트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 455

 

글쎄, 당신의 알고리즘을 충전하십시오. 전체 본질을 보여줄 두 개의 데이터 세트가 올 것이기 때문에 턴키 시스템을 설정하십시오. 그들에 대한 평결은 흥미롭고 바람직하게는 구축된 모델이 될 것이므로 실제 작업에서 확인할 수 있습니다.

파일:
Buy15MALL.txt  733 kb
Sell15MALL.txt  791 kb
 
마법사_ :

아..선생님 감사합니다))) 이렇게 웃은게 오랜만입니다)))))))))


흠 .... 이해가 안가네요..... 모델이 왠지 비밀이라면 당연히 퍼뜨릴 수는 없겠죠. 아니면 당신의 모델이 영원히 작동하고 성배 를 엉뚱한 손에 넘기고 있다고 생각합니까???? 왜 그렇게 웃어????

사실 저는 개인적으로 "네트워크 아키텍처는 모델을 구축하는 데 중요하지 않은 역할을 합니다. 가장 중요한 것은 최소한 하나의 뉴런을 적절하게 훈련할 수 있어야 한다는 것"이라는 가정을 고수합니다.

물론 서투른 말이지만 아침에 뭔가 떠오르지 않는다. 나는 비밀 등이 없는 다항식 형태의 모델을 얻을 수 있다고 말하고 싶었습니다. 그런 평범한 다항식 .... 그러나 그것은 그 자체로 미래에 일반화 능력과 성능을 가질 것입니다. 제대로 훈련을 받았을 뿐인데 이건 이미 예술이지 국회 자체가 아니라 그 환경이 책임져야 하는 건데.....

내 모델을 게시하면 다항식 자체가 중요한 것이 아니라 그것을 얻는 방법이 중요하기 때문에 내 차량의 보안이 침해되지 않습니다....

 double getBinaryClassificator1( double v0, double v1, double v2, double v3, double v4, double v5, double v6, double v7, double v8) {
   double x0 = 2.0 * (v0 + 854.0 ) / 1708.0 - 1.0 ;
   double x1 = 2.0 * (v1 + 6025.0 ) / 12050.0 - 1.0 ;
   double x2 = 2.0 * (v2 + 83.31175 ) / 166.6235 - 1.0 ;
   double x3 = 2.0 * (v3 + 94.01706 ) / 190.59075 - 1.0 ;
   double x4 = 2.0 * (v4 + 79.89835 ) / 162.32691999999997 - 1.0 ;
   double x5 = 2.0 * (v5 + 8139.72596 ) / 16279.45192 - 1.0 ;
   double x6 = 2.0 * (v6 + 44728.87178 ) / 89457.74356 - 1.0 ;
   double x7 = 2.0 * (v7 + 16744.5244 ) / 33489.0488 - 1.0 ;
   double x8 = 2.0 * (v8 + 3571.0 ) / 7142.0 - 1.0 ;
   double decision = - 0.3081635711326393 * sigmoid(x4)
  + 1.0249861163756249 * sigmoid(x2 + x4)
  + 0.09986072300626747 * sigmoid(x1 + x2 + x3 + x4)
  + 0.5413533668890985 * sigmoid(x5)
  + 0.6997159366377829 * sigmoid(x0 + x2 + x5)
  - 0.04588868418500921 * sigmoid(x0 + x1 + x2 + x4 + x5)
  + 0.16781775869820087 * sigmoid(x1 + x2 + x3 + x4 + x5)
  + 0.4607985948890632 * sigmoid(x0 + x6)
  - 0.8671700766023466 * sigmoid(x1 + x6)
  - 0.5270267887837945 * sigmoid(x4 + x6)
  - 0.027936937492837814 * sigmoid(x0 + x4 + x6)
  - 0.6617354089719066 * sigmoid(x1 + x3 + x4 + x7)
  - 0.19638937616247806 * sigmoid(x1 + x5 + x7)
  + 0.8684769002935395 * sigmoid(x6 + x7)
  - 0.5967137681478805 * sigmoid(x0 + x2 + x5 + x6 + x7)
  - 0.2097815643098296 * sigmoid(x0 + x1 + x4 + x5 + x6 + x7)
  - 1.5340457322179422 * sigmoid(x8)
  + 0.7646273899667675 * sigmoid(x0 + x8)
  + 0.27679539504420725 * sigmoid(x2 + x3 + x8)
  - 0.37855134296518955 * sigmoid(x1 + x6 + x8)
  - 0.0311654310975556 * sigmoid(x0 + x1 + x2 + x6 + x8)
  - 0.6036203203370856 * sigmoid(x0 + x1 + x2 + x3 + x5 + x6 + x8)
  + 0.04123987376920568 * sigmoid(x3 + x7 + x8)
  + 0.8450984194705711 * sigmoid(x0 + x1 + x2 + x3 + x4 + x7 + x8)
  - 0.8578008338989624 * sigmoid(x2 + x3 + x5 + x7 + x8)
  + 1.059103470465344 * sigmoid(x1 + x3 + x6 + x7 + x8)
  + 1.0514388283102527 * sigmoid(x0 + x1 + x2 + x4 + x5 + x6 + x7 + x8)
  - 0.06758350008374249 * sigmoid( 1.0 + x0 + x3 + x4)
  - 0.24213702035383408 * sigmoid( 1.0 + x4 + x5)
  - 0.8011798876969051 * sigmoid( 1.0 + x0 + x1 + x3 + x5 + x6 + x7)
  + 0.7506445968459932 * sigmoid( 1.0 + x0 + x3 + x8)
  + 0.3049328737780207 * sigmoid( 1.0 + x0 + x1 + x2 + x3 + x6 + x7 + x8);
   return decision;
}
 
왜 두 테이블?
하나의 대상은 1이고 다른 하나는 0입니까? 그렇다면 왜 각 테이블에 이미 대상 0과 1이 있습니까?
그것들을 하나로 결합할 수 있습니까?
 
박사 상인 :
왜 테이블이 두 개야?
하나의 대상은 1이고 다른 하나는 0입니까? 그렇다면 왜 각 테이블에 이미 대상 0과 1이 있습니까?
그것들을 하나로 결합할 수 있습니까?

하나는 매수 신호, 다른 하나는 매도 신호.....

그것들을 하나로 결합하려면 테이블 중 하나를 반전시켜야 합니다. 그런 다음 매수 및 매도 신호에 동일한 패턴을 사용할 수 있습니다.

그래서 두 개의 독립적인 모델이 나옵니다. 하나는 구매용이고 다른 하나는 판매용입니다....

 
마법사_ :

질병입니다)))
당신은 그것이 멍청하다는 것을 이해합니다. 최소한 존경을 위해 먼저 캡을 편집해야합니다))) 대상에는 완전성의 속성이없고 사람들은 사각형 등을 사용하지 않습니다.
그리고 멍청하게 반으로 나눴다))) 이 글이 단순한 농담이 아니라는 사실을 이해하셨나요? 아니 ... 그래서 앞으로 13 년 동안 같은 쓰레기를 쓸 것입니다)))
나를 웃게 하기 위해 Reshetov의 지옥 타자기에는 두 가지 실수가 있다는 것을 열 번째로 상기시켜 드리겠습니다. 그 중 하나는 부분적으로 수평을 맞출 수 있지만 ...
항상 최소 2%를 잃을 것입니다... Dock의 데이터 세트에서, oos(test)에서 55.3%를 얻을 수 있습니다... 하지만 이것은 물론 앵무새입니다...


그 실수들이 무엇인지 아십니까? 그렇게 자신있게 말을 하면...

 

나는 Buy15MALL을 시도했는데, 모델은 ST9, AD5, Volum7, VVolum7 사이에 어떤 종류의 의존성을 발견했으며 다른 입력을 완전히 무시합니다. 정확도 55.6%. 내 모델을 공유할 수 없습니다. 이 네 가지에 대해서만 Reshetov의 기계를 다시 훈련시키십시오.


마법사_ :

oos(test)에서 55.3%를 얻을 수 있습니다... 하지만 물론 앵무새입니다...

멋져요. 앵무새도 아니고 지난 7주 동안 막대에 의한 eurusd m5 성장에 대한 예측입니다 . 그러나 스프레드를 감안할 때 거래는 마이너스가 될 것이라고 생각합니다.
조언에 따르면 비슷한 실험을 시도하지만 open0-open1, open0-open2 등과 같이 성장 지연이 다릅니다.

 

이 약속의 의미는 다음과 같이 결정되었습니다.

내 데이터가 올바르게 수집되고 다른 알고리즘 및 최적화 시스템에서 작동합니다.

또는 모든 데이터에서 가치 있는 모델을 만들 수 있는 Reshetov Optimizer의 모든 동일한 경이입니다.

 
마법사_ :

사진으로 보면 더 좋을 것입니다. 요점은 그것을 처리하는 것이 아니기 때문에 연습했지만 ...

동의합니다. 고품질 소음 감소가 필요합니다.
나는 새로운 데이터에서 정확도가 많이 떨어지지 않도록 교차 검증으로 모델을 훈련하는 방법을 배웠습니다. 이 경우처럼 몇 년 전만 해도 트레이너에게 100%, 테스트에서 50%를 받았다면 지금은 50%만 받을 수 있습니다. 그러나 이것은 분명히 충분하지 않습니다. 소음 감소를 배울 때 아마 몇 퍼센트 플러스를 짜낼 것입니다.

 
유리 아사울렌코 :

교환 상품을 확인했습니다. 몇 년 전과 달리 모든 움직임이 있습니다 - 15-20 분 ... 그리고 침묵.

Forex에서 예, 분은 지배하지 않습니다. 51-53%의 정확도는 매우 좋은 예측이지만 이 예측으로는 스프레드를 이길 수 없습니다.(하지만 이를 사용하여 항목을 개선할 수 있습니다.


확률 분포는 모든 TF에서 동일합니다. 3시그마를 넘어 흑조를 잡을 확률, 그게 다 뭐야? 그리고 여기 tf :) tf는 동일한 차트의 또 다른 표현입니다.
 
친애하는, 시장을 예측하기 전에 작업의 문제에 익숙해질 것입니다. 시계열 예측 은 기능별로 식물과 암을 분류하는 것이 아닙니다.


마이클 마르쿠카이테스 :

마이클, 질문 하나만.

데이터가 시계열 데이터 세트에서 정렬되는 이유는 무엇입니까?


무엇을 예측할 수 있습니까?
upd/ 적어도 데이터 세트를 훈련과 테스트로 분할하는 방법은 무엇입니까?

사유: