그리고 다시 추가하고 정의하고 싶습니다. 우리는 자산의 가격을 예측합니다. 어떠한 경우에도 우리는 어떠한 표현과 처리를 시도합니다. 우리가 목표를 세우는 것이 무엇이든, 시장에서 일하는 것의 의미는 가격 예측입니다. 문제는 가격이 변경된 이유가 무엇입니까???? 누가 대답하거나 추측할 수 있습니까? 귀하의 의견이 흥미 롭습니다. 그러면 정답을 말하겠습니다. 갑시다. 당신의 가정. 가격변동 이유는?????
마이클 마르쿠카이테스 : 그리고 다시 추가하고 정의하고 싶습니다. 우리는 자산의 가격을 예측합니다. 어떠한 경우에도 우리는 어떠한 표현과 처리를 시도합니다. 우리가 목표를 세우는 것이 무엇이든, 시장에서 일하는 것의 의미는 가격 예측입니다. 문제는 가격이 변경된 이유가 무엇입니까???? 누가 대답하거나 추측할 수 있습니까? 귀하의 의견이 흥미 롭습니다. 그러면 정답을 말하겠습니다. 갑시다. 당신의 가정. 가격변동 이유는?????
우리는 가격이 N 에 대해 얼마나 움직일 것인지에 의해 가격 변화를 예측합니다.미래의 초\분\시간, 또는 더 편리한 미래 반환( R = ( P ( t )- P ( t + n ))/ P ( t )) 또는 logreturn.
국제무역에 따른 대량 통화의 진부한 교환, 국가에 대한 대출, 환위험 헤지, 차익거래 및 투기 등 다양한 원인으로 발생하는 수급불균형의 압력으로 가격변동 내부 정보 및 뉴스는 물론 시장 활동, 날씨, 패션 및 태양 활동에서 추출한 정보.
때때로 정크 예측자와 올바른 모델의 조합이 갑자기 그 자체의 예측자보다 더 잘 예측하기 시작합니다.
예를 들어 다음은 numer.ai 대회 MO의 교육 데이터입니다. https://api.numer.ai/competitions/current/dataset (아카이브의 numerai_training_data.csv 테이블). 예측변수는 50개인데 내가 시도한 평가 방법은 모두 쓰레기다. 그러나 다양한 조합과 다양한 모델을 시도함으로써 훈련 및 검증에서 50% 이상의 예측 정확도를 달성할 수 있습니다.
때때로 정크 예측자와 올바른 모델의 조합이 갑자기 그 자체의 예측자보다 더 잘 예측하기 시작합니다.
예를 들어 다음은 numer.ai 대회 MO의 교육 데이터입니다. https://api.numer.ai/competitions/current/dataset (아카이브의 numerai_training_data.csv 테이블). 예측변수는 50개인데 내가 시도한 평가 방법은 모두 쓰레기다. 그러나 다양한 조합과 다양한 모델을 시도함으로써 훈련 및 검증에서 50% 이상의 예측 정확도를 달성할 수 있습니다.
1. 처음에 두 개의 개별 파일을 가져와야 합니다. 하나는 학습-테스트-검증용이고 다른 하나는 생성된 모델을 확인하기 위한 것입니다. 4개 샘플 모두의 오차는 거의 같아야 합니다.
2. 당연히 우리의 모든 활동은 원래 인용문에 대한 조작을 수행하고 예측 능력을 갖게 될 원본에서 파생된 예측자를 새로 얻는 것입니다. 나는 원래 예측 변수 세트가 어디에서 왔는지에 대한 질문에 대해 논의하지 않습니다. 이것은 독립적인 문제입니다.
그리고 다시 추가하고 정의하고 싶습니다. 우리는 자산의 가격을 예측합니다. 어떠한 경우에도 우리는 어떠한 표현과 처리를 시도합니다. 우리가 목표를 세우는 것이 무엇이든, 시장에서 일하는 것의 의미는 가격 예측입니다. 문제는 가격이 변경된 이유가 무엇입니까???? 누가 대답하거나 추측할 수 있습니까? 귀하의 의견이 흥미 롭습니다. 그러면 정답을 말하겠습니다. 갑시다. 당신의 가정. 가격변동 이유는?????
우리는 가격이 N 에 대해 얼마나 움직일 것인지에 의해 가격 변화를 예측합니다. 미래의 초\분\시간, 또는 더 편리한 미래 반환( R = ( P ( t )- P ( t + n ))/ P ( t )) 또는 logreturn.
국제무역에 따른 대량 통화의 진부한 교환, 국가에 대한 대출, 환위험 헤지, 차익거래 및 투기 등 다양한 원인으로 발생하는 수급불균형의 압력으로 가격변동 내부 정보 및 뉴스는 물론 시장 활동, 날씨, 패션 및 태양 활동에서 추출한 정보.
다음은 해당 막대 수만큼 이동한 요인인 예측 변수 및 목표 변수의 목록입니다.
$ AUDUSD : num 0.722 0.722 0.722 0.721 0.72 ...
$ CHFJPY : num 120 120 120 119 119 ...
$ USDCAD : num 1.39 1.39 1.39 1.39 1.39 ...
$ GBPCHF : num 1.47 1.47 1.47 1.48 1.47 ...
$ EURGBP : num 0.739 0.74 0.739 0.737 0.739 ...
$ USDJPY : num 119 119 119 119 119 ...
$ GBPUSD : num 1.48 1.48 1.48 1.48 1.48 ...
$ EURUSD : num 1.09 1.09 1.09 1.09 1.09 ...
$ EURCHF : num 1.09 1.09 1.09 1.09 1.09 ...
$ USDCHF : num 0.995 0.995 0.994 0.998 0.998 ...
$ GBPJPY : num 176 176 176 176 175 ...
$ EURJPY : num 130 130 130 130 130 ...
$ EURCAD : num 1.52 1.52 1.52 1.52 1.52 ...
$ d1_AUDUSD : num 0.010401 0.000505 -0.001818 -0.003433 -0.008583 ...
$ d1_CHFJPY : num -0.01497 0.00444 -0.00186 -0.02309 -0.00823 ...
$ d1_USDCAD : num 0.008585 0.003389 -0.012832 0.000136 0.002982 ...
$ d1_GBPCHF : num -0.000685 0.001746 0.000651 0.024858 -0.009416 ...
$ d1_EURGBP : num 0.0031 0.00161 -0.00194 -0.01042 0.01003 ...
$ d1_USDJPY : num -0.02035 0.00201 -0.00654 0.00558 -0.00933 ...
$ d1_GBPUSD : num 0.00707 0.00355 0.00439 0.00204 -0.00697 ...
$ d1_EURUSD : num 0.01916 0.0093 0.00404 -0.01876 0.00905 ...
$ d1_EURCHF : num 0.0116 0.01463 -0.00732 0.04675 0.01089 ...
$ d1_USDCHF : num -0.01705 -0.00415 -0.00933 0.05219 -0.00553 ...
$ d1_GBPJPY : num -0.00779 0.00362 -0.00101 0.00484 -0.01057 ...
$ d1_EURJPY : num -0.00941 0.00844 -0.0045 -0.00668 -0.00417 ...
$ d1_EURCAD : num 0.02362 0.01077 -0.01055 -0.01408 0.00971 ...
$ d2_AUDUSD : num 0.000909 -0.001313 -0.001313 -0.012017 -0.012017 ...
$ d2_CHFJPY : num -0.02594 0.00258 0.00258 -0.03132 -0.03132 ...
$ d2_USDCAD : num 0.01387 -0.00944 -0.00944 0.00312 0.00312 ...
$ d2_GBPCHF : num 0.0103 0.0024 0.0024 0.0154 0.0154 ...
$ d2_EURGBP : num -0.000776 -0.000332 -0.000332 -0.000388 -0.000388 ...
$ d2_USDJPY : num -0.01857 -0.00453 -0.00453 -0.00375 -0.00375 ...
$ d2_GBPUSD : num 0.00771 0.00794 0.00794 -0.00493 -0.00493 ...
$ d2_EURUSD : num 0.0123 0.0133 0.0133 -0.0097 -0.0097 ...
$ d2_EURCHF : num 0.03676 0.00732 0.00732 0.05764 0.05764 ...
$ d2_USDCHF : num 0.00599 -0.01348 -0.01348 0.04666 0.04666 ...
$ d2_GBPJPY : num -0.00616 0.0026 0.0026 -0.00572 -0.00572 ...
$ d2_EURJPY : num -0.01205 0.00394 0.00394 -0.01085 -0.01085 ...
$ d2_EURCAD : num 0.023928 0.000221 0.000221 -0.004371 -0.004371 ...
$ d4_AUDUSD : num -0.000404 -0.000404 -0.000404 -0.029385 -0.029385 ...
$ d4_CHFJPY : num -0.0234 -0.0234 -0.0234 -0.0327 -0.0327 ...
$ d4_USDCAD : num 0.00443 0.00443 0.00443 0.00122 0.00122 ...
$ d4_GBPCHF : num 0.0127 0.0127 0.0127 0.0255 0.0255 ...
$ d4_EURGBP : num -0.00111 -0.00111 -0.00111 -0.01496 -0.01496 ...
$ d4_USDJPY : num -0.0231 -0.0231 -0.0231 0.0175 0.0175 ...
$ d4_GBPUSD : num 0.0156 0.0156 0.0156 -0.0157 -0.0157 ...
$ d4_EURUSD : num 0.0256 0.0256 0.0256 -0.0601 -0.0601 ...
$ d4_EURCHF : num 0.0441 0.0441 0.0441 0.0277 0.0277 ...
$ d4_USDCHF : num -0.00749 -0.00749 -0.00749 0.09459 0.09459 ...
$ d4_GBPJPY : num -0.0035602 -0.0035602 -0.0035602 0.0000957 0.0000957 ...
$ d4_EURJPY : num -0.00811 -0.00811 -0.00811 -0.02169 -0.02169 ...
$ d4_EURCAD : num 0.0241 0.0241 0.0241 -0.0445 -0.0445 ...
$ d1_AUDUSD_f: Factor w/ 2 levels "-1","1": 2 1 1 1 1 1 1 1 1 2 ...
$ d1_CHFJPY_f: Factor w/ 2 levels "-1","1": 2 1 1 1 2 1 1 2 2 2 ...
$ d1_USDCAD_f: Factor w/ 2 levels "-1","1": 2 1 2 2 1 1 1 2 2 1 ...
$ d1_GBPCHF_f: Factor w/ 2 levels "-1","1": 2 2 2 1 2 2 1 2 1 1 ...
$ d1_EURGBP_f: Factor w/ 2 levels "-1","1": 2 1 1 2 1 1 1 1 2 2 ...
$ d1_USDJPY_f: Factor w/ 2 levels "-1","1": 2 1 2 1 2 2 1 2 2 2 ...
$ d1_GBPUSD_f: Factor w/ 2 levels "-1","1": 2 2 2 1 1 1 1 1 1 2 ...
$ d1_EURUSD_f: Factor w/ 2 levels "-1","1": 2 2 1 2 1 1 1 1 2 2 ...
$ d1_EURCHF_f: Factor w/ 2 levels "-1","1": 2 1 2 2 1 1 1 1 1 2 ...
$ d1_USDCHF_f: Factor w/ 2 levels "-1","1": 1 1 2 1 2 2 2 2 1 1 ...
$ d1_GBPJPY_f: Factor w/ 2 levels "-1","1": 2 1 2 1 2 1 1 2 1 2 ...
$ d1_EURJPY_f: Factor w/ 2 levels "-1","1": 2 1 1 1 2 1 1 1 2 2 ...
$ d1_EURCAD_f: Factor w/ 2 levels "-1","1": 2 1 1 2 1 1 1 2 2 2 ...
$ d2_AUDUSD_f: Factor w/ 2 levels "-1","1": 1 1 1 1 1 1 1 2 2 2 ...
$ d2_CHFJPY_f: Factor w/ 2 levels "-1","1": 2 1 1 1 1 1 1 2 2 2 ...
$ d2_USDCAD_f: Factor w/ 2 levels "-1","1": 1 2 2 1 1 2 2 2 2 1 ...
$ d2_GBPCHF_f: Factor w/ 2 levels "-1","1": 2 2 2 2 2 1 1 1 1 1 ...
$ d2_EURGBP_f: Factor w/ 2 levels "-1","1": 1 1 1 1 1 1 1 2 2 1 ...
$ d2_USDJPY_f: Factor w/ 2 levels "-1","1": 1 1 1 2 2 2 2 2 2 1 ...
$ d2_GBPUSD_f: Factor w/ 2 levels "-1","1": 2 1 1 1 1 1 1 2 2 2 ...
$ d2_EURUSD_f: Factor w/ 2 levels "-1","1": 2 1 1 1 1 1 1 2 2 2 ...
$ d2_EURCHF_f: Factor w/ 2 levels "-1","1": 2 2 2 1 1 1 1 1 1 1 ...
$ d2_USDCHF_f: Factor w/ 2 levels "-1","1": 1 2 2 2 2 2 2 1 1 1 ...
$ d2_GBPJPY_f: Factor w/ 2 levels "-1","1": 2 1 1 2 2 1 1 2 2 2 ...
$ d2_EURJPY_f: Factor w/ 2 levels "-1","1": 2 1 1 1 1 1 1 2 2 1 ...
$ d2_EURCAD_f: Factor w/ 2 levels "-1","1": 2 1 1 1 1 1 1 2 2 2 ...
$ d4_AUDUSD_f: Factor w/ 2 levels "-1","1": 1 1 1 1 1 1 1 2 2 2 ...
$ d4_CHFJPY_f: Factor w/ 2 levels "-1","1": 1 1 1 2 2 2 2 2 2 2 ...
$ d4_USDCAD_f: Factor w/ 2 levels "-1","1": 2 2 2 2 2 2 2 1 1 1 ...
$ d4_GBPCHF_f: Factor w/ 2 levels "-1","1": 2 2 2 1 1 1 1 1 1 1 ...
$ d4_EURGBP_f: Factor w/ 2 levels "-1","1": 1 1 1 1 1 1 1 1 1 1 ...
$ d4_USDJPY_f: Factor w/ 2 levels "-1","1": 2 2 2 2 2 2 2 2 2 2 ...
$ d4_GBPUSD_f: Factor w/ 2 levels "-1","1": 1 1 1 1 1 1 1 2 2 2 ...
[list output truncated]
4단계 앞서 나열된 대상 변수 중 두 개의 대상 변수 d4_EURUSD_f 및 d4_USDCHF_f에만 이러한 대상 변수에 대한 예측 기능이 있는 예측 변수가 있습니다. 다른 모든 목표 변수는 나열된 예측 변수에서 4단계 앞서 예측할 수 없습니다.
1보 2보 예측이 훨씬 나아 보입니다.
상승 추세는 거래에 의해 뒷받침되는 가을 참가자 대다수의 확신입니다...
지지는 대다수의 참가자가 부족했지만 가격이 하락하지 않고 오히려 상승한 범위입니다. 가격이 같은 범위로 돌아오면 나머지 겁에 질린 공매도는 공매도를 거의 0에 가깝게 닫고 미니 랠리를 만듭니다.
다음은 해당 막대 수만큼 이동한 요인인 예측 변수 및 목표 변수 목록입니다.................................................. ...........................
........... 예측 1보 2보가 훨씬 나아보인다
얼마나 더 나은가요? 전반적인 결과는 무엇입니까? 수치적으로..
얼마나 더 나은가요? 전반적인 결과는 무엇입니까? 수치적으로..
몇 가지 추상적인 측정이 있습니다.
= 1은 100% 예측력입니다.
> 10이면 예측자가 예측 능력이 없다고 생각합니다.
4단계 앞서 나열된 대상의 경우 예측 변수에는 7에서 9까지의 측정값이 있습니다. 1단계 앞서 예측할 때 측정값이 2보다 약간 더 큰 예측 변수가 있습니다.
추신.
이 스레드에서 나는 예측자의 예측 능력을 다루기 위해 반복해서 호출했습니다. 잊지 말자: "쓰레기 인, 가비지 아웃". 그리고 어떤 모델도 그것을 바꿀 수 없습니다.
몇 가지 추상적인 측정이 있습니다.
특히, MO는 OOS에 있는 정확도를 가지고 있습니까?
왜 이런 추상화를...
특히, MO는 OOS에 있는 정확도를 가지고 있습니까?
왜 이런 추상화를...
수업이 예상됩니다. 예측 오차는 25%에서 30% 사이이며 훈련 시와 샘플 외에서 동일합니다. 모델이 재학습되지 않습니다.
추신
이 모든 것을 여러 번 썼습니다.
잊지 말자: "쓰레기 인, 가비지 아웃". 그리고 어떤 모델도 그것을 바꿀 수 없습니다.
때때로 정크 예측자와 올바른 모델의 조합이 갑자기 그 자체의 예측자보다 더 잘 예측하기 시작합니다.
예를 들어 다음은 numer.ai 대회 MO의 교육 데이터입니다. https://api.numer.ai/competitions/current/dataset (아카이브의 numerai_training_data.csv 테이블). 예측변수는 50개인데 내가 시도한 평가 방법은 모두 쓰레기다. 그러나 다양한 조합과 다양한 모델을 시도함으로써 훈련 및 검증에서 50% 이상의 예측 정확도를 달성할 수 있습니다.
때때로 정크 예측자와 올바른 모델의 조합이 갑자기 그 자체의 예측자보다 더 잘 예측하기 시작합니다.
예를 들어 다음은 numer.ai 대회 MO의 교육 데이터입니다. https://api.numer.ai/competitions/current/dataset (아카이브의 numerai_training_data.csv 테이블). 예측변수는 50개인데 내가 시도한 평가 방법은 모두 쓰레기다. 그러나 다양한 조합과 다양한 모델을 시도함으로써 훈련 및 검증에서 50% 이상의 예측 정확도를 달성할 수 있습니다.
1. 처음에 두 개의 개별 파일을 가져와야 합니다. 하나는 학습-테스트-검증용이고 다른 하나는 생성된 모델을 확인하기 위한 것입니다. 4개 샘플 모두의 오차는 거의 같아야 합니다.
2. 당연히 우리의 모든 활동은 원래 인용문에 대한 조작을 수행하고 예측 능력을 갖게 될 원본에서 파생된 예측자를 새로 얻는 것입니다. 나는 원래 예측 변수 세트가 어디에서 왔는지에 대한 질문에 대해 논의하지 않습니다. 이것은 독립적인 문제입니다.