다른 기호의 증분을 추가하는 것만으로 접근 방식이 작동하지 않는다면 결과가 개선되지 않습니다. 다른 기호가 없이도 작동한다면 변형이 있을 수 있습니다. 봇이 다중 통화로 계획된 경우. 또는 서로 다른 시세 사이의 공통점을 추론하고 싶지만 다른 접근 방식이 필요한 경우입니다.
저는 두 번째 변형을 사용합니다. 첫 번째는 즉시 회의감을 불러 일으켰기 때문에 시도하지 않았습니다. 나는 황소와 곰이 다르게 거래한다고 생각합니다. 같은 유로는 보통 빠르게 하락한 다음 천천히 상승합니다. 행동이 다르죠. 다른 칩도 중요해질 수 있습니다. 모델의 다른 하이퍼파라미터. 매수/매도 중 하나는 서로 다른 행동의 서로 다른 행동을 잘 결합하지 못할 것입니다. 그 사이에 무언가가 있을 것입니다.
저는 두 번째 변형을 사용합니다. 첫 번째는 즉시 회의감을 불러 일으켰기 때문에 시도하지 않았습니다. 나는 황소와 곰이 다르게 거래한다고 생각합니다. 같은 유로는 보통 빠르게 하락한 다음 천천히 상승합니다. 행동이 다르죠. 다른 칩도 중요해질 수 있습니다. 모델의 다른 하이퍼파라미터. 매수/매도 중 하나는 다른 행동의 다른 행동을 잘 결합하지 못할 것입니다. 그 중간이 될 것입니다.
직관적으로도 그렇게 보입니다. 그러나 메인 모델에서 예측한 방향과 상관없이 두 모델의 매수/매도 확률을 한 번에 얻을 수도 있습니다. 두 모델을 비교하고 추가로 확인하면 거래 개시 확률이 크게 달라집니다.
일반적으로 시장 성장/감소 예측을 확률의 형태로 이분법적으로 분류하면 이 문제를 해결할 수 있습니다.
0.5보다 큰 성장 확률은 거래 방향입니다.
예를 들어 0,8의 확률이 높으면 이길 확률이 됩니다.
그리고 메타 모델은 없습니다.
그러나 그것은 일반적인 경우에 해당하지만 일반적인 경우에 대해 이야기하는 것이 아니라는 것을 이해하므로 무엇이 무엇인지에 대한 용어를 명확히해야합니다.
트랜잭션의 방향을 예측합니다.
승리 확률을 예측합니다.
이 모든 것은 이전 글에서 여러 번 설명한 바 있습니다. 매수/매도에 대해 훈련된 첫 번째 모델은 새로운 데이터로 테스트됩니다. 잘못된 경우는 거래하지 않는 클래스에, 나머지는 거래하는 클래스에 넣습니다. 두 번째 분류기가 이에 대해 훈련됩니다. 두 가지 모델을 얻습니다. 하나는 방향을 예측하고 다른 하나는 거래 여부를 예측합니다. 하나의 모델을 통해 거래에 대한 임계값을 설정하면 유연성을 확보할 수 있습니다. 두 모델은 서로를 통해 개선될 수 있기 때문입니다. 지난 글에서 원래 방법을 설명했습니다. 그런 다음 수정된 로직으로 전환했습니다.
그건 그렇고, 이것은 분명히 다른 방식으로 서로를 통해 각각을 개선 할 수 있기 때문에 이것은 열린 질문입니다.
타임라인에 다른 내용이 있나요? )
다른 통화쌍의 증분을 고려하면 어떨까요? 유용할까요?
다른 통화쌍의 증분을 고려한다면? 유용할까요?
다른 통화쌍의 증분을 고려한다면? 유용할까요?
"영향력"은 정성적인 특성입니다.
예측자와 대상 간의 관계 강도에 대한 정량적 측정이 필요합니다. 저는 이 포럼에 여러 번 글을 썼고, R 패키지를 참조했으며, 심지어 계산 결과를 인용하기도 했습니다.
다른 통화쌍을 기반으로 일부 예측 변수를 포함시키는 아이디어 자체가 꽤 효과가 있습니다.
추신. 전처리 단계에서 이러한 연결 척도를 사용하지 않는다면 MO에 대해 전혀 이야기해서는 안됩니다.
전처리가 "우리의 전부"라는 오래된 정보와 달리, 전처리와 후처리 모두 많은 연구가 진행되어 그 효과가 입증되었습니다.
예를 들어, 특징 학습 (또는 표현 학습)은 전처리와 관련이 있으며 다양한 작업에서 그 효과가 입증되었습니다.거래 방향을 예측하는 기본 모델과 당첨 확률(거래 또는 거래하지 않을 확률)을 예측하는 메타 모델로 구성된 하나의 이론적 TS로 가상의 상황을 제시해 보겠습니다:
첫 번째 모델을 기본 모델이라고 부르며, 피처 공간을 검은색 선으로 매수/매도로 나눕니다. 두 번째 모델은 전체 피처 공간을 거래/거래하지 않음(빨간색 선)으로 나누는 메타 모델입니다.
이제 두 개의 메타 모델이 있고 각 메타 모델이 매수/매도 클래스의 서로 다른 특징 공간을 거래/비거래로 개별적으로 나누는 또 다른 변형을 상상해 보겠습니다(빨간색 선 두 개).
순전히 이론적으로 생각해 볼 수 있는 질문은 두 번째 옵션이 더 나은지 여부입니다. 그리고 더 낫다면 그 이유는 무엇인가요. 의견을 말씀해 주세요.
그러한 "개입"의 효과를 어떻게 결정할 수 있는지에 대한 요청, 아마도 알렉세이 니콜라 예프에게조차도. 결국, 우리는 두 가지 메타 모델의 두 가지 확률 분포를 얻을 수 있으며,이를 코너별로 비교 / 평가 / 배포 할 수 있습니다.저는 두 번째 변형을 사용합니다. 첫 번째는 즉시 회의감을 불러 일으켰기 때문에 시도하지 않았습니다.
나는 황소와 곰이 다르게 거래한다고 생각합니다. 같은 유로는 보통 빠르게 하락한 다음 천천히 상승합니다. 행동이 다르죠. 다른 칩도 중요해질 수 있습니다. 모델의 다른 하이퍼파라미터. 매수/매도 중 하나는 서로 다른 행동의 서로 다른 행동을 잘 결합하지 못할 것입니다. 그 사이에 무언가가 있을 것입니다.
저는 두 번째 변형을 사용합니다. 첫 번째는 즉시 회의감을 불러 일으켰기 때문에 시도하지 않았습니다.
나는 황소와 곰이 다르게 거래한다고 생각합니다. 같은 유로는 보통 빠르게 하락한 다음 천천히 상승합니다. 행동이 다르죠. 다른 칩도 중요해질 수 있습니다. 모델의 다른 하이퍼파라미터. 매수/매도 중 하나는 다른 행동의 다른 행동을 잘 결합하지 못할 것입니다. 그 중간이 될 것입니다.
거래 방향을 예측한다는 것은 무엇을 의미하나요?
당첨 확률을 예측한다는 것은 무엇을 의미하나요?
너무 모호한 개념입니다...
일반적으로 시장의 성장/하락 예측을 확률의 형태로 이분법적으로 분류하면 이 문제를 해결할 수 있습니다.
성장 확률이 0,5 이상 - 이것이 거래의 방향입니다.
높은 확률, 예를 들어 0,8 - 이길 확률이 될 것입니다.
그리고 메타 모델이 아닙니다.
그러나 이것은 일반적인 경우이지만 일반적인 경우에 대해 이야기하는 것이 아니라는 것을 이해하므로 다음과 같은 용어를 명확히해야합니다.
거래의 방향을 예측합니다.
승리 확률을 예측합니다.
직관적으로도 그렇게 보입니다. 그러나 예측 방향에 관계없이 두 모델에서 한 번에 매수/매도 확률을 얻을 수도 있습니다. 이를 비교하고 추가로 확인하여 거래 개시에 대한 확률이 크게 다를 수 있습니다.
거래 방향 예측이라니 무슨 뜻인가요?
무슨 뜻인가요 - 당첨 확률을 예측합니다.
모호한 개념입니다.
일반적으로 시장 성장/감소 예측을 확률의 형태로 이분법적으로 분류하면 이 문제를 해결할 수 있습니다.
0.5보다 큰 성장 확률은 거래 방향입니다.
예를 들어 0,8의 확률이 높으면 이길 확률이 됩니다.
그리고 메타 모델은 없습니다.
그러나 그것은 일반적인 경우에 해당하지만 일반적인 경우에 대해 이야기하는 것이 아니라는 것을 이해하므로 무엇이 무엇인지에 대한 용어를 명확히해야합니다.
트랜잭션의 방향을 예측합니다.
승리 확률을 예측합니다.
이 모든 것은 이전 글에서 여러 번 설명한 바 있습니다. 매수/매도에 대해 훈련된 첫 번째 모델은 새로운 데이터로 테스트됩니다. 잘못된 경우는 거래하지 않는 클래스에, 나머지는 거래하는 클래스에 넣습니다. 두 번째 분류기가 이에 대해 훈련됩니다. 두 가지 모델을 얻습니다. 하나는 방향을 예측하고 다른 하나는 거래 여부를 예측합니다. 하나의 모델을 통해 거래에 대한 임계값을 설정하면 유연성을 확보할 수 있습니다. 두 모델은 서로를 통해 개선될 수 있기 때문입니다. 지난 글에서 원래 방법을 설명했습니다. 그런 다음 수정된 로직으로 전환했습니다.
그건 그렇고, 이것은 분명히 다른 방식으로 서로를 통해 각각을 개선 할 수 있기 때문에 이것은 열린 질문입니다.
그런 다음 비슷한 방식으로 수행하는 코줄 추론을 발견했습니다.