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
Wie hoch ist Ihre Rente? Ich war kürzlich bei Gosuservices und habe bis heute 17 Tonnen berechnet. Und es ist noch 5 Jahre entfernt, dank unseres Führers, der nie-nie-nie lügt! Na ja, wenn er schläft, lügt er bestimmt nicht ))) Man hofft also auf einen Vorsprung.
Wie hoch ist Ihre Rente? Ich war vor kurzem bei Gosuservices und habe bis heute 17 Tonnen berechnet. Und es ist noch 5 Jahre entfernt, dank unseres Führers, der nie-nie-nie lügt! Na ja, wenn er schläft, lügt er bestimmt nicht ))) Man hofft also auf einen Vorsprung.
Hallo, Raucher lebt, ja, das unsere, Rente verdrehen sie da wie sie wollen, akzeptieren keine Bestätigung auch nicht mit Stempeln, sind zufällig Zeugen ihrer Gespräche ... betrachten zu ihren Gunsten jeden Nick oder falschen Eintrag im Arbeitsbuch oder in der Gehaltsabrechnung, es gibt eine so taube Bürokratie, dass es besser ist, direkt vor Gericht zu gehen, und wenn es keine Abzüge bei der Rente gibt, reden sie gar nicht.
Und wie hoch ist Ihre Rente?
Die Menschen nehmen jetzt den kapitalgedeckten Teil ihrer Rente. Aber der ist für den Staat gespart worden, nicht für die Bürger. 10 Jahre lang hat der Staat dieses Geld umsonst benutzt.
Schauen Sie noch einmal nach, ob Sie die Preisdifferenz oder die Inkremente einspeisen - was wird besser sein als die Gesamtsumme oder nicht?
Ich werde mir das später selbst ansehen... (während andere Projekte in Arbeit sind), meiner Meinung nach, in diesem Ansatz die Summen werden ok sein, wenn ok zu unterbreiten.... )
irgendwo auf dem Forum einen Berater auf Mashka, die den Chat GPT gemacht
das Interessanteste ist, dass der Code analysiert die МАшка sowohl in Richtung der Erhöhung der Anzahl der Bars und es zu verringern.
Natürlich habe ich nicht versucht, dies in der Praxis aufgrund wiederholter Fiaskos bei der Verwendung von Indikatoren gelten, aber ich denke, es ist etwas in ihm.
---
TC stellte eine Frage zum Thema Handel auf MN1
Ich denke, dass die Idee eines solchen Handels aufgrund der anständigen Verzögerung der Indikatoren letztendlich darauf hinausläuft, die wirtschaftliche Situation und nicht das Chart zu analysieren.
Hallo, Raucher am Leben, ja, das ist unsere, Rente, da drehen sie, wie sie wollen, sie akzeptieren keine Bestätigung, auch nicht mit Stempeln, haben zufällig ihre Gespräche mitbekommen ... betrachten zu ihren Gunsten jeden Nick oder falschen Eintrag im Arbeitsbuch oder in der Gehaltsabrechnung, es gibt eine so taube Bürokratie, dass es besser ist, direkt vor Gericht zu gehen, und wenn es keine Abzüge bei der Rente gibt, reden sie gar nicht.
Problemstellung:
Es gibt eine grundlegende Handelsstrategie (TS). Sie gibt Signale, wir handeln, wir erhalten eine Renditekurve.
.
Für jedes Signal wissen wir:
Der Punkt ist, dass wir all diese Informationen in das neuronale Netz einspeisen. Dadurch erhält es mehr resultierenden Kontext. Zum Beispiel könnte es feststellen: "Eine Reihe von Geschäften, bei denen wir einen kleinen Gewinn gemacht haben, aber die Volatilität war rückläufig - das bedeutet, dass der Markt im Aufwind ist, es ist besser, nicht zu handeln".
Was lässt sich hypothetisch aus einer Abfolge von Trades extrahieren?Dem neuronalen Netz werden keine Marktdaten (Preise, Indikatoren, Volumina) zugeführt. Kann ein neuronales Netz, das ausschließlich auf die Abfolge dieser Ergebnisse trainiert wird, lernen, Signale zu filtern (nur diejenigen zu überspringen, die mit größerer Wahrscheinlichkeit profitabel sind) oder sogar die Richtung des nächsten Handels vorherzusagen? Dies ist eine offene Frage.
Serieneffekt: Viele Strategien neigen dazu, nach einer Reihe von Erfolgen/Misserfolgen zu "überhitzen" oder "abzukühlen". So kann beispielsweise nach drei Verlustgeschäften in Folge die Wahrscheinlichkeit eines gewinnbringenden Geschäfts steigen (aufgrund einer Rückkehr zum Durchschnitt) oder im Gegenteil sinken (wenn die Strategie auf dem aktuellen Markt gescheitert ist).
Zeitabhängigkeit: Wenn die Trades zeitabhängig sind, können Sie Intraday- oder Intra-Wochen-Muster erkennen: Eine Strategie macht zum Beispiel montags oft einen Verlust und mittwochs einen Gewinn. Das Netz ist in der Lage, dies zu lernen.
Volatilität der Ergebnisse: Die Höhe der Gewinne und Verluste kann ebenfalls geclustert werden: Auf Perioden mit hoher Volatilität (große Bewegungen) folgen Perioden der Ruhe. Das Netz kann lernen, nicht nur das Vorzeichen, sondern auch das ungefähre Ausmaß des Ergebnisses vorherzusagen.
Verhaltensmuster: Wenn eine Strategie Elemente enthält, die auf den Zustand des Kontos reagieren (z. B. Martingale), enthält die Abfolge der Ergebnisse Informationen über diesen Zustand.
Datenverteilungsfalle:
Wir müssen das Modell anhand der ungefilterten Transaktionshistorie der zugrunde liegenden Strategie trainieren. Wenn wir das Netzwerk auf Daten trainieren, die bereits einmal gefiltert wurden, tritt das Problem der Verteilungsverzerrung nach der Filterung auf. Gehen wir davon aus, dass wir das neuronale Netz auf alle Signale der Strategie (einschließlich Verlustsignale) trainiert haben. Nach dem Training beginnen wir, es im realen Handel einzusetzen: Jetzt werden einige Signale abgelehnt. Nur die Trades, die der Filter nicht berücksichtigt hat, werden in das Portfolio aufgenommen. Dementsprechend besteht die Historie der realen Ergebnisse, die wir im nächsten Moment am Filtereingang sehen, nicht aus allen Signalen, sondern nur aus den gefilterten. Die Verteilung dieser "Live"-Historie kann sich von der Trainingsstichprobe unterscheiden. Wenn der Filter beispielsweise gut darin ist, Verluste herauszufiltern, dann wird es in der realen Historie nur wenige Verlustgeschäfte geben, und das Eingabefenster für die Prognose wird hauptsächlich aus Gewinnen bestehen. Ein Modell, das auf eine Mischung aus Gewinnen und Verlusten trainiert wurde, könnte ein solches "schiefes" Fenster falsch interpretieren.
Damit das Schema korrekt ist, müssen wir daher zwei Konzepte unterscheiden: "Reales Konto" und "Virtuelle Überwachung".
Kurzes Schema:
Hintergrundmodus (Schattenmodus): Auch wenn das neuronale Netz bereits Trades filtert, sollte immer eine "Schatten"-Kopie der Basisstrategie laufen.
Input des neuronalen Netzes: Die Ergebnisse aus dem Virtuellen Journal (Rohdaten des zugrunde liegenden TS), nicht aus dem realen Konto, werden dem Input des neuronalen Netzes zugeführt.
Ausgang des neuronalen Netzes: Mit Blick auf den Zustand der Rohertragskurve entscheidet das neuronale Netz: "Jetzt ist die Basisstrategie in das Band der Misserfolge (oder Erfolge) eingetreten, so dass wir den Handel auf dem realen Konto überspringen (oder umdrehen)".
Der Punkt ist, dass wir all diese Informationen in das neuronale Netz einspeisen. Dadurch erhält es mehr resultierenden Kontext. Zum Beispiel könnte es feststellen: "Eine Reihe von Geschäften, bei denen wir einen kleinen Gewinn gemacht haben, aber die Volatilität war rückläufig - das bedeutet, dass der Markt im Aufwind ist, es ist besser, nicht zu handeln".
Dem neuronalen Netz werden keine Marktdaten (Preise, Indikatoren, Volumina) zugeführt. Kann ein neuronales Netz, das ausschließlich auf die Abfolge dieser Ergebnisse trainiert wird, lernen, Signale zu filtern (nur diejenigen auszulassen, die mit größerer Wahrscheinlichkeit profitabel sind) oder sogar die Richtung des nächsten Handels vorherzusagen?
Sicher - aber das ist alles noch Zukunftsmusik. Es wird ein reines Ausspähen sein. Es ist notwendig, nur das zu lernen, was vor dem Zeitpunkt der Eröffnung eines Geschäfts bekannt ist. Im realen Handel - woher soll man diese Parameter nehmen?
Ich stimme mit allem unten Geschriebenen überein.
Sicher - aber es ist alles aus der Zukunft. Das ist reine Spekulation. Es ist notwendig, nur das zu lernen, was vor dem Zeitpunkt der Eröffnung eines Handels bekannt ist. Im realen Handel - woher kommen diese Parameter?
Ich stimme mit allem unten Geschriebenen überein.
Nehmen wir an, wir handeln online mit einem trainierten Modell. Der Basis-TS gibt ein Einstiegssignal - wir sammeln die letzten Statistiken zu diesem Basis-TS (den letzten Abschluss oder mehrere Abschlüsse - dies sind die Informationen für das neuronale Netz).
Weiter - unser neuronales Netz, sagen wir mal, weigert sich, einen Abschluss zu eröffnen - wir lassen ihn aus. Aber für den Basis-TS speichern wir das Ergebnis des aktuellen Handels (wenn er geschlossen wird). Und im nächsten Signal verwenden wir dieses Ergebnis als einzigen oder zusammengesetzten (aus mehreren Geschäften) Input für unser neuronales Netz.