는 무언가에 500개의 빈도를 가지고 있었습니다)
아주 피상적으로는 HMM(숨겨진 Markov 모델)을 사용해 본 적이 있습니다. HMM은 비정상 프로세스의 확률적 예측, 음성 인식에 사용되며, 흑점을 예측하려고 시도한 곳에서도 읽었습니다.
네트워크나 RF처럼 가장 순수한 형태로 시장에 적용하려 했고, 데이터가 있는 것처럼 목표가 있고 진행한다.. 가까스로 성공한 사람들도 있지만 좋은 결과를 얻지는 못했다. 무언가를 짜내다(예: http://www.quantalgos.ru /?p=1759 )
HMM의 아이디어는 객체를 n개의 상태로 나누고 한 상태에서 다른 상태로의 전환 확률을 추정하는 것입니다. 시장을 여러 상태(예: 10개)로 나누고 차트에서 5번 상태에 해당하는 모든 섹션을 잘라내고 함께 붙이면 결과적으로 (이론적으로) 정상 상태가 됩니다. (이론적으로) 그 특성이 안정될 시리즈이고, 육안으로도 평가를 해보면 그 위에 트레이딩 시스템을 만들고 최적화할 수 있고, 같은 시장 상황이 다시 올 때 트레이딩을 할 수 있고 수익을 낼 수 있습니다. (이론적으로) 새 행은 이전 행과 동일한 특성을 갖기 때문에
우선, 한 상태의 섹션을 잘라내어 함께 붙이고 고정 상태인지 여부를 시각적으로 확인하고 평가한 다음 모든 것이 "정확하게") 상태를 확인하고 품질을 확인해야 합니다. 새로운 상태의 인식, 즉 예측된 상태 번호 5가 발견된 이전 상태 번호 5에 해당하는지 여부, 두 테스트가 모두 "예"이면 아이디어를 개발하는 것이 좋습니다.
내가 뭔가를 끝내지 못했고 뭔가 명확하지 않은 것이 확실합니다. 질문, 답변을 스스로 알면 답변하겠습니다)
어제 저는 이 기사 또는 스레드 https://forum.mql4.com/en/26460에서 영감을 받았습니다. 상관 없습니다. 요점은 차트를 빈도로 분해하고, 차트에 거래 시스템을 오버레이하고, 해당 빈도만 분리하는 것입니다. (차트 섹션) 시스템이 수익을 창출하고 이 시스템을 이 주파수에서만 거래합니다.
어떻게 하면 더 쉽고 빠르게 할 수 있을지 계속 생각했습니다(작가는 하나의 빈도를 계산하는 데 16시간이 걸렸고, 그는 무언가에 500개의 빈도를 가지고 있었습니다)
아주 피상적으로는 HMM(숨겨진 Markov 모델)을 사용해 본 적이 있습니다. HMM은 비정상 프로세스의 확률적 예측, 음성 인식에 사용되며, 흑점을 예측하려고 시도한 곳에서도 읽었습니다.
네트워크나 RF처럼 가장 순수한 형태로 시장에 적용하려 했고, 데이터가 있는 것처럼 목표가 있고 진행한다.. 가까스로 성공한 사람들도 있지만 좋은 결과를 얻지는 못했다. 무언가를 짜내다(예: http://www.quantalgos.ru /?p=1759 )
HMM의 아이디어는 객체를 n개의 상태로 나누고 한 상태에서 다른 상태로의 전환 확률을 추정하는 것입니다. 시장을 여러 상태(예: 10개)로 나누고 차트에서 5번 상태에 해당하는 모든 섹션을 잘라내고 함께 붙이면 결과적으로 (이론적으로) 정상 상태가 됩니다. (이론적으로) 그 특성이 안정될 시리즈이고, 육안으로도 평가를 해보면 그 위에 트레이딩 시스템을 만들고 최적화할 수 있고, 같은 시장 상황이 다시 올 때 트레이딩을 할 수 있고 수익을 낼 수 있습니다. (이론적으로) 새 행은 이전 행과 동일한 특성을 갖기 때문에
우선, 한 상태의 섹션을 잘라내어 함께 붙이고 고정 상태인지 여부를 시각적으로 확인하고 평가한 다음 모든 것이 "정확하게") 상태를 확인하고 품질을 확인해야 합니다. 새로운 상태의 인식, 즉 예측된 상태 번호 5가 발견된 이전 상태 번호 5에 해당하는지 여부, 두 테스트가 모두 "예"이면 아이디어를 개발하는 것이 좋습니다.
내가 뭔가를 끝내지 못했고 뭔가 명확하지 않은 것이 확실합니다. 질문, 답변을 스스로 알면 답변하겠습니다)
클러스터링 또는 SCX(Kohonen)를 사용한 컨볼루션 등을 통해 시리즈를 부분으로 분할(양자화)할 수 있습니다. 그리고 그것은 이미 순수한 실험입니다.
알렉세이 버나코프 : 클러스터링 또는 SCX(Kohonen)를 사용한 컨볼루션 등을 통해 시리즈를 부분으로 분할(양자화)할 수 있습니다. 그리고 그것은 이미 순수한 실험입니다.
클러스터는 약간 다릅니다. 이제 시장이 5번 클러스터에 해당하고 다음 캔들은 이미 18번 클러스터에 해당한다고 가정해 보겠습니다. 클러스터 5번을 거래할 시간이 없기 때문에 아무 것도 제공하지 않습니다. SMM에는 상태의 개념이 있으며 상태는 얼마 동안 지속될 수 있습니다.
주식 투기에 대한 나의 경험은 Borovoy의 수표로 시작되었습니다. 그리고 그 전에 그는 또 20년 동안 실물 부문에 투자했습니다.
그리고 당신은 수표에 의해 이미 태어날 수 있었습니까?
따라서 시장에 나와 있는 모든 할머니는 개업의라고 할 수 있습니다. 수익성 있는 차량의 관행이 있습니까? 통계 상당한 수익성 있는 TS - 수천 개의 겹치지 않는 거래?
수익성 있는 알고리즘 TS의 실무자인 George Soros를 부를 수도 있습니다! 그는 이것에 완전한 멍청이입니다. 풍자 없이 당신은 그보다 훨씬 더 유능합니다. 하지만 그렇다고 해서 당신이 이론가가 아닌 것은 아닙니다.
안톤 즈베레프
그런 어조로 의사 소통하지 말자. 여기 경험을 배우고 공유하며 서로 도울 준비가 된 사람들이 있으며, 당신은 소문의 입장을 취하고 여기에서 당신은 바보이고 모든 것을 알고 있습니다), 더 나은 이해를 도와주세요 당신의 의견과 경험에
텍스트(읽기)가 아닌 행 사이의 부적절한 어조를 보았습니다. 개발자와 중재자와 훨씬 더 힘든 대화를 나눴습니다. CSF를 만지는 것에 대해 하루/일주일 동안 금지령을 받습니다.)) 간단히 말해서 걱정하지 마십시오. 난 괜찮아!
Dr.Trader 는 즉시 이것을 이해했습니다. 있는 그대로 말합니다. 한마디로 그를 존경하고 존경합니다.
그런 다음 일종의 지표를 구현하고 구매에 대한 모든 예측의 누적 합계와 마을에 대한 합계를 취하여 그 차이를 플롯하고 특정 지수를 얻었습니다. 가격과 비교했을 때 거의 반대되는 것으로 나타났습니다. 가격, 상관 관계는 -0.7 ~ -0.9였습니다. 단순히 시장이 자체 통계와 반대되는 경우 생각하고 다시 생각할 것이 있습니다.
예, 거기에는 흥미로운 것이 없으며 결론 자체가 흥미 롭습니다 ...
기껏해야 http://prntscr.com/aqg96r처럼 보입니다.
재현하려면 패턴을 검색하는 코드를 작성한 다음 며칠 동안 실행하여 몇 년의 기록을 처리해야 합니다.
안녕하세요!
depmixS4 패키지로 작업한 사람이 있습니까? 또는 일반적으로 R의 숨겨진 Markov 모델에는 흥미로운 아이디어가 있으며 몇 가지 질문이 있습니다.
안녕하세요!
depmixS4 패키지로 작업한 사람이 있습니까? 또는 일반적으로 R의 숨겨진 Markov 모델에는 흥미로운 아이디어가 있으며 몇 가지 질문이 있습니다.
예, 거기에는 흥미로운 것이 없으며 결론 자체가 흥미 롭습니다 ...
기껏해야 http://prntscr.com/aqg96r처럼 보입니다.
그리고 재현하려면 패턴을 검색하는 코드를 작성한 다음 며칠 동안 실행하여 몇 년의 기록을 처리해야 합니다.
모든 기계 학습 알고리즘의 요점은 패턴을 찾는 것입니다. 위는 나무의 예입니다. 당신은 그들을 인쇄하고 어떤 패턴이 발견되었는지 볼 수 있습니다. 18,000개의 막대가 있는 100개의 예측 변수의 경우 몇 분 동안 작동합니다.
아닙니다 (그러나 나는 관심을 가지고 당신의 아이디어를 읽을 것입니다.
어제 저는 이 기사 또는 스레드 https://forum.mql4.com/en/26460에서 영감을 받았습니다. 상관 없습니다. 요점은 차트를 빈도로 분해하고, 차트에 거래 시스템을 오버레이하고, 해당 빈도만 분리하는 것입니다. (차트 섹션) 시스템이 수익을 창출하고 이 시스템을 이 주파수에서만 거래합니다.
어떻게 하면 더 쉽고 빠르게 할 수 있을지 계속 생각했습니다(작가는 하나의 빈도를 계산하는 데 16시간이 걸렸고, 그는 무언가에 500개의 빈도를 가지고 있었습니다)
아주 피상적으로는 HMM(숨겨진 Markov 모델)을 사용해 본 적이 있습니다. HMM은 비정상 프로세스의 확률적 예측, 음성 인식에 사용되며, 흑점을 예측하려고 시도한 곳에서도 읽었습니다.
네트워크나 RF처럼 가장 순수한 형태로 시장에 적용하려 했고, 데이터가 있는 것처럼 목표가 있고 진행한다.. 가까스로 성공한 사람들도 있지만 좋은 결과를 얻지는 못했다. 무언가를 짜내다(예: http://www.quantalgos.ru /?p=1759 )
HMM의 아이디어는 객체를 n개의 상태로 나누고 한 상태에서 다른 상태로의 전환 확률을 추정하는 것입니다. 시장을 여러 상태(예: 10개)로 나누고 차트에서 5번 상태에 해당하는 모든 섹션을 잘라내고 함께 붙이면 결과적으로 (이론적으로) 정상 상태가 됩니다. (이론적으로) 그 특성이 안정될 시리즈이고, 육안으로도 평가를 해보면 그 위에 트레이딩 시스템을 만들고 최적화할 수 있고, 같은 시장 상황이 다시 올 때 트레이딩을 할 수 있고 수익을 낼 수 있습니다. (이론적으로) 새 행은 이전 행과 동일한 특성을 갖기 때문에
우선, 한 상태의 섹션을 잘라내어 함께 붙이고 고정 상태인지 여부를 시각적으로 확인하고 평가한 다음 모든 것이 "정확하게") 상태를 확인하고 품질을 확인해야 합니다. 새로운 상태의 인식, 즉 예측된 상태 번호 5가 발견된 이전 상태 번호 5에 해당하는지 여부, 두 테스트가 모두 "예"이면 아이디어를 개발하는 것이 좋습니다.
내가 뭔가를 끝내지 못했고 뭔가 명확하지 않은 것이 확실합니다. 질문, 답변을 스스로 알면 답변하겠습니다)
어제 저는 이 기사 또는 스레드 https://forum.mql4.com/en/26460에서 영감을 받았습니다. 상관 없습니다. 요점은 차트를 빈도로 분해하고, 차트에 거래 시스템을 오버레이하고, 해당 빈도만 분리하는 것입니다. (차트 섹션) 시스템이 수익을 창출하고 이 시스템을 이 주파수에서만 거래합니다.
어떻게 하면 더 쉽고 빠르게 할 수 있을지 계속 생각했습니다(작가는 하나의 빈도를 계산하는 데 16시간이 걸렸고, 그는 무언가에 500개의 빈도를 가지고 있었습니다)
아주 피상적으로는 HMM(숨겨진 Markov 모델)을 사용해 본 적이 있습니다. HMM은 비정상 프로세스의 확률적 예측, 음성 인식에 사용되며, 흑점을 예측하려고 시도한 곳에서도 읽었습니다.
네트워크나 RF처럼 가장 순수한 형태로 시장에 적용하려 했고, 데이터가 있는 것처럼 목표가 있고 진행한다.. 가까스로 성공한 사람들도 있지만 좋은 결과를 얻지는 못했다. 무언가를 짜내다(예: http://www.quantalgos.ru /?p=1759 )
HMM의 아이디어는 객체를 n개의 상태로 나누고 한 상태에서 다른 상태로의 전환 확률을 추정하는 것입니다. 시장을 여러 상태(예: 10개)로 나누고 차트에서 5번 상태에 해당하는 모든 섹션을 잘라내고 함께 붙이면 결과적으로 (이론적으로) 정상 상태가 됩니다. (이론적으로) 그 특성이 안정될 시리즈이고, 육안으로도 평가를 해보면 그 위에 트레이딩 시스템을 만들고 최적화할 수 있고, 같은 시장 상황이 다시 올 때 트레이딩을 할 수 있고 수익을 낼 수 있습니다. (이론적으로) 새 행은 이전 행과 동일한 특성을 갖기 때문에
우선, 한 상태의 섹션을 잘라내어 함께 붙이고 고정 상태인지 여부를 시각적으로 확인하고 평가한 다음 모든 것이 "정확하게") 상태를 확인하고 품질을 확인해야 합니다. 새로운 상태의 인식, 즉 예측된 상태 번호 5가 발견된 이전 상태 번호 5에 해당하는지 여부, 두 테스트가 모두 "예"이면 아이디어를 개발하는 것이 좋습니다.
내가 뭔가를 끝내지 못했고 뭔가 명확하지 않은 것이 확실합니다. 질문, 답변을 스스로 알면 답변하겠습니다)
클러스터링 또는 SCX(Kohonen)를 사용한 컨볼루션 등을 통해 시리즈를 부분으로 분할(양자화)할 수 있습니다. 그리고 그것은 이미 순수한 실험입니다.
클러스터는 약간 다릅니다. 이제 시장이 5번 클러스터에 해당하고 다음 캔들은 이미 18번 클러스터에 해당한다고 가정해 보겠습니다. 클러스터 5번을 거래할 시간이 없기 때문에 아무 것도 제공하지 않습니다. SMM에는 상태의 개념이 있으며 상태는 얼마 동안 지속될 수 있습니다.
아니면 내가 당신의 생각을 이해하지 못했나요?