트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2669

새 코멘트
 
Maxim Dmitrievsky #:

제가 뭔가 헷갈리고 있는 것 같습니다... 몬테카를로 최적화(TS 검색)에 대해 논의했고, 여기서는 준비된 전략의 위험 평가에 대해 이야기하고 있습니다. 더 정확하게 말하면 위험이 아니라 TS가 작동을 멈춘시기를 결정하는 방법입니다.

예, 링크에는 과도하게 장착 된 TS의 유효성 검사에 관한 내용이 있습니다. 아마도 이런 식으로 말이 안 될 것입니다. 허용되는 드로다운을 결정하는 데 의미가 없다는 의미인지 여부도 의문입니다.

글쎄요, 몬테카를로는 많은 가능성을 제공하며 다양한 방식으로 사용할 수 있습니다.

귀하의 링크에서 나는 그들이 거래의 무작위 셔플 (셔플)을 사용하여 드로 다운 만 변경한다고 생각합니다. 제가 알기로는 이것은 "진정한" 드로다운의 정의가 아니라 실제 드로다운이 "정상"인지 아닌지를 의미합니다. 드로다운이 너무 크거나 너무 작으면(모델링된 히스토그램의 왼쪽 또는 오른쪽 꼬리에 해당) 인접한 거래 간의 의존성을 나타낼 수 있습니다.

 

저는 손으로 사인곡선 조합을 추가할 수 있는 대화형 프로그램을 R에서 작성했습니다.

누군가는 이 프로그램을 사용해보고 싶을지도 모르겠네요)))

my.sin <- function(vec,a,f,p)  a*sin(f*vec+p)

library(shiny)
ui <- fluidPage(
  sidebarPanel(
  sliderInput("am1", "amplitude1", -5, 5,value = 1, step = 0.1),
  sliderInput("frq1", "frequency1", 0, 5,value = 0.2, step = 0.005),
  sliderInput("pha1", "phase1", -10, 10,value = 0.2, step = 0.5),
  
  sliderInput("am2", "amplitude2", -5, 5,value = 1, step = 0.1),
  sliderInput("frq2", "frequency2", 0, 5,value = 0.2, step = 0.005),
  sliderInput("pha2", "phase2", -10, 10,value = 0.2, step = 0.5),
  ),
  mainPanel(  plotOutput("plot1") )
)

server <- function(input, output) {
  
  output$plot1 <- renderPlot({
    s1 <- my.sin(vec = 1:100,input$am1,input$frq1,input$pha1)
    s2 <- my.sin(vec = 1:100,input$am2,input$frq2,input$pha2)
    
    par(mar=(c(2,2,2,2)),mfrow=c(2,1))
    matplot(cbind(s1,s2),t="l",col=c(2,4),lty=1)
    plot(s1+s2,t="l")
    })
}
shinyApp(ui, server)
 
많은 사람들에게는...
https://youtu.be/rITSSAI5YsM
 
mytarmailS #:

손으로 사인 곡선 조합을 추가하는 대화형 프로그램을 R로 작성했습니다.

누군가 이리저리 살펴보고 싶을지도 모르겠네요))))

어떻게 해야 할까요?

다음 표지판을 사용해 보세요.

for i in MA_PERIODS:
        pFixed[str(count)] = price - price.rolling(i).mean().apply(np.log) * price.rolling(i).std() * 150
        count += 1

가격 - MA(i) * 이동 표준 편차(i) * 계수의 로그

i - 평균 기간

150은 계수이며, 50에서 250까지 시도해 보세요. 계수가 클수록 시리즈가 더 고정되어 있습니다.

그리고 기간 i (여러 개의 이러한 기호)가있는 여러 슬라이딩 창의 경우
 
Maxim Dmitrievsky #:

그리고 어떻게 해야 할까요?

자신에게 설명할 수 없는 것을 기계에게 설명할 수 있어야 하죠....

인디케이터의 주기를 제어하는 방법처럼 기계는 물론 스스로도 설명할 수 없지만, 좋은 제어를 보면 "아, 바로 그거야!"라고 말할 수 있습니다.

따라서 이 제어 곡선은 사인파의 합으로 만들 수 있습니다...

Karoch 그것은 당신이 자신에게 설명 할 수없는 당신의 손 목표와 관련이 있으므로 프로그래밍 된이 솔루션을 찾았습니다)

맥심 드미트리 에프 스키 #:

이 표지판을 사용해보십시오.

가격-MA (i) * 이동 표준 편차 (i) * 계수의 로그

i - 평균 기간

150은 계수이며, 50에서 250까지 시도해 보세요. 계수가 클수록 시리즈가 더 고정되어 있습니다.

그리고 기간 i (여러 개의 그러한 기호)가있는 여러 개의 슬라이딩 창에 대해.

고정성을 어떻게 측정했나요?

당신은 그것을 비교해야합니다

막심 드미트리예프스키 #:

오, 이것은 당신이 가장 좋아하는 것입니다 ))

예

 
mytarmailS #:

자신에게 설명할 수 없는 것을 차에 설명할 수 있어야 한다는 거죠...

예를 들어 인디케이터의 주기를 적절히 조절하는 방법 같은 것 말이에요. 기계는 말할 것도 없고 스스로도 설명할 수 없지만, 잘 조절하는 것을 보면 "아, 바로 그거야!"라고 말하게 되죠.

이 제어 곡선은 사인파의 합으로 만들 수 있습니다...

스스로 설명할 수 없는, 그래서 프로그래밍할 수 없는 목표를 만들기 위한 것입니다. 저는 이 솔루션을 찾았습니다.)

통계는 어떻게 측정했나요?

비교해야 합니다.

그래요

저는 고정성을 육안으로 측정했습니다. 계수가 작을수록 그래프가 정상 그래프와 비슷하고, 클수록 그래프가 회귀 그래프와 비슷합니다.
 
mytarmailS #:
결론은 무엇인가요?

상관관계는 상관관계라면 영향 요인의 강도를 측정하는 척도로 사용할 수 있습니다. 물론 여기서도 힘은 적절한 용어는 아닙니다. 하지만 이보다 더 좋은 용어는 생각나지 않습니다.

 
Maxim Dmitrievsky #:
저는 눈으로 고정성을 측정했습니다. 계수가 작을수록 그래프가 일반 그래프처럼 보이고, 클수록 수익률처럼 보입니다.

슬라이딩 창인가요?

그렇다면 얼마나 큰가요?

 
mytarmailS #:

슬라이딩 창인가요?

그렇다면 크기는 어느 정도인가요?

예, 모든 크기

10에서 200까지

예를 들어 10 단위로 20개의 기호가 표시됩니다.
 
Maxim Dmitrievsky #:

예, 누구나

10에서 200까지

예를 들어 10 단위로 20개의 기호가 표시됩니다.


이게 원래 이런 모양인가요?


P[i] - log( mean(P[ii] ) ) * sd( P[ii] )*150

여기서 " P[ii ] "는 최근 20개 가격이고

그리고 " P[i] "는 현재
1...266226632664266526662667266826692670267126722673267426752676...3399
새 코멘트
사유: