이것은 분류 품질의 증가에 대한 경험적 평가입니다. 이 요소가 없으면 모든 것이 간단하고 비선형 다 요인 시스템의 상호 정보 및 결정이 안정적으로 작동하지 않습니다. 4-5%라는 수치는 물론 도그마가 아닙니다. 주어진 상품의 가격 역학 없이 "모든 시장"과 정보 흐름을 사용하여 특정 수평선에 대한 미래를 예측할 수 있다는 것을 이해해야 합니다. <5% 더 나쁘다. 즉, 주어진 자산 앞에서 분당 미래 증분을 예측할 확률(예: 70%)이 있는 경우 분석용 데이터에서 예측 가능한 시리즈의 가격을 제외하면 70 - (70- 50) * 0.5 = 69%, 거의 노이즈 차이 이내. 물론 이것은 시장뿐만 아니라 내부 정보 없이 전 세계 모든 시장의 실시간 데이터가 있는 경우입니다. 하나의 도구에 불과한 가격... 아아, 어떤 AI를 가지고 있든 그런 데이터로 시장을 이기는 것보다 터미네이터를 만드는 것이 더 쉽습니다.
알겠습니다.
성장을 업/다운으로 분류하지 않고 회귀 모델을 구축한다고 가정합니다. 따라서 R^2 또는 다른 결정론적 메트릭(예: 강력한 절대 편차 메트릭)이 매우 적합합니다.
상호 정보와 관련하여 - 근거가 없거나 메트릭이 안정적으로 작동하지 않는다는 강력한 증거가 있습니까? 나는 의심한다.
업데이트: 저는 상호 정보를 사용하여 합성 데이터와 실제 데이터에 대해 많은 연구를 했습니다. 종속성이 고정적이면 메트릭은 모든 곳에서 잘 작동합니다. 종속성이 노이즈 직전인 경우 메트릭은 종속성이 0으로 표시될 수 있습니다. 그러나 일반적으로 예를 들어 F1보다 다차원 비선형 시스템에서 더 나쁘게 작동하는 이유를 알 수 없습니다. 여기에서 읽을 수 있습니다: https://habrahabr.ru/company/aligntechnology/blog/303750/
그러나 여전히 가격 변동 증분의 분류를 수행했을 때 다음 그림과 같은 결과를 얻었습니다.
즉, 최대 57%의 영역에서 50개의 지연된 샘플에 대한 평균 정확도 값 이상입니다. 개별 통화 쌍의 경우 60% 이상의 중앙 정확도를 달성했습니다. 이것은 시계열 데이터에만 해당됩니다.
1) 이것은 순진한 견해가 아닙니다. 검색 방향입니다. 그리고 반드시 신경망일 필요는 없습니다. 테제는 가격 시계열의 과거 값에서 실제 포워드 테스트 기간에 관계없이 수익성 있는(비용 극복) 거래에 충분한 정보를 추출할 수 있다는 것입니다.
나는 또한 이 주제에 대한 몇 개의 차트를 게시할 것입니다. 이제 나는 기사에 대한 자료를 준비하고 있습니다.
2) 추신: 개인적으로 재교육으로 이어지는 모든 요인과의 싸움을 고려하고 모델의 가장 보수적이고 신뢰할 수 있는 상태를 취하려고 시도하면 연간 30-40% 이상(최대 감소 25%)를 짜낼 수 없습니다. 그러나 이것은 이미 헤지 펀드의 중간 산출량을 초과합니다. 순전히 시계열에 대한 기술적 분석을 통해 장기적으로 얻은 다른 모든 우주적 이익은 거짓말입니다.
1) 물론, 당신은 모든 곳을 볼 필요가 있습니다. 방금 더 많은 정보를 사용하는 것이 좋습니다. 게다가 기존 거래자는 길을 잃을 수 없으며 기존 모델에 정보를 추가할 수만 있습니다.
2) 미국 헤지 펀드의 중간 수익률은 슬프게도 지수보다 낮습니다. 가장 가파른 펀드는 10년 동안 평균 15-20%에 불과하지만 모델은 2-3 미만의 급격한 *로 거래할 수 없으며, 물론, 거기에 용량은 $ 10 ^ 6-9, 계산에 따르면 모든 사람이 적어도 20-30 %를 가져야하지만 ....
1) 물론, 당신은 모든 곳을 볼 필요가 있습니다. 방금 더 많은 정보를 사용하는 것이 좋습니다. 게다가 기존 거래자는 길을 잃을 수 없으며 기존 모델에 정보를 추가할 수만 있습니다.
2) 미국 헤지 펀드의 중간 수익률은 슬프게도 지수보다 낮습니다. 가장 가파른 펀드는 10년 동안 평균 15-20%에 불과하지만 모델은 2-3 미만의 급격한 *로 거래할 수 없으며, 물론, 거기에 용량은 $ 10 ^ 6-9, 계산에 따르면 모든 사람이 적어도 20-30 %를 가져야하지만 ....
1) 네
2) 글쎄요... 하지만 이 샤프 2-3은 어떻게 계산되나요? 펀드는 이것이 실제 거래에 대한 Sharp의 실제 평가임을 보다 정확하게 결정하는 방법을 어떻게 고려합니까?
추신: 개인적으로 재교육으로 이어지는 모든 요인과의 싸움을 고려하고 모델의 가장 보수적이고 신뢰할 수 있는 상태를 취하려고 시도한 결과 연간 30-40% 이상(최대 25% 감소) 짜낼 수 없습니다. 그러나 이것은 이미 헤지 펀드의 중간 산출량을 초과합니다. 순전히 시계열에 대한 기술적 분석을 통해 장기적으로 얻을 수 있는 다른 모든 우주적 이익은 거짓말입니다.
형들 아이디어가 있다 확인해볼만 하다 예전에 가지고 있었는데 확인해보고 싶었는데 패키지 처리가 안되서 어쩐지 잊어버리고 버려서 JB 브랜치를 읽고 생각났어 그도 비슷한 일을 한 것으로 밝혀졌습니다. :)
우리는 교차 상관에 대해 이야기하고 있습니다. 하나의 VR이 다른 VR보다 얼마나 뒤쳐져 있는지, 그리고 그들 사이에 연결이 있는지 여부를 계산할 수 있습니다 ...
내 아이디어의 본질은 동시에 많은 수의 쌍을 모니터링하고 각 쌍을 서로 비교하고 일정 시간 동안 서로 뒤따르지만 어느 한 쪽이 한참 뒤처지는 그러한 쌍을 찾기 위해 상호 상관 행렬과 같은 것을 구축하는 것입니다. 시장에서 일시적인 것보다 더 영구적인 것은 없기 때문에 새로운 종속성이 나타날 때 즉시 알아차리고 동일한 종속성이 사라질 때 즉시 알아차리기 위해 각 새 막대에 대해 지속적으로 재계산을 수행해야 한다고 생각합니다. ..
예측 변수는 무엇이든 취할 수 있지만 가장 적합한 것은 쌍이라고 생각합니다. 시장 조성자가 자신의 상품 가격을 주도할 때 거의 항상 하나 또는 여러 개의 다른 상품에 초점을 맞추지만 고전적인 상품이기 때문입니다. 지표가 맞지 않을 것
동적으로 변화하는 예측 변수에 대해 신경망을 훈련시키려고 할 수도 있습니다. 모든 것은 환상에 의해서만 제한됩니다 ...
직접 구현하려고 하지만 지금은 다른 프로젝트로 바쁘고 시간을 낭비하고 싶지 않습니다.
P-ke ccf()의 표준 교차 상관 함수
예비 스펙트럼을 레벨로 분류한 다음 상호 상관 "wavemulcor"를 확인하는 고급 패키지를 사용하면 많은 VR을 동시에 비교할 수도 있습니다.
불행히도 이것은 실패입니다. 커플은 스스로 걷고 엔트로피는 또 다른 문제입니다. 이것은 더 흥미로울 것입니다.
이것은 분류 품질의 증가에 대한 경험적 평가입니다. 이 요소가 없으면 모든 것이 간단하고 비선형 다 요인 시스템의 상호 정보 및 결정이 안정적으로 작동하지 않습니다. 4-5%라는 수치는 물론 도그마가 아닙니다. 주어진 상품의 가격 역학 없이 "모든 시장"과 정보 흐름을 사용하여 특정 수평선에 대한 미래를 예측할 수 있다는 것을 이해해야 합니다. <5% 더 나쁘다. 즉, 주어진 자산 앞에서 분당 미래 증분을 예측할 확률(예: 70%)이 있는 경우 분석용 데이터에서 예측 가능한 시리즈의 가격을 제외하면 70 - (70- 50) * 0.5 = 69%, 거의 노이즈 차이 이내. 물론 이것은 시장뿐만 아니라 내부 정보 없이 전 세계 모든 시장의 실시간 데이터가 있는 경우입니다. 하나의 도구에 불과한 가격... 아아, 어떤 AI를 가지고 있든 그런 데이터로 시장을 이기는 것보다 터미네이터를 만드는 것이 더 쉽습니다.
알겠습니다.
성장을 업/다운으로 분류하지 않고 회귀 모델을 구축한다고 가정합니다. 따라서 R^2 또는 다른 결정론적 메트릭(예: 강력한 절대 편차 메트릭)이 매우 적합합니다.
상호 정보와 관련하여 - 근거가 없거나 메트릭이 안정적으로 작동하지 않는다는 강력한 증거가 있습니까? 나는 의심한다.
업데이트: 저는 상호 정보를 사용하여 합성 데이터와 실제 데이터에 대해 많은 연구를 했습니다. 종속성이 고정적이면 메트릭은 모든 곳에서 잘 작동합니다. 종속성이 노이즈 직전인 경우 메트릭은 종속성이 0으로 표시될 수 있습니다. 그러나 일반적으로 예를 들어 F1보다 다차원 비선형 시스템에서 더 나쁘게 작동하는 이유를 알 수 없습니다. 여기에서 읽을 수 있습니다: https://habrahabr.ru/company/aligntechnology/blog/303750/
그러나 여전히 가격 변동 증분의 분류를 수행했을 때 다음 그림과 같은 결과를 얻었습니다.
즉, 최대 57%의 영역에서 50개의 지연된 샘플에 대한 평균 정확도 값 이상입니다. 개별 통화 쌍의 경우 60% 이상의 중앙 정확도를 달성했습니다. 이것은 시계열 데이터에만 해당됩니다.
1) 이것은 순진한 견해가 아닙니다. 검색 방향입니다. 그리고 반드시 신경망일 필요는 없습니다. 테제는 가격 시계열의 과거 값에서 실제 포워드 테스트 기간에 관계없이 수익성 있는(비용 극복) 거래에 충분한 정보를 추출할 수 있다는 것입니다.
나는 또한 이 주제에 대한 몇 개의 차트를 게시할 것입니다. 이제 나는 기사에 대한 자료를 준비하고 있습니다.
2) 추신: 개인적으로 재교육으로 이어지는 모든 요인과의 싸움을 고려하고 모델의 가장 보수적이고 신뢰할 수 있는 상태를 취하려고 시도하면 연간 30-40% 이상(최대 감소 25%)를 짜낼 수 없습니다. 그러나 이것은 이미 헤지 펀드의 중간 산출량을 초과합니다. 순전히 시계열에 대한 기술적 분석을 통해 장기적으로 얻은 다른 모든 우주적 이익은 거짓말입니다.
1) 물론, 당신은 모든 곳을 볼 필요가 있습니다. 방금 더 많은 정보를 사용하는 것이 좋습니다. 게다가 기존 거래자는 길을 잃을 수 없으며 기존 모델에 정보를 추가할 수만 있습니다.
2) 미국 헤지 펀드의 중간 수익률은 슬프게도 지수보다 낮습니다. 가장 가파른 펀드는 10년 동안 평균 15-20%에 불과하지만 모델은 2-3 미만의 급격한 *로 거래할 수 없으며, 물론, 거기에 용량은 $ 10 ^ 6-9, 계산에 따르면 모든 사람이 적어도 20-30 %를 가져야하지만 ....
1) 물론, 당신은 모든 곳을 볼 필요가 있습니다. 방금 더 많은 정보를 사용하는 것이 좋습니다. 게다가 기존 거래자는 길을 잃을 수 없으며 기존 모델에 정보를 추가할 수만 있습니다.
2) 미국 헤지 펀드의 중간 수익률은 슬프게도 지수보다 낮습니다. 가장 가파른 펀드는 10년 동안 평균 15-20%에 불과하지만 모델은 2-3 미만의 급격한 *로 거래할 수 없으며, 물론, 거기에 용량은 $ 10 ^ 6-9, 계산에 따르면 모든 사람이 적어도 20-30 %를 가져야하지만 ....
1) 네
2) 글쎄요... 하지만 이 샤프 2-3은 어떻게 계산되나요? 펀드는 이것이 실제 거래에 대한 Sharp의 실제 평가임을 보다 정확하게 결정하는 방법을 어떻게 고려합니까?
추신: 개인적으로 재교육으로 이어지는 모든 요인과의 싸움을 고려하고 모델의 가장 보수적이고 신뢰할 수 있는 상태를 취하려고 시도한 결과 연간 30-40% 이상(최대 25% 감소) 짜낼 수 없습니다. 그러나 이것은 이미 헤지 펀드의 중간 산출량을 초과합니다. 순전히 시계열에 대한 기술적 분석을 통해 장기적으로 얻을 수 있는 다른 모든 우주적 이익은 거짓말입니다.
))) 스마일!
어떤 레버리지로 연간 30-40%를 벌고 있습니까?
))) 스마일!
어떤 레버리지로 연간 30-40%를 벌고 있습니까?
보증금의 최대 적재량은 10%(1:10)입니다.
글쎄, 나는 예약을 할 것이다. 때때로 나는 그들이 몇 년 동안 어떻게 더 많은 일을 했는지에 대한 예를 보았다. 그러나 그것은 패이거나 파울 직전의 무승부였습니다.
보증금의 최대 적재량은 10%(1:10)입니다.
글쎄, 나는 예약을 할 것이다. 때때로 나는 그들이 몇 년 동안 어떻게 더 많은 일을 했는지에 대한 예를 보았다. 그러나 그것은 패이거나 파울 직전의 무승부였습니다.
형들 아이디어가 있다 확인해볼만 하다 예전에 가지고 있었는데 확인해보고 싶었는데 패키지 처리가 안되서 어쩐지 잊어버리고 버려서 JB 브랜치를 읽고 생각났어 그도 비슷한 일을 한 것으로 밝혀졌습니다. :)
우리는 교차 상관에 대해 이야기하고 있습니다. 하나의 VR이 다른 VR보다 얼마나 뒤쳐져 있는지, 그리고 그들 사이에 연결이 있는지 여부를 계산할 수 있습니다 ...
내 아이디어의 본질은 동시에 많은 수의 쌍을 모니터링하고 각 쌍을 서로 비교하고 일정 시간 동안 서로 뒤따르지만 어느 한 쪽이 한참 뒤처지는 그러한 쌍을 찾기 위해 상호 상관 행렬과 같은 것을 구축하는 것입니다. 시장에서 일시적인 것보다 더 영구적인 것은 없기 때문에 새로운 종속성이 나타날 때 즉시 알아차리고 동일한 종속성이 사라질 때 즉시 알아차리기 위해 각 새 막대에 대해 지속적으로 재계산을 수행해야 한다고 생각합니다. ..
예측 변수는 무엇이든 취할 수 있지만 가장 적합한 것은 쌍이라고 생각합니다. 시장 조성자가 자신의 상품 가격을 주도할 때 거의 항상 하나 또는 여러 개의 다른 상품에 초점을 맞추지만 고전적인 상품이기 때문입니다. 지표가 맞지 않을 것
동적으로 변화하는 예측 변수에 대해 신경망을 훈련시키려고 할 수도 있습니다. 모든 것은 환상에 의해서만 제한됩니다 ...
직접 구현하려고 하지만 지금은 다른 프로젝트로 바쁘고 시간을 낭비하고 싶지 않습니다.
P-ke ccf()의 표준 교차 상관 함수
예비 스펙트럼을 레벨로 분류한 다음 상호 상관 "wavemulcor"를 확인하는 고급 패키지를 사용하면 많은 VR을 동시에 비교할 수도 있습니다.
보증금을 넣는 것이 아니라 레버리지에 대해 이야기하는 것입니다. 어떤 레버리지로 이러한 연간 30-40%를 벌 수 있습니까?
오, 어깨가 무엇인지 이해하지 못하는 것 같습니다. 대괄호 1:10에 레버리지를 표시했습니다(시장에 여러 거래가 있는 경우).
10%는 보증금의 로딩입니다.
$1,000의 예치금이 있는 경우 10%로 로드하면 $100에 거래가 시작됩니다.
그리고 이제 ATTENTION, 브로커/주방이 제공하는 레버리지에 따라 $10,000(1:100), $5,000(1:50), $20,000(1:200) 등 다양한 로트를 구매할 수 있습니다.
추신 요커니바베이 ........