cnt<-function(x){
n <- 1:(length(x)-1)
cnt <- 0for(i in n) {if(x[i]!=x[i+1]) {cnt<-cnt+1}}
return(cnt)
}
cnt1 <- function(x){
length(rle(c(x))$values)
}
sig <- rep(c(1,1,1,-1,-1,-1), 3000)
bench::workout({
c <- cnt(sig)
c1 <- cnt1(sig)
})
# A tibble: 2 x 3
exprs process real
<bch:expr> <bch:tm> <bch:tm>
1 c <- cnt(sig) 15.6 ms 9.21 ms
2 c1 <- cnt1(sig) 01.15 ms
トレードの回数は、ここでは数える必要がないと思うんです。各取引からスプレッドと手数料を差し引くだけです。そういうことなんです。
然うは問屋が卸さない
はい、あなたの方が正しいです。
いいえ）あなたの方が正しいです
先に」開封された案件（開封が我々のベクトルに 合わなかった）であるため
ということは、委託が "先に "撤回されたことになる。が、現在のベクトルにはない
でも、これは細かいことですが......。
2時間の時間のある方
2時間の時間がある人向け
どんな内容ですか？
2時間のお時間をお持ちの方
若い人たちの脳に、彼の分裂病的な空想と間違った結論を詰め込む。
いいえ）あなたの方が正しいです
というのも、「先に」開封された案件（開封が我々のベクトルに 合わなかった）。
ということは、委託が "先に "撤回されたことになる。が、現在のベクトルにはない
が、これらは些細なことです。
これらは、2つのことを除けば、本当に些細なことです。1つ目は、実行のスピード です。
cnt<-function(x){ n <- 1:(length(x)-1) cnt <- 0 for(i in n) {if(x[i]!=x[i+1]) {cnt<-cnt+1}} return(cnt) } cnt1 <- function(x){ length(rle(c(x))$values) } sig <- rep(c(1,1,1,-1,-1,-1), 3000) bench::workout({ c <- cnt(sig) c1 <- cnt1(sig) }) # A tibble: 2 x 3 exprs process real <bch:expr> <bch:tm> <bch:tm> 1 c <- cnt(sig) 15.6 ms 9.21 ms 2 c1 <- cnt1(sig) 0 1.15 ms2枚目は15倍の速さです。ましてや、何万回も呼び出されるフィットネス関数に関わるとなると、かなりの時間的ロスが発生することになる。
2点目。買い/売り/ホールドの2つの条件があればすべてうまくいきますが、TSは原則として、買い/売り/ホールド（1、-1、0）の3つのシグナルを生成します。そして、2番目のオプションが機能しない。そして、若干の修正を加えた第1弾のバリエーション
最初のバリエーションは正しい結果を示し（遅いですが）、2番目のバリエーションはポジションからの退出をディールと見なしますが、これは間違っています。
これらは、2つのことを考えなければ、本当に小さなことなのです。1つ目は、実行のスピードです。
全く同感です...。
ネットワークやフォレストをフィットネス関数で学習させる方法はあるのでしょうか？まるっきり同意
ネットワークや足場をフィットネス関数で学習させる方法はありますか？フィットネス関数は、最適化の過程で最適化基準の 値を計算する。モデルトレーニングとは関係ない。
metaqのcatbust multiclassに "no trading "を追加する必要があります。
戦略の幅が広がる
フィットネス機能にバランス計算とコミッション機能を追加して...。
手数料を節約するために、取引回数を最小限に抑えようとするアルゴリズムになったのでは...。その結果、トレード数が少なくなり、経験値も少なくなる...。
これはチャートですが、トレードが少ないときは学習がうまくいかないことがよくわかりますね...。
グレーはTRAIN 1500 pips
黒はTEST500点
これは取引回数が少なく、アルゴは何も学習せず、非常に低頻度です......。
2日前にエントリーポイントがわかるのは楽しいですね ))
しかし、常に再教育する方が良いのでしょう、まだ全部をテストする方法はわかりません。