네, 일단 회귀를 통해 포트폴리오를 만들었습니다. 그 다음에는 NN을 사용하고 싶었지만 끝내지 못했습니다.. 똑같지 않은 것으로 밝혀지고, 도구를 선택하기가 어렵습니다.. 기본적으로 거래해야 합니다. 이러한 전략을 사용하는 지수
비정상이란 정확히 무엇입니까? 아마도 당신이 모델이고 고정 길이를 만들고 적절한 결과를 얻지 못한다는 사실 때문에? 모델의 길이를 늘리는 간단한 싸이클을 풀고 나왔는데 이제는 언제봐도 좋은 그림이 나옵니다. 그러나 워터 포워드는 모두 동일한 50/50을 가지고 있으며 이제 재정렬 방법을 찾고 있습니다 ...
그런 다음 지속적으로 입력에 100bar를 적용합니다. 신경망 모델은 입력 - 100, 숨김 - x, 출력 - 5와 같습니다.
이 경우 정적 100개 막대의 모델이 거세되고 이것이 더 이상 가능한 패턴에 대한 원하는 검색으로 이어지지 않을 것이라고 생각합니다(
Maxim, 단일 쌍에서 신경망을 실행하고 있습니까? 나중에 포워드에서 더 잘 보일 편안한 행을 만들 수 있다는 사실에 대해 생각해 본 적이 있습니까? 실제로, 예를 들어 머리와 어깨 그림이 그렇게 일반적이지 않지만 매시간 할 수 있다고 상상해 봅시다 ...
네, 일단 회귀를 통해 포트폴리오를 만들었습니다. 그 다음에는 NN을 사용하고 싶었지만 끝내지 못했습니다.. 똑같지 않은 것으로 밝혀지고, 도구를 선택하기가 어렵습니다.. 기본적으로 거래해야 합니다. 이러한 전략을 사용하는 지수
네, 일단 회귀를 통해 포트폴리오를 만들었습니다. 그 다음에는 NN을 사용하고 싶었지만 끝내지 못했습니다.. 똑같지 않은 것으로 밝혀지고, 도구를 선택하기가 어렵습니다.. 기본적으로 거래해야 합니다. 이러한 전략을 사용하는 지수
네, 일단 회귀를 통해 포트폴리오를 만들었습니다. 그 다음에는 NN을 사용하고 싶었지만 끝내지 못했습니다.. 똑같지 않은 것으로 밝혀지고, 도구를 선택하기가 어렵습니다.. 기본적으로 거래해야 합니다. 이러한 전략을 사용하는 지수
비정상이란 정확히 무엇입니까? 아마도 당신이 모델이고 고정 길이를 만들고 적절한 결과를 얻지 못한다는 사실 때문에? 모델의 길이를 늘리는 간단한 싸이클을 풀고 나왔는데 이제는 언제봐도 좋은 그림이 나옵니다. 그러나 워터 포워드는 모두 동일한 50/50을 가지고 있으며 이제 재정렬 방법을 찾고 있습니다 ...
그건 그렇고, 증분 자체 외에도 각 막대의 시간을 정성적 매개 변수로 줄 것입니다 ...
그건 그렇고, 증분 자체 외에도 각 막대의 시간을 정성적 매개 변수로 줄 것입니다 ...
그게 망해야 할 방법입니다. 그리고 표본 크기는 확률 이론에서 계산하기에는 어리석습니다.
볼륨에 대해 이해하지 못했습니다. 10,000개의 상태 예제가 훈련에 충분하지 않습니까?
볼륨에 대해 이해하지 못했습니다. 10,000개의 상태 예제가 훈련에 충분하지 않습니까?
상당히. 그러나 각 쌍에 대해 별도로 계산해야 합니다. 그들은 다른 개입니다. 확률 밀도와 진폭 함수는 매우 다릅니다.
상당히. 그러나 각 쌍에 대해 별도로 계산해야 합니다. 그들은 다른 개입니다. 확률 밀도와 진폭 함수는 매우 다릅니다.
내 포트폴리오 접근 방식에서는 쌍을 별도로 계산할 필요가 없다고 생각합니다. 포트폴리오 자체의 증분과 포인트의 시간만 취하면 됩니다...