대화를 이어가세요. 참과 거짓을 구분할 때 중요한 것은 네트워크가 이러한 개념을 어떻게 분리하느냐가 아니라 미래에 어떻게 안정적으로 분리하느냐 하는 것입니다. 그리고 분리 자체가 중요한게 아니라 안정적인게 중요합니다. 안정적으로 배수되는 TS는 붓는 것만큼 만들기 어려운 부분에서 비롯됩니다. 예를 들어, 나는 이것을하고 전날의 거래량과 미결제약정에 따라 매일 네트워크를 훈련합니다. 그런 다음 3-4개의 신호에 대해 이렇게 모델을 구축합니다(때로는 신호를 반대 방향으로 돌림). 말하자면 시장에 따라 방향을 지정하고 짜잔 네트워크는 안정적으로 나쁜 것과 나쁜 것을 나눕니다. 좋은 것들. 여기서 가장 중요한 것은....
그리고 이것은 내가 당신과 동의하지 않는 부분입니다. :) 그래픽 방식이 공식화될 수 있고 공식화되어야 한다고 거의 확신합니다. 어떤 복잡성 때문에 성공한 사람의 95%와 5%로 나눌 수 있습니다. 그러나 증권 거래소에서 성공의 길이 있다면 그것은 바로 이 영역에 있습니다. 어쨌든 오류가 제거되지는 않지만 화면에 많이 표시됩니다. 그러나 항상 대체 시나리오가 있습니다. 그리고 좋은 소식은 모든 것이 정확하고 시기적절하게 인식된다면 약간의 (작은) 손실이 있더라도 이벤트 개발을 위한 대체 시나리오에 적응하는 것이 어렵지 않을 것입니다.
나는 또한 특정 순간부터 모든 수학적 (지표) 방법에 대해 매우 회의적이었다는 것을 덧붙이고 싶습니다. 그들은 구현의 단순성에 매료되지만, 그들의 무의미함은 이러한 단순성에 있습니다. 거래소 거래는 오랜 역사("고대"라고 할 수도 있음)를 가지고 있으며, 그 당시 누군가 앉아서 스토캐스틱과 RSI를 계산하고 있었던 것 같지는 않습니다. :) 하지만 차트에 선을 그리는 것은 쉽습니다. 그리고 모든 세대의 거래자들이 이에 대해 교육받고 교육을 받았다면 왜 갑자기 작동을 중단해야 합니까? 컴퓨터 기술의 출현으로 모든 것이 더 복잡하고 가속화되었으며 이제는 틱 움직임에서도 추세 채널을 볼 수 있습니다. 그러나 그것들이 여전히 존재한다는 사실은 그것들이 사용되어야 한다는 사실에 찬성합니다.
그래픽 방식에는 또 다른 주요 장점이 있습니다. 바로 목적을 보여줍니다! 그들은 가격이 어디에서 (보다 정확하게는 무엇을 위해) 노력하고 있는지 보여줍니다. 가격 움직임의 목표가 어디에 있는지 알면 방향에 대한 질문은 저절로 사라집니다.
블랙톰캣 : 그리고 이것은 내가 당신과 동의하지 않는 부분입니다. :) 그래픽 방식이 공식화될 수 있고 공식화되어야 한다고 거의 확신합니다. 어떤 복잡성 때문에 성공한 사람의 95%와 5%로 나눌 수 있습니다. 그러나 증권 거래소에서 성공의 길이 있다면 그것은 바로 이 영역에 있습니다. 어쨌든 오류가 제거되지는 않지만 화면에 많이 표시됩니다. 그러나 항상 대체 시나리오가 있습니다. 그리고 좋은 소식은 모든 것이 정확하고 시기적절하게 인식된다면 약간의 (작은) 손실이 있더라도 이벤트 개발을 위한 대체 시나리오에 적응하는 것이 어렵지 않을 것입니다.
목표 변수의 값은 예측 변수의 값과 시간적으로 일치할 수 없습니다. 즉: 목표 변수의 값은 뒤로 이동해야 합니다. 1이면 1보 전 예측, 10이면 10보 전 예측입니다.
대상 변수인 교사는 앞을 내다보아야 합니다.
이러한 상황을 설명하기 위해 여기 분기에 아이디어가 표현되었는데, 이는 예측 변수와 관련하여 대상 변수의 리드의 뉘앙스를 보다 명확하게 강조합니다.
의미는 이것이다. 우리는 예를 들어 자동차를 교대로 돌립니다. 우리는 역사의 이러한 반전에서 앞으로 나아가 과거에 고려된 반전을 표시합니다. 그 후 가격은 특정 수의 핍(예: 100)만큼 변경 되었습니다. 발견됨. 우리는 다음 반전을 취하고 100핍의 변화를 찾아 교사를 형성합니다. 이 아이디어는 대상 변수의 형성에 대한 바로 그 접근 방식을 매우 볼록하게 보여줍니다. 대상 변수는 과거 데이터에서 상당히 실현 가능한 "미리 내다보기"를 구현해야 합니다. 모델 예측은 예측 문을 사용하지 않고 대상 변수에 의해 제공됩니다.
이 아이디어에는 또 다른 중요한 뉘앙스가 있습니다. 우리가 예측하는 것은 매우 분명합니다. 우리는 100핍의 미래 가격 상승/하락을 예측하고 있습니다. 예를 들어, 이것은 교사가 무릎을 위로 올리면 "1"이고 무릎을 아래로 내리면 "0"으로 레이블이 지정된 33과 유리하게 비교됩니다. 그것에 대해 생각한다면 우리는 무엇을 예측하고 있습니까?
따라서 대상 변수에 대한 요구 사항은 다음과 같습니다.
1. 대상 변수는 앞을 내다보아야 합니다.
2. 우리가 예측하는 것에 대한 명확한 이해가 있어야 합니다.
명백한 생각처럼 보이지만 실제로는 구현할 수 없습니다. 부츠가 빡빡하거나 다른 것이 방해가됩니다 ..
모델이 선택된 데이터에 대한 평가가 수행된다면 모델은 가치가 없습니다. 모델이 훈련되지 않은 데이터의 기간일지라도.
그것에 대해 생각해보십시오.
1) 재교육이 있습니다. 이것은 훈련 데이터의 모델을 거의 이상적인 상태로 따라잡을 때입니다. 다른 데이터에는 일반화 능력과 배수가 없습니다.
그리고 2) 선택 편향(낙관적 모델 선택)이 있습니다. 이것은 모델의 행동이 이미 알려진 데이터에 대해 최상의 모델 또는 위원회가 선택되는 경우입니다. 그리고 다시 한 번 - 이것이 테스트 세그먼트인 경우에도.
그런 현실이 나옵니다. 교차 검증 테스트 블록에 의해 선택된 과도하게 훈련되지 않은 모델(테스트에서 양성이 되도록)은 잠재적으로 TEST에 적합합니다. 이 효과를 줄이기 위해 중첩된 krlssvalidation을 고안했습니다. 이미 선택된 모델(또는 위원회)은 다른 데이터와 비교해야 합니다.
즉, 모델 선택 방법의 유효성 검사입니다.
다시 한 번, 나는 또한 수십 개의 모델을 가지고 있으며 예측 변수와 매개 변수도 휘젓습니다. 그리고 이 모델들은 각각 8년의 기간 동안 확실한 플러스가 됩니다! 그리고 이것은 테스트 기간입니다. 그러나 테스트에서 선택한 "가장 좋은"모델이 지연 샘플링으로 확인되면 놀라움이 있습니다. 그리고 이것을 - 교차 검증을 위해 모델이 조정됩니다.
이것을 이해하면 순수한 실험이 계속됩니다. 이것이 명확하지 않으면 실생활에서 품질이 여러 배로 떨어지는 것을 볼 수 있습니다. 99%의 경우에 관찰됩니다.
알렉세이!
제 생각에는 "교차 검증" 또는 "모델 위원회"와 같은 공식 도구의 중요성을 과대평가하고 있습니다.
모델을 개발할 때 학습 프로세스와 관련이 없는 평가 기준이 있어야 합니다.
기준은 다음과 같습니다.
1. 훈련 간격 BEHIND 시간 간격에 대한 모델 확인.
2. 모델을 사용하여 Expert Advisor의 테스터에서 실행합니다. 게다가 MM이 없는 고문은 가장 원시적이다. 정지하지 않고 이익을 취하는 등...
어느 시점에서든 훈련 중 결과와 매우 다른 결과가 얻어지면 모델은 과도하게 사용된 것입니다. 즉, 예측자는 대상 변수에 대한 예측 능력이 없습니다. 나열된 기준에는 수행할 작업, 변경 방법이 나와 있지 않습니다. 이 기준은 한 가지만 말합니다. 모델이 과도합니다.
추신.
MCL의 열렬한 지지자를 위해 이 스레드에서 논의된 모든 작업과 도구가 없으면 테스터는 거래 시스템의 미래 동작에 대해 이야기할 이유가 전혀 없습니다. 테스터는 "이 기간에 대한 결과는 다음과 같습니다."라고 말합니다. 모두. 테스터는 예를 들어 특정 역사적 기간을 나타내는 이익 요소와 같이 정확히 하나의 수치를 제공합니다. 그리고 통계는 R에서만 얻을 수 있습니다. 그리고 테스터는 모델 설계 의 마지막 부분이지만 전체 개발 프로세스를 대체하는 것은 아닙니다.
BP의 표현에서 가격을 포기할 필요가 있습니다. 이것은 시장의 경우 MO에 대한 가장 어리석은 표현입니다. 임호...
하지만 xs를 표현하는 방법 ..
1) 이 기간들 사이에 시차가 있습니까?
2) 규칙성이 사라지고 인식되어 많은 사람들이 그것을 악용하기 시작했습니다. 이 때문에 역 패턴으로 변합니다.
3) 이제 그래픽 방법을 사용하여 TS를 작업하고 있습니다. 제 생각에는 여전히 작업 패턴이 어디에나 있다면 여기에서만 가능합니다.
4) 이전 게시물에 대해서도 몇 가지 설명을 드리고자 합니다. 그곳에서 저는 일종의 개별 막대 분석을 거쳤습니다. 그러나 실제로는 그렇지 않습니다. 개별 막대의 분석은 존재할 권리가 있지만 이러한 핵심 막대는 일반적으로 상위 영역에 있지 않습니다.
1) 내가 기억하는 한, 아니, 사진이 처음 신선함이 아니라 더 이상 기억이 나지 않습니다.
2) 저만 그렇게 생각하는 것이 아니라서 다행입니다.
3) 나도.. 3틱만 멈추고 들어가도 50%의 경우 1k2, 1k5를 취하는데 수학적으로는 공식화 불가능해서 쓰레기임
4) 모든 것을 검색할 수 있어야 합니다.
그런 패턴도 눈에 띄기 때문에 다이버전스를 잘 프로그래밍할 줄 아는 사람이 있다면 그렇게 어렵지 않은 패턴을 구현해보고 테스트해볼 수 있다.
3) 나도.. 3틱만 멈추고 들어가도 50%의 경우 1k2, 1k5를 취하는데 수학적으로는 공식화 불가능해서 쓰레기임
그리고 이것은 내가 당신과 동의하지 않는 부분입니다. :) 그래픽 방식이 공식화될 수 있고 공식화되어야 한다고 거의 확신합니다. 어떤 복잡성 때문에 성공한 사람의 95%와 5%로 나눌 수 있습니다. 그러나 증권 거래소에서 성공의 길이 있다면 그것은 바로 이 영역에 있습니다. 어쨌든 오류가 제거되지는 않지만 화면에 많이 표시됩니다. 그러나 항상 대체 시나리오가 있습니다. 그리고 좋은 소식은 모든 것이 정확하고 시기적절하게 인식된다면 약간의 (작은) 손실이 있더라도 이벤트 개발을 위한 대체 시나리오에 적응하는 것이 어렵지 않을 것입니다.
여러 게시물이 하나의 중요한 세부 사항을 놓치기 때문에 링크를 만들지 않겠습니다.
목표 변수의 값은 예측 변수의 값과 시간적으로 일치할 수 없습니다. 즉: 목표 변수의 값은 뒤로 이동해야 합니다. 1이면 1보 전 예측, 10이면 10보 전 예측입니다.
대상 변수인 교사는 앞을 내다보아야 합니다.
이러한 상황을 설명하기 위해 여기 분기에 아이디어가 표현되었는데, 이는 예측 변수와 관련하여 대상 변수의 리드의 뉘앙스를 보다 명확하게 강조합니다.
의미는 이것이다. 우리는 예를 들어 자동차를 교대로 돌립니다. 우리는 역사의 이러한 반전에서 앞으로 나아가 과거에 고려된 반전을 표시합니다. 그 후 가격은 특정 수의 핍(예: 100)만큼 변경 되었습니다. 발견됨. 우리는 다음 반전을 취하고 100핍의 변화를 찾아 교사를 형성합니다. 이 아이디어는 대상 변수의 형성에 대한 바로 그 접근 방식을 매우 볼록하게 보여줍니다. 대상 변수는 과거 데이터에서 상당히 실현 가능한 "미리 내다보기"를 구현해야 합니다. 모델 예측은 예측 문을 사용하지 않고 대상 변수에 의해 제공됩니다.
이 아이디어에는 또 다른 중요한 뉘앙스가 있습니다. 우리가 예측하는 것은 매우 분명합니다. 우리는 100핍의 미래 가격 상승/하락을 예측하고 있습니다. 예를 들어, 이것은 교사가 무릎을 위로 올리면 "1"이고 무릎을 아래로 내리면 "0"으로 레이블이 지정된 33과 유리하게 비교됩니다. 그것에 대해 생각한다면 우리는 무엇을 예측하고 있습니까?
따라서 대상 변수에 대한 요구 사항은 다음과 같습니다.
1. 대상 변수는 앞을 내다보아야 합니다.
2. 우리가 예측하는 것에 대한 명확한 이해가 있어야 합니다.
명백한 생각처럼 보이지만 실제로는 구현할 수 없습니다. 부츠가 빡빡하거나 다른 것이 방해가됩니다 ..
추신.
내 요청에 따라 아이디어가 테스트되었지만 구현에 대한 예측 변수를 찾을 수 없었습니다.
나는 둘 다 당신에게 대답합니다.
알렉세이!
제 생각에는 "교차 검증" 또는 "모델 위원회"와 같은 공식 도구의 중요성을 과대평가하고 있습니다.
모델을 개발할 때 학습 프로세스와 관련이 없는 평가 기준이 있어야 합니다.
기준은 다음과 같습니다.
1. 훈련 간격 BEHIND 시간 간격에 대한 모델 확인.
2. 모델을 사용하여 Expert Advisor의 테스터에서 실행합니다. 게다가 MM이 없는 고문은 가장 원시적이다. 정지하지 않고 이익을 취하는 등...
어느 시점에서든 훈련 중 결과와 매우 다른 결과가 얻어지면 모델은 과도하게 사용된 것입니다. 즉, 예측자는 대상 변수에 대한 예측 능력이 없습니다. 나열된 기준에는 수행할 작업, 변경 방법이 나와 있지 않습니다. 이 기준은 한 가지만 말합니다. 모델이 과도합니다.
추신.
MCL의 열렬한 지지자를 위해 이 스레드에서 논의된 모든 작업과 도구가 없으면 테스터는 거래 시스템의 미래 동작에 대해 이야기할 이유가 전혀 없습니다. 테스터는 "이 기간에 대한 결과는 다음과 같습니다."라고 말합니다. 모두. 테스터는 예를 들어 특정 역사적 기간을 나타내는 이익 요소와 같이 정확히 하나의 수치를 제공합니다. 그리고 통계는 R에서만 얻을 수 있습니다. 그리고 테스터는 모델 설계 의 마지막 부분이지만 전체 개발 프로세스를 대체하는 것은 아닙니다.
그런 패턴도 눈에 띄기 때문에 다이버전스를 잘 프로그래밍할 줄 아는 사람이 있다면 그렇게 어렵지 않은 패턴을 구현해보고 테스트해볼 수 있다.
알렉세이!
1) 제 생각에는 "교차 검증" 또는 "모델 위원회"와 같은 공식 도구의 중요성을 과대평가하고 있습니다.
2) 테스터는 예를 들어 특정 역사적 기간을 나타내는 이익 요소와 같이 정확히 하나의 수치를 제공합니다. 그리고 통계는 R에서만 얻을 수 있습니다. 그리고 테스터는 모델 설계의 마지막 부분이지만 전체 개발 프로세스를 대체하는 것은 아닙니다.
남. 산산이치,
위원회에 대해 이야기 할 수 없습니다. 이것은 모델을 선택하는 과정에서 특별한 경우입니다. 유효성 검사에 대해 - 아니요, 과대 평가하지 않습니다.
2) MT는 통계 분포를 제공하지 않습니다.