트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 1215

[Maxim Dmitrievsky]

이고르 마카누 :

예, 이것이 MO의 작업을 단순화하는 방법이라고 말하고 있습니다. 이제야 할 수 있습니다. 모든 것이 검색되고 모든 것이 작동합니다. MQL 개발 초기에 Yu, Reshetov의 예가 있었지만 기본 요소가 있습니다. , 하지만 )))

알고리즘을 끝까지 핥고 이미 RL로 이 주제를 끝내는 것이 남아 있습니다 :) 파이썬에서는 더 높은 분류 품질로 인해 모델 품질의 일부를 짜낼 수 있습니다.

Tesla에 정맥류의 흉상을 던져 ..하지만 지옥을 많이

[Maxim Dmitrievsky]

마틴 체게바라 :

내 주식 차트는 무작위가 아니며 매우 유익합니다(확인해야 함). 평평한 추세를 구별하는 방법을 배웠습니다.

거래가 켜져 있습니다. 그러나 효율성을 개선해야 합니다.

주식 차트는 어디에 있습니까?

[mytarmailS]

마틴 체게바라 :
검색 엔진 google yandex를 통해 페이지 분석을 첨부하겠습니다.

그래서 왜 이러는거야?

[Igor Makanu]

막심 드미트리예프스키 :

알고리즘을 끝까지 핥고 이미 RL로 이 주제를 끝내는 것이 남아 있습니다 :) 파이썬에서는 더 높은 분류 품질로 인해 모델 품질의 일부를 짜낼 수 있습니다.

Tesla에 정맥류 흉상을 던지고 ..하지만 많은 일을하십시오.

어제 VS2017에서 두어 번 찔렀습니다. Python이 거기에서 작동하고 모든 것이 별도의 Windows 형식으로 조립됩니다. IronPython 2.7만 있습니다. 거기에 무엇이 있는지 알아내야 하지만 모든 것을 도킹할 수 있다고 생각합니다. 문제없이 MT5로

[Ivan Negreshniy]

마틴 체게바라 :

네, 저는 왜 스스로 무언가를 만드는지 생각했습니다. 저는 두 변수의 인과 관계에 관심이 있습니다. 제 프로그램은 이미 Apache Lucene, JSOUP, JSON의 도움으로 문서의 그림에서 텍스트를 인식하는 방법을 알고 있습니다. Apache POI 등(이것은 그래픽 객체에서 인식된 정보가 인덱싱되는 정보 매트릭스(분산 데이터베이스에 저장)가 수반됨) 방법을 모를 경우 데이터를 변환할 사이트를 찾습니다. 인식할 수 있는 형식 또는 가능한 경우 원하는 형식으로 변환됩니다.

요점은 내가 바퀴를 재발명하고 싶지 않다는 것입니다... 두 가지 입력 변수(주식 데이터와 추세 표시기)를 사용하여 빠르게 학습할 수 있는 신경망을 찾기만 하면 됩니다.

(Java EE 개발 경력 약 5년, 이미 구현된 프로젝트가 많습니다).

나는 시장 거래 에 뉴런 을 연결 하려고 하지도 않습니다 . 이것은 현재로서는 필요하지 않으며 불가능할 가능성이 높으며, 지금까지 지속적으로 수익을 내는 신경망을 구현한 적이 한 번도 없었습니다.

내 주식 차트는 무작위가 아니며 매우 유익합니다(확인해야 함). 평평한 추세를 구별하는 방법을 배웠습니다.

거래가 켜져 있습니다. 그러나 더 많은 효율성이 필요합니다.

테스터에서 거래 결과를 기반으로 한 교육으로 기성품 Expert Advisors의 효율성을 향상시키기 위해 뉴로 필터를 생성하는 주제를 다룬 적이 있으며 몇 가지 개발 사항이 있지만 현재로서는 다음 영역에 관심이 있습니다. 귀하의 경험에 비추어 볼 때 다양한 유형의 문서, 앨범 등의 아카이브에 대한 구문 분석, 인식, 인덱싱 측면에서 이 게시물이 트롤링이 아닌 경우 상호 유익한 협력을 찾고 개인적으로 작성할 수 있습니다.

[Кеша Рутов]

Alexander_K :

아아 얘들아...

일부 Kesha는 이미 당신의 구세주가되었습니다 ... 태어나지 않고 물리학과 수학을 몰랐던 San Sanych의 손자이자 충실한 추종자 ...

수익률은 펀더멘털의 기초입니다. 가격은 수익률에 필수적인 요소일 뿐 그 이상은 아니기 때문입니다.

리턴은 모멘텀이고 스토캐스틱, 맥덕, 지그재그 등이 있습니다. 당신은 자신을 제한할 필요가 없습니다 tecrophytes를 사용하십시오. 그들에게는 하나의 연속 수학 만 있습니다. 이것은 또 다른 차원 인 추상화입니다. .

[Maxim Dmitrievsky]

케샤 루트 :

리턴은 모멘텀이고 스토캐스틱, 맥덕, 지그재그 등이 있습니다. 자신을 제한할 필요가 없습니다. 신에 의해 작은 것들처럼, 매체에 "quantum from wall street"와 같은 일종의 삼촌은 충분한 수익이 있고 모두가 그와 동의한다는 것을 조각합니다. 음, quants 및 stop loss는 tecrophytes를 사용하지 않습니다. 그들에게는 오직 하나의 연속적인 수학이 있습니다. 이것은 또 다른 차원인 추상화입니다.

Alyoshenka의 형제는 부정적인 오류로 수익을 예측하면서 우리를 잘못된 길로 인도했지만 도망갔습니다.

[mytarmailS]

예측 가능성 지표에 대한 흥미로운 질문이 제기되었습니다. https://stats.stackexchange.com/questions/126829/how-to-determine-forecastability-of-time-series

X 이것이 우리 목적에 얼마나 중요한지, 얼마나 영향을 미치는지 알 수 있지만 데이터 창 크기에 대한 "특정 예측력"의 의존성을 확인하기 위해 몇 줄의 코드를 작성하는 것은 아닙니다.

그래서 나는 4개의 다른 가격(반품)을 취하고 각 조각에 대해 창 크기에 대한 "예측력"의 의존성을 확인했습니다.

그림에서. x1은 예측력, x2는 창의 데이터 포인트 수

결과 :

1) 예측을 위해 고정된 창을 사용하는 것은 최적이 아닙니다.

2) 최적의 예측 창은 항상 "유동"

코드:

х <- my_price
q <- 10 : 500
ma <- matrix(nrow = 0 ,ncol = 2 )
for (i in q) {
  
  x1 <- ForeCA::Omega(  tail(diff(x),i) ,spectrum.control = list(method = "wosa" ))[ 1 ] 
  x2 <- i
  d <- cbind(x2,x1)
  ma <- rbind(ma,d)
}
plot(ma,t= "l" ,main = max(ma[, 2 ]))


где х  - это цена

[Yuriy Asaulenko]

mytarmailS :

예측 가능성 측정항목에 대한 흥미로운 질문이 제기됨

X 이것이 우리 목적에 얼마나 중요한지, 얼마나 영향을 미치는지 알 수 있지만 데이터 창 크기에 대한 "특정 예측력"의 의존성을 확인하기 위해 몇 줄의 코드를 작성하는 것은 아닙니다.

결과 :

1) 예측을 위해 고정된 창을 사용하는 것은 최적이 아닙니다.

2) 최적의 예측 창은 항상 "유동"

결과. '100점 이상 예측은 무의미하다.

[mytarmailS]

유리 아사울렌코 :

결과. '100점 이상 예측은 무의미하다.

아니, 정해진 기간을 두는 것은 말이 안 된다.