회귀 모델이 막대당 가격의 증가를 예측하고 R2 점수가 전면 및 후면 테스트에서 0보다 높으면 이미 좋은 시작입니다. 문제는 그 결과가 안정적이기는 하지만 그 확산을 극복할 수 없다는 점이다.
분석적으로 문제는 R2가 큰 오류에 대해 모델에 더 많은 페널티를 부여하고 작은 오류와 잘못된 거래 방향 을 무시한다는 것입니다. 이익 분포를 보면 대부분의 가격 변동은 몇 핍에 불과합니다. 그리고 모델은 이러한 미세한 움직임의 올바른 방향을 예측하는 대신 더 높은 R2를 받을 분포의 긴 꼬리를 예측하는 방법을 학습합니다. 결과적으로 모델은 어떻게 든 큰 움직임을 예측하지만 작은 움직임에서는 끊임없이 방향을 실수하고 확산에 따라 병합합니다.
결론 - 외환에 대한 표준 회귀 추정치는 좋지 않습니다. 일종의 적합성 함수를 자체적으로 개발하여 거래의 방향을 고려하고 확산, 정확성, 심지어 기능까지 매끄럽게 해야 합니다. 그러면 정확도가 50%를 약간 넘더라도 이미 이익을 얻을 수 있는 기회가 있습니다. 정확도, 샤프 비율, 회복 계수 및 거래 차트를 분석하는 기타 기능은 너무 이산적이며, 표준 백프롭이 있는 뉴런은 로컬 최소값을 벗어나지 않고 실제로 학습하지 않습니다.
대안적인 결론은 뉴런의 약한 신호를 완전히 무시하는 것입니다. 강한 사람에게만 거래하십시오. 여기서 문제는 백테스트에서 우수한 결과를 보여줄 임계값을 항상 선택할 수 있지만, 이를 사용하면 전면 테스트에서는 나쁜 결과가 나타날 수 있다는 것입니다. 여기서도 한 가지 생각해볼 필요가 있습니다.
R2 IMHO는 logloss와 마찬가지로 비선형성으로 인해 다소 불편한 메트릭입니다. 나는 예측과 수익의 간단한 상관 관계가 훨씬 더 편안합니다. R2의 루트와 같이 훨씬 "명확"합니다. 100을 곱하면 시장에서 캡처할 수 있는 변경 사항의 명확한 백분율을 얻을 수 있습니다. 저는 3을 얻습니다. 5%, 그러나 당신이 올바르게 말했듯이 전체 문제는 이러한 신호가 너무 자주 발생하고 필터링 또는 평균화가 알파를 거의 완전히 죽인다는 것입니다. 일반 데이터에서 아직 5% 이상을 얻을 수 없기 때문에 여기에 집중해야 한다고 생각합니다.
여기에 다른 유형의 자산이 있습니다. 비록 오늘날 자산 가격이 차트에서 벗어났지만: 유가는 몇 배나 높으며 소비량은 거의 같습니다.
예, 모든 곳에서. 저는 주로 선물 거래소에서 플레이합니다. 관찰자에게는 모든 것이 무작위 입니다. 실제로 존재하는 것은 무엇입니까? 그러나 악마는 알고 있습니다. 내부자가 되어야 합니다.))
이것이 "우발적이지 않은" 것입니다. 이동 중 롤백 및 평균 값 주변의 변동입니다(Alexander_K2-m과 혼동하지 마십시오). 이 접근 방식을 사용하면 움직이는 것이 우연이라고 할 수 있지만 드물지 않고 자연 현상이라고 할 수 있습니다. 그것이 언제, 어떤 방향으로 일어날지 결코 알 수 없다는 것입니다.
예, 모든 곳에서. 저는 주로 선물 거래소에서 플레이합니다. 관찰자에게는 모든 것이 무작위 입니다. 실제로 존재하는 것은 무엇입니까? 그러나 악마는 알고 있습니다. 내부자가 되어야 합니다.))
이것이 "우발적이지 않은" 것입니다. 이동 중 롤백 및 평균 값 주변의 변동입니다(Alexander_K2-m과 혼동하지 마십시오). 이 접근 방식을 사용하면 움직이는 것이 우연이라고 할 수 있지만 드물지 않고 자연 현상이라고 할 수 있습니다. 그것이 언제, 어떤 방향으로 일어날지 결코 알 수 없다는 것입니다.
결국, GARCH 모델이 증분에 사용된다는 것은 헛된 것이 아닙니다. 그리고 그들은 현재 가장 일반적입니다. 비정상 계열을 상당히 의미 있는 경제적, 통계적 의미를 갖는 성분으로 분해하여 비정상성을 타파한다는 기본 발상은 매우 매력적이다.
이제 가르치는 나에게 너무 복잡합니다. 그것에 관한 책은 주로 통계 및 계량 경제학 분야의 전문가를 위해 작성되었으며 나에게는 이해할 수없는 것들에 대해 끊임없이 작동합니다. 몇 가지 기본 사항을 이해하고 동화하려면 먼저 책에서 설명하지 않는 다른 모든 것을 이해해야 합니다.
R에서 패키지를 가지고 놀았지만 기본 설정에서는 테스트에서도 이익을 얻지 못했습니다. 다시 말하지만, 설정에서 조정하는 방법과 대상에 대한 지식이 필요하지만 무작위로 작동하지 않습니다.
나는 가르치가 많은 일을 할 수 있다고 생각하지만 제대로 하는 데 투자해야 하는 시간은 너무 많고 많지 않습니다.
글쎄, 비 고정성. 모든 프로세스는 조각으로 쪼개지면 비정상이 되고 그렇지 않으면 무작위가 아닙니다.
이해하지 못했습니다. GARCH에서 프로세스는 조각으로 분해되지 않고 구성 요소로 분해됩니다. 공식 자체에는 이전 값 + 노이즈가 포함됩니다.
그건 그렇고, 다양한 장기(3개월 이상)의 분포 유형에 따라 그들 사이에 큰 차이를 느끼지 못했습니다.
그리고 이것은 매우 흥미로운 질문입니다. GARCH의 간행물은 분포 매개변수를 계산하기 위해 5000개 이상의 관측치가 필요함을 증명합니다.1000개 미만은 모델을 불안정하게 만듭니다.
경제적 의미에 관해서는 - 글쎄, 나는 모른다. 나는 관찰자에게 시장이 무작위라고 가정합니다. 랜덤인지 아닌지는 별로 중요하지 않습니다. 여기서 키워드 는 관찰자를 위한 것입니다.
외환에서는 환율 이 정치라고 생각하기 때문에 전적으로 동의합니다.
여기에 다른 유형의 자산이 있습니다. 오늘날 자산 가격은 차트에서 벗어났지만 석유 가격은 몇 배나 오르고 소비량은 거의 같습니다.
하지만 당신은 배출을 제거하지 않았다
물론 그렇게 할 수도 없고 그렇게 할 수도 없습니다. 또한 GARCH 모델의 의미 중 하나는 출시 후 프로세스와 다시 얼마나 잘 일치하는지입니다.
물론 그렇게 할 수도 없고 그렇게 할 수도 없습니다. 또한 GARCH 모델의 의미 중 하나는 출시 후 프로세스와 다시 얼마나 잘 일치하는지입니다.
내 말은 증분과 로그 증분을 취하면 차트는 동일하지만 가격 척도만 다릅니다.
저도 그것에 대해 많이 생각합니다.
회귀 모델이 막대당 가격의 증가를 예측하고 R2 점수가 전면 및 후면 테스트에서 0보다 높으면 이미 좋은 시작입니다. 문제는 그 결과가 안정적이기는 하지만 그 확산을 극복할 수 없다는 점이다.
분석적으로 문제는 R2가 큰 오류에 대해 모델에 더 많은 페널티를 부여하고 작은 오류와 잘못된 거래 방향 을 무시한다는 것입니다. 이익 분포를 보면 대부분의 가격 변동은 몇 핍에 불과합니다. 그리고 모델은 이러한 미세한 움직임의 올바른 방향을 예측하는 대신 더 높은 R2를 받을 분포의 긴 꼬리를 예측하는 방법을 학습합니다. 결과적으로 모델은 어떻게 든 큰 움직임을 예측하지만 작은 움직임에서는 끊임없이 방향을 실수하고 확산에 따라 병합합니다.
결론 - 외환에 대한 표준 회귀 추정치는 좋지 않습니다. 일종의 적합성 함수를 자체적으로 개발하여 거래의 방향을 고려하고 확산, 정확성, 심지어 기능까지 매끄럽게 해야 합니다. 그러면 정확도가 50%를 약간 넘더라도 이미 이익을 얻을 수 있는 기회가 있습니다.
정확도, 샤프 비율, 회복 계수 및 거래 차트를 분석하는 기타 기능은 너무 이산적이며, 표준 백프롭이 있는 뉴런은 로컬 최소값을 벗어나지 않고 실제로 학습하지 않습니다.
대안적인 결론은 뉴런의 약한 신호를 완전히 무시하는 것입니다. 강한 사람에게만 거래하십시오. 여기서 문제는 백테스트에서 우수한 결과를 보여줄 임계값을 항상 선택할 수 있지만, 이를 사용하면 전면 테스트에서는 나쁜 결과가 나타날 수 있다는 것입니다. 여기서도 한 가지 생각해볼 필요가 있습니다.
R2 IMHO는 logloss와 마찬가지로 비선형성으로 인해 다소 불편한 메트릭입니다. 나는 예측과 수익의 간단한 상관 관계가 훨씬 더 편안합니다. R2의 루트와 같이 훨씬 "명확"합니다. 100을 곱하면 시장에서 캡처할 수 있는 변경 사항의 명확한 백분율을 얻을 수 있습니다. 저는 3을 얻습니다. 5%, 그러나 당신이 올바르게 말했듯이 전체 문제는 이러한 신호가 너무 자주 발생하고 필터링 또는 평균화가 알파를 거의 완전히 죽인다는 것입니다. 일반 데이터에서 아직 5% 이상을 얻을 수 없기 때문에 여기에 집중해야 한다고 생각합니다.
경제적 의미에 관해서는 - 글쎄, 나는 모른다. 나는 관찰자에게 시장이 무작위라고 가정합니다. 랜덤인지 아닌지는 별로 중요하지 않습니다. 여기서 키워드 는 관찰자를 위한 것입니다.
외환에서는 환율 이 정치라고 생각하기 때문에 전적으로 동의합니다.
여기에 다른 유형의 자산이 있습니다. 비록 오늘날 자산 가격이 차트에서 벗어났지만: 유가는 몇 배나 높으며 소비량은 거의 같습니다.
예, 모든 곳에서. 저는 주로 선물 거래소에서 플레이합니다. 관찰자에게는 모든 것이 무작위 입니다. 실제로 존재하는 것은 무엇입니까? 그러나 악마는 알고 있습니다. 내부자가 되어야 합니다.))
이것이 "우발적이지 않은" 것입니다. 이동 중 롤백 및 평균 값 주변의 변동입니다(Alexander_K2-m과 혼동하지 마십시오). 이 접근 방식을 사용하면 움직이는 것이 우연이라고 할 수 있지만 드물지 않고 자연 현상이라고 할 수 있습니다. 그것이 언제, 어떤 방향으로 일어날지 결코 알 수 없다는 것입니다.
예, 모든 곳에서. 저는 주로 선물 거래소에서 플레이합니다. 관찰자에게는 모든 것이 무작위 입니다. 실제로 존재하는 것은 무엇입니까? 그러나 악마는 알고 있습니다. 내부자가 되어야 합니다.))
이것이 "우발적이지 않은" 것입니다. 이동 중 롤백 및 평균 값 주변의 변동입니다(Alexander_K2-m과 혼동하지 마십시오). 이 접근 방식을 사용하면 움직이는 것이 우연이라고 할 수 있지만 드물지 않고 자연 현상이라고 할 수 있습니다. 그것이 언제, 어떤 방향으로 일어날지 결코 알 수 없다는 것입니다.
이것은 효율적인 시장 가설입니다. 완전히 넌센스입니다.
내 말은 증분과 로그 증분을 취하면 차트는 동일하지만 가격 척도만 다릅니다.
결국, GARCH 모델이 증분에 사용된다는 것은 헛된 것이 아닙니다. 그리고 그들은 현재 가장 일반적입니다. 비정상 계열을 상당히 의미 있는 경제적, 통계적 의미를 갖는 성분으로 분해하여 비정상성을 타파한다는 기본 발상은 매우 매력적이다.
이제 가르치는 나에게 너무 복잡합니다. 그것에 관한 책은 주로 통계 및 계량 경제학 분야의 전문가를 위해 작성되었으며 나에게는 이해할 수없는 것들에 대해 끊임없이 작동합니다. 몇 가지 기본 사항을 이해하고 동화하려면 먼저 책에서 설명하지 않는 다른 모든 것을 이해해야 합니다.
R에서 패키지를 가지고 놀았지만 기본 설정에서는 테스트에서도 이익을 얻지 못했습니다. 다시 말하지만, 설정에서 조정하는 방법과 대상에 대한 지식이 필요하지만 무작위로 작동하지 않습니다.
나는 가르치가 많은 일을 할 수 있다고 생각하지만 제대로 하는 데 투자해야 하는 시간은 너무 많고 많지 않습니다.
국가 차트가 있고 로그도 압축해야 합니다. 어떤 공식이 사용되었습니까? 예를 들어 10진수로 원본 데이터가 10배 변경되면 2배가 변경됩니다. 자연스럽긴 하지만 약합니다. 그래프에서 수직 압축을 볼 수 없습니다.
로그(닫기[i]/닫기[i-15])
무엇을 압축할 위치, 왜?
내 말은 증분과 로그 증분을 취하면 차트는 동일하지만 가격 척도만 다릅니다.
log(open[0] - open[1])이 없다는 것을 이해합니다.
및 로그(열기[0]/열기[1])