바로 이것이 가짜다, 모든 거래는 역사에 불과하다는 등의 말을 시작할 것입니다. 그러나 나는 의사 소통을 통해 이 사람과 꽤 많은 이야기를 나누었고, 나는 그 사람이 깊은 수행자라는 것을 깨달았고 그런 질문이 없었습니다. 답이 없는 시장에서..
이 사람이 후보자입니다. 저것들. 과학. , 오랫동안(20년 전) 그는 "AI"에 대한 자신의 논문을 옹호했습니다.
그리고 블랙박스의 위치에서 시장을 예측하는 것은 불가능하며 작동 신호를 강조 표시하고 작동 방식과 이유를 이해하고 가능한 한 데이터를 필터링하여 작동하는 것만 남기고 노이즈를 무시해야한다고 주장합니다. .
그는 그의 네트워크에 약 100개의 기호(예측자)를 가지고 있으며, 각 기호 뒤에는 원하는 대로 전체 라이브러리 또는 패키지가 있습니다.
이제 전체 라이브러리를 작성해야 하는 기호와 이름이 "SMA", "MACD", "RSI"인 일종의 어리석은 krivulka 사이의 품질 차이를 비교하십시오. 0.00000001의 유용한 정보 %, Mihail Marchukajtes가 쓴 것처럼 이것은 사실입니다. 그렇지 않으면 모델은 그들이 보여줄 수 있는 효과를 정확히 보여줄 것이고 이것은 정답의 90%에서 나온 것입니다.
내가 "선동가"는 어떤 결과를 얻었지만 실제로 매우 겸손하고 좋은 아이디어가 많이 있습니다. 내 연구는 한 번에 여러 방향으로 진행되고 다양한 분야의 지식이 크게 부족합니다. 따라서 나는 종종 포럼 회원들에게 도움을 요청하지만 특히 아무도 돕고 싶어하지 않습니다. 그들은 스스로 배우라고 말합니다. 그리고 ..... 이미 모든 것을 스스로 마스터 한 경우에만 어떻게 든이 의사 소통이 필요합니까? 내 생각에는 논리가 없어 .. 글쎄, 나는 탈선한다.
지금은 여기가 최고입니다. 엄마. 새 데이터에서 RF에서 짜낸 것은 2개월 연속 월 50%이지만 여전히 모든 것이 매우 불안정합니다. 사진을 10번이나 업로드하려고 시도했지만 작동하지 않았습니다 (잘됨)
결론은 처음에는 연간 30%와 같은 템플릿으로 자신을 제한할 필요가 없다는 것입니다. 이것은 멋지고 이것은 멋지지 않습니다. 이것은 이성과 창의성을 위한 프레임워크입니다
축하합니다. 5년간 거래하는 방법입니다. 또는 실제 데이터를 보여주세요. 5년 동안의 통계입니다.
그리고 표지판에 관해서는, 나는 여기서 소파 분석을 일으키고 싶지 않습니다. 예를 들어, 당신의 표지판은 헛간이고, 더 나은 표지판이 있고, 모델은 중요하지 않습니다. 자, 당신이 한 일을 보여주세요. 나는 여기에 모든 항목과 그 조합을 게시했습니다. 그들의 정보 내용을 세십시오. 그리고 왜 공기를 흔들어?
모델의 잘못된 훈련, 너무 많이 흩어진 것 같습니다. 모델에는 일반적으로 학습 논리가 일관되게 정의되지 않는 일종의 확률적 학습 프로세스가 있습니다. 이러한 임의의 순간은 여러 모델을 훈련한 후 훈련 데이터에 대해 거의 동일한 결과를 제공하지만 전면 테스트에서는 차이가 있다는 사실로 이어집니다.
문제의 원인과 해결 방법에는 여러 가지가 있습니다. 1) 유용한 정보를 전달하지 않는 노이즈 입력이 있으므로 제거해야 합니다. 2) 모델의 훈련 매개변수를 변경합니다. 뉴런의 경우 Decay 매개변수(학습 속도 저하)로 이 문제를 해결했는데 이 매개변수를 사용한 전면 테스트의 결과가 덜 흩어졌습니다. 숲을 어떻게 해야할지 모르겠어 3) 모델 위원회를 만든다. 많은 모델을 훈련하고, 모든 모델에 대해 전면 테스트를 수행하고, 대다수가 말하는 결과를 가져옵니다. 4) 학습 프로세스에서 교차 검증을 수행한 다음 동일한 데이터에 대해 여러 번 반복하고 결과의 산포가 얼마나 큰지 확인하고 산포가 작은 모델 및 예측 변수 선택
이 사람은 "MGUA" 및 스펙트럼 분석, 특히 푸리에에 익숙해질 것을 권장합니다.
==================================================== =====
내가 "선동가"는 어떤 결과를 얻었지만 실제로 매우 겸손하고 좋은 아이디어가 많이 있습니다. 내 연구는 한 번에 여러 방향으로 진행되고 다양한 분야의 지식이 크게 부족합니다. 따라서 나는 종종 포럼 회원들에게 도움을 요청하지만 특히 아무도 돕고 싶어하지 않습니다. 그들은 스스로 배우라고 말합니다. 그리고 ..... 이미 모든 것을 스스로 마스터 한 경우에만 어떻게 든이 의사 소통이 필요합니까? 내 생각에는 논리가 없어 .. 글쎄, 나는 탈선한다.
지금은 여기가 최고입니다. 엄마. 새 데이터에서 RF에서 짜낸 것은 2개월 연속 월 50%이지만 여전히 모든 것이 매우 불안정합니다. 사진을 10번이나 업로드하려고 시도했지만 작동하지 않았습니다 (잘됨)
결론은 처음에는 연간 30%와 같은 템플릿으로 자신을 제한할 필요가 없다는 것입니다. 이것은 멋지고 이것은 멋지지 않습니다. 이것은 이성과 창의성을 위한 프레임워크입니다
축하합니다. 5년간 거래하는 방법입니다. 또는 실제 데이터를 보여주세요. 5년 동안의 통계입니다.
그리고 표지판에 관해서는, 나는 여기서 소파 분석을 일으키고 싶지 않습니다. 예를 들어, 당신의 표지판은 헛간이고, 더 나은 표지판이 있고, 모델은 중요하지 않습니다. 자, 당신이 한 일을 보여주세요. 나는 여기에 모든 항목과 그 조합을 게시했습니다. 그들의 정보 내용을 세십시오. 그리고 왜 공기를 흔들어?
RF 10/5는 무엇을 의미합니까?
예, 새 데이터로 모델을 테스트할 때 사진에 자신을 위한 메모를 작성했습니다. 이 점에 주의를 기울이지 마세요.
이것은 모델 매개변수입니다. 트리의 5개 트리 10개 가지
예, 새 데이터로 모델을 테스트할 때 사진에 자신을 위한 메모를 작성했습니다. 이 점에 주의를 기울이지 마세요.
이것은 모델 매개변수입니다. 트리의 5개 트리 10개 가지
모든 것이 매우 흥미 롭습니다!
세부정보를 제공할 수 있습니까?
지금은 여기가 최고입니다. 엄마. 새 데이터에서 RF에서 짜낸 것은 2개월 연속 월 50%이지만 여전히 모든 것이 매우 불안정합니다. 사진을 10번이나 업로드하려고 시도했지만 작동하지 않았습니다 (잘됨)
결론은 처음에는 연간 30%와 같은 템플릿으로 자신을 제한할 필요가 없다는 것입니다. 이것은 멋지고 이것은 멋지지 않습니다. 이것은 이성과 창의성을 위한 프레임워크입니다
모든 것이 매우 흥미 롭습니다!
세부 정보를 제공할 수 있습니까?
이것은 샘플 외 데이터에 대한 백테스트입니까? 제가 제대로 이해한건가요?
예
모델의 잘못된 훈련, 너무 많이 흩어진 것 같습니다. 모델에는 일반적으로 학습 논리가 일관되게 정의되지 않는 일종의 확률적 학습 프로세스가 있습니다. 이러한 임의의 순간은 여러 모델을 훈련한 후 훈련 데이터에 대해 거의 동일한 결과를 제공하지만 전면 테스트에서는 차이가 있다는 사실로 이어집니다.
문제의 원인과 해결 방법에는 여러 가지가 있습니다.
1) 유용한 정보를 전달하지 않는 노이즈 입력이 있으므로 제거해야 합니다.
2) 모델의 훈련 매개변수를 변경합니다. 뉴런의 경우 Decay 매개변수(학습 속도 저하)로 이 문제를 해결했는데 이 매개변수를 사용한 전면 테스트의 결과가 덜 흩어졌습니다. 숲을 어떻게 해야할지 모르겠어
3) 모델 위원회를 만든다. 많은 모델을 훈련하고, 모든 모델에 대해 전면 테스트를 수행하고, 대다수가 말하는 결과를 가져옵니다.
4) 학습 프로세스에서 교차 검증을 수행한 다음 동일한 데이터에 대해 여러 번 반복하고 결과의 산포가 얼마나 큰지 확인하고 산포가 작은 모델 및 예측 변수 선택
이것이 지금 마음에 떠오른 것이지만 이것이 가능한 문제의 한계가 아닙니다.
아이디어를 개발하십시오. 더 많은 데이터를 추가하십시오. 샘플에서 몇 년이 지나야 합니다. 그럼, 잘했어!