Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2042
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Übrigens, kennen Sie einen Generator, der zufällig eine Zahl aus einem Array ohne Wiederholungen ausgibt - das ist genau das, was ich brauche.
Sie sollten in den Generator mit einer Bedingung, um zu überprüfen, ob es eine nächste zufällige und durch die Art und Weise die Qualität des Generators wird sofort sichtbar sein.
Ich habe mehr Bäume bekommen, ziemlich gut - bei der Prüfungsprobe beträgt die Genauigkeit mehr als 60 %.
Es stellt sich heraus, alle die gleiche Zeit der Suche nach dem Handel, Haltestellen und Ausfahrt sind miteinander verflochten, was logisch ist - wenn der Handel bereits lang ist, sind Haltestellen nicht ausgeschlagen, wahrscheinlich aus der Tatsache, dass sie groß sind...
Soll ich die Modelle anbringen?
Ja, bringen Sie sie an.
Ich würde erwarten, dass es vom Tag der Woche, der Stunde des Einstiegs, dem SL und dem TP abhängt.
Wir sollten das System bis zur Beendigung der Zeit im Tester laufen lassen und sehen, was passiert. Die Ausstiegszeit und die Dauer sind zwar indirekte Parameter und werden erst bekannt, wenn der SL oder TP auslöst. Wir müssten mit Gewalt vorgehen.
Nochmals.
Um eine Zeitreihe vorherzusagen, sind nach Kolmogorow 2 Dinge erforderlich:
1. Erwartung = const
2. der ACF ist ungleich 0.
"Weißes Rauschen", "Münzen" usw. sind im Prinzip nicht vorhersehbar, da ihr ACF = 0 ist.
Wir haben das große Glück, dass der ACF der Marktzeitreiheninkremente nicht gleich 0 ist. So lassen sich die Inkremente vorhersagen.
Aberwir haben kein Glück mit der 1. Bedingung"erwartete Auszahlung = const". Der Mittelwert der Inkremente in einer beliebigen Stichprobe auf der Standard-TF "schwimmt" sehr stark im Verhältnis zu 0.
Fazit: Die BP-Vorverarbeitung (Ausdünnung) ist notwendig, um eine minimale Varianz der Erwartung relativ zu 0 zu erhalten. Dann steigt die Chance, einen profitablen TS auf der Grundlage der Vorhersage des nächsten Inkrements (nicht des Preises!) zu machen, um ein Vielfaches.
Das war's.
Nochmals.
Um eine Zeitreihe vorherzusagen, sind nach Kolmogorow 2 Dinge erforderlich:
1. Erwartung = const
2. der ACF ist ungleich 0.
"Weißes Rauschen", "Münzen" usw. sind im Prinzip nicht vorhersehbar, da ihr ACF = 0 ist.
Wir haben das große Glück, dass der ACF der Marktzeitreiheninkremente nicht gleich 0 ist. So lassen sich die Inkremente vorhersagen.
Aberwir haben kein Glück mit der 1. Bedingung"erwartete Auszahlung = const". Die durchschnittlichen Inkremente in jeder Probe auf der Standard-TF sind sehr "fließend" im Verhältnis zu 0.
Fazit: Die BP-Vorverarbeitung (Ausdünnung) ist notwendig, um eine minimale Varianz der Erwartung relativ zu 0 zu erhalten. Dann steigt die Chance, einen profitablen TS auf der Grundlage der Vorhersage des nächsten Inkrements (nicht des Preises!) zu machen, um ein Vielfaches.
Alles.
Offensichtlich sind diese Überlegungen besser in einem anderen Thema aufgehoben. MO und NS sind ein wenig weit vom Thema der Strategielogik entfernt. Die heutige Praxis besteht darin, die Geschichte der Pakete zu trainieren und das Ergebnis auf realen Daten zu betrachten.
Was das Thema betrifft, so bin ich mit der Bedingung der statischen Erwartung nicht einverstanden. Wenn die Matrix die Reihe mit weniger Fehlern beschreibt, dann ist die Reihe stabil und gleichzeitig ist die mathematische Erwartung nicht immer statisch oder mehr als nötig. Es kann auch weniger sein, aber das mathematische Modell kann es mit einem minimalen Fehler beschreiben.
Offensichtlich sind diese Überlegungen besser in einem anderen Thema aufgehoben. IO und NS sind ein wenig weit vom Thema der Strategielogik entfernt. heute die Praxis, aus der Paketgeschichte zu lernen und das Ergebnis auf realen Daten zu betrachten.
Was das Thema betrifft, so bin ich mit der Bedingung der statischen Erwartung nicht einverstanden. Wenn die Matrix die Reihe mit weniger Fehlern beschreibt, dann ist die Reihe stabil und gleichzeitig ist die mathematische Erwartung nicht immer statisch oder mehr als nötig. Es kann weniger sein, aber das mathematische Modell kann es mit minimalem Fehler beschreiben.
Ich tauche hier nur selten auf und möchte nichts diskutieren.
Ich sage, wie es ist. Kein super-engineered Neuronet kann den Standarddatensatz der Standard-TFs (M1, H1, ...) verarbeiten. Es ist ein Axiom.
Nur die Vorverarbeitung von BP-Inkrementen kann den Weg zum Gral weisen. Amen.
Ich komme nicht oft hierher und möchte nichts diskutieren.
Ich sage nur, wie es ist. Kein super-engineered neuronales Netz kann den Standarddatensatz der Standard-TFs (M1, H1, ...) verarbeiten. Es ist ein Axiom.
Nur die Vorverarbeitung von BP-Inkrementen kann den Weg zum Gral weisen. Amen.
Es wird funktionieren, aber die Genauigkeit wird bei 60-70% liegen. Für die Zeitrahmen H, H4 und D ist es ausreichend
Hmm ... Ich werde einen Blick darauf werfen. Ich habe noch nicht mit höheren Zeitrahmen als M15 gearbeitet...
Ja, bringen Sie es an.
Ich würde erwarten, dass es vom Wochentag des Einstiegs, der Stunde des Einstiegs, dem SL und dem TP abhängt.
Wir sollten das System bis zur Exit-Zeit im Tester laufen lassen und sehen, was passiert. Die Ausstiegszeit und die Dauer sind zwar indirekte Parameter und werden erst bekannt, wenn der SL oder TP auslöst. Wir müssen mit roher Gewalt vorgehen.
Das Experiment hat also im Wesentlichen die Regel "Verluste begrenzen und Gewinne fließen lassen" bestätigt.
Das Modell ist beigefügt.
Hmm ... Ich werde es mir ansehen. Ich habe noch nicht mit TF über M15 gearbeitet...
Das Experiment bestätigte also im Wesentlichen die Regel "Verluste eindämmen und Gewinne laufen lassen".
Modell beigefügt.
Norm
die Verluste sind etwas geringer