트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2806

 
Aleksey Vyazmikin #:

매수 및 매도를 마크업하고 입력 수에 따라 더 균형 잡힌 모델을 선택한 다음 샘플을 두 개로 분할하여 각각 두 개의 개별 모델을 만들어 보세요.

상승장과 하락장에서 각각 따로 훈련하고 싶으신가요? 그러면 어쨌든 신호는 평균화됩니다.

모든 것이 논리적이며 일부 스캘퍼를 제외하고는 추세장에서 역추세 트레이딩은 일반적으로 효과적이지 않습니다.

방금 모델이 어떻게 작동하는지 더 잘 이해할 수 있다는 것을 보여드렸습니다.

 
Maxim Dmitrievsky #:

아, 표준 지표와 그 파생상품이 대부분인가요?

저는 처음에는 거래 경험, 다양한 지표, 가격 수준 및 기타 패턴과의 가격 상호 작용에 대한 비전 (확인 된 것과 그렇지 않은 것)을 사용했습니다. 즉, 신뢰할 수 있지만 드문 이벤트를 던지는 모델에 대해 더 불평하고 있습니다......

예전에는 오실레이터에 대해 회의적이었지만 최근 실험을 통해 MACD와 같은 안정적인 신호가 있음을 알 수 있었습니다.

 
Maxim Dmitrievsky #:

상승장과 하락장을 따로 훈련하고 싶으신가요? 그렇다면 어쨌든 신호는 평균값이 됩니다.

일반적으로 모든 것이 논리적이며, 일부 스캘퍼를 제외하고는 크랙 시장에서 역추세 거래는 일반적으로 효과적이지 않습니다.

방금 모델이 어떻게 작동하는지 더 잘 이해할 수 있다는 것을 보여드렸습니다.

왜 평균적으로 3가지 모델이 있는지, 두 모델 중 어떤 모델을 사용할지 결정할 수 있습니다.

구매와 판매에 대해 동일한 수익성을 얻었나요?

예, 모델의 효과는 물론 데이터에 따라 달라진다는 것을 정확하게 보여주셨습니다.

 
Aleksey Vyazmikin #:

평균적으로 3가지 모델이 있는데, 하나는 두 모델 중 어떤 모델을 사용할지 결정합니다.

구매와 판매의 수익성이 동일합니까?

예, 모델의 효과는 물론 데이터에 따라 다르다는 것이 올바르게 나타났습니다.

아직 거래에 대한 통계를 보지 못했습니다.

3개의 모델이 흥미롭긴 한데, 지금까지 2개만 가지고 있는데... 말이 되네요.

 

위에서 상관관계가 있는 예측자를 반드시 제거할 필요는 없다는 내용의 게시물이 여러 번 있었습니다.

저는 모델 알고리즘이 상관관계가 있는 예측자에 대해 강력하다는 근거를 받아들일 수 없습니다.


예, 100개의 예측자 집합에 상관 관계가 있는 예측자가 몇 개 있는 경우 알고리즘은 견고합니다.

하지만 모든 예측자가 상관관계가 있다면 어떻게 될까요? 대부분의 예측자가 상관관계가 있다면 그 경계는 어디일까요?

상관 관계가 있는 예측자를 제거하는 것은 예측자 집합의 품질을 드러내는 것이며, 상관 관계와 관련된 특정 모델 알고리즘의 특성은 전혀 중요하지 않습니다. 모델링하기 전에 하나의 예측자 또는 100개의 예측자에 대한 엄격한 모델만 알고 있으면 됩니다. 모델이 구축되는 예측자의 수를 알아야 합니다.

 
mytarmailS #:

스크립트를 시작했는데 더 이상 작동하지 않는 순간이 있습니다:

1. 마침표 대신 쉼표가 있습니다.

2. 마지막 열이 손실되었습니다.

고칠 수 있나요?

 
Aleksey Vyazmikin #:

스크립트를 실행했는데 몇 가지 문제가 발생하여 더 이상 사용할 수 없습니다:

1. 마침표 대신 쉼표

2. 마지막 열이 손실됩니다.

고칠 수 있나요?

좀 더 구체적으로 설명해 주시겠어요?

 
mytarmailS #:

좀 더 구체적으로 설명해 주시겠어요?

다음은 표 형식으로 된 샘플의 오른쪽 부분입니다.



아래는 같은 위치에 있는 스크립트 결과의 표입니다.


보시다시피 대상 열을 포함한 정보 열이 없습니다.

그리고 이러한 열은 파일의 맨 처음에 있습니다.


숫자 구분 기호로 점 대신 쉼표에 대해 제가 실수했거나 수정했습니다.

 
Vladimir Perervenko #:

스크립트가 하루 이상 실행되었지만 검사 결과에 따라 아직 파일을 하나도 만들지 못했습니다. 이제 꺼야 할 때가 된 것 같나요?

 
mytarmailS #:

좀 더 구체적으로 설명해 주시겠어요?

교체해보니 괜찮아 보였습니다.

df <- cbind.data.frame(df,not_used_vars_df)
사유: