트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 145

새 코멘트
 
알렉세이 버나코프 :

이것은 큰 문제입니다. 이것은 학습을 저하시키지 않고는 거의 해결할 수 없는 것입니다.
여기서 요점은 과거를 더 많이 들여다볼수록 주변 관찰이 더 의존적이라는 것입니다.

기계에 Non-Thinned 관찰을 제공하면 가장 중요한 것, 즉 관찰의 독립성에 대한 요구 사항을 잃게 됩니다. 그 후에는 훈련이 극도로 부적절할 것입니다. 그리고 통계가 작동하지 않습니다.

그리고 이를 피하기 위해서는 과거를 최대한 바라보는 시차가 관측치를 가늘게 하는 단계 이하가 되도록 관측치를 엷게 할 필요가 있다. 그리고 이것은 무엇으로 이어질까요? 훈련을 위한 샘플 크기가 100배 감소합니다.

여기에 타협이 필요합니다. 엿보기의 깊이 대 샘플의 예 수.

나는 그 문제에 동의합니다. 나는 몇 주 동안 그것에 대해 회색으로 생각했습니다 ...

이는 과거를 더 많이 들여다볼수록 주변 관찰이 더 의존적이라는 것을 의미합니다. ? 불분명...

그리고 엷게 하는 것에 대해 설명해주세요. 요점도 이해하지 못했다..

 
mytarmailS :

나는 그 문제에 동의합니다. 나는 몇 주 동안 그것에 대해 회색으로 생각했습니다 ...

이는 과거를 더 많이 들여다볼수록 주변 관찰이 더 의존적이라는 것을 의미합니다. ? 불분명...

그리고 엷게 하는 것에 대해 설명해주세요. 요점도 이해하지 못했다..

확인. 자신의 예에서.

시간상 인접한 두 막대에 대해 과거 가격의 거의 100% 동일한 히스토그램을 그릴 것입니다. 즉, 두 개의 훈련 예제는 시간이 가깝기 때문에 매우 유사합니다. 이는 관측치가 독립적인 통계 프로세스의 기본 속성과 모순됩니다. 기계는 시간순으로 불변 패턴을 학습하지 않지만 반복적인(거의 동일한) 패턴을 학습합니다. 당신이 여론 조사에서 Vasya를 200번 투표했고 당신이 찾은 지식을 1000명의 다른 사람들에게 전파하려고 한다고 상상해 보십시오.
 
알렉세이 버나코프 :
확인. 자신의 예에서.

시간상 인접한 두 막대에 대해 과거 가격의 거의 100% 동일한 히스토그램을 그릴 것입니다. 즉, 두 개의 훈련 예제는 시간이 가깝기 때문에 매우 유사합니다. 이는 관측치가 독립적인 통계 프로세스의 기본 속성과 모순됩니다. 기계는 시간순으로 불변 패턴을 학습하지 않지만 반복적인(거의 동일한) 패턴을 학습합니다. 당신이 여론 조사에서 Vasya를 200번 투표했고 당신이 찾은 지식을 1000명의 다른 사람들에게 전파하려고 한다고 상상해 보십시오.

우!! 또 하나, 이제 모든 것이 매우 명확해졌습니다. :)

1) 창의 크기를 여러 번 줄일 수 있습니다. 그러면 섹션이 각 슬라이스에서 덜 유사합니다.

2) 가능한 한 많이 끊김을 늘릴 수 있습니다. 이렇게 하면 약간의 스무딩 도 제거됩니다. 

PRICE <- cumsum(rnorm( 300 ))+ 1000
layout( 1 : 2 )
plot(PRICE,t= "l" ,ylab = "цена" , xlab = "индексы" ,lwd= 2 )
Max <- max(PRICE)
Min <- min(PRICE)
range.vector <- seq(Min, Max, length.out= 200 )
H <- hist(PRICE, breaks = range.vector)
          

          

 
mytarmailS :

우!! 또 하나, 이제 모든 것이 매우 명확해졌습니다. :)

1) 창의 크기를 여러 번 줄일 수 있습니다. 그러면 섹션이 각 슬라이스에서 덜 유사합니다.

2) 가능한 한 많이 끊김을 늘릴 수 있습니다. 이렇게 하면 약간의 스무딩 도 제거됩니다.

          

나는 그렇게 한다. 의사 코드:

예1 = p[0]
단계 = 720
무작위 = [0;50]
예 2 = p[단계+무작위]

여기서 과거까지의 최대 지연 = 720

즉, 관측값이 겹치지 않도록 잘랐습니다.

목표가 미래를 내다보는 데 의존하지 않으려면 동일한 원칙이 필요합니다.
 

가장 먼저 결정해야 할 것은 필요한 예측 범위입니다. 탐구할 이야기의 깊이는 이것에 달려 있습니다.

3000, 1000, 300 및 150 막대(AUDUSD/H1)의 기록 깊이가 있는 추세 차트를 보십시오. 

> library ( "PolyTrend" , lib.loc= "K:/RRO/R-3.3.1/library" )
> trend3000 <- PolyTrend(price[ , 4 ], alpha = 0.05 )
> require(magrittr)
Loading required package: magrittr
> trend1000 <- PolyTrend(price[ , 4 ] %>% tail(., 1000 ), alpha = 0.05 )
> trend300 <- PolyTrend(price[ , 4 ] %>% tail(., 300 ), alpha = 0.05 )
> trend150 <- PolyTrend(price[ , 4 ] %>% tail(., 150 ), alpha = 0.05 )
> plot(trend3000, t= "l" )
> plot(trend1000, t= "l" )
> plot(trend300, t= "l" )
> plot(trend150, t= "l" )


사진을 역순으로 삽입했습니다.

또한 3000바의 경우 방향은 "위쪽"입니다. 

Trend type: 3 (cubic)
Slope: 0.0000
Direction: 1 (positive)
Significance: 1 (statistically significant)
Polynomial degree: 3 (cubic)

짧게

 # trend1000
PolyTrend classification:

Trend type: 2 (quadratic)
Slope: - 0.0000
Direction: - 1 (negative)
Significance: 1 (statistically significant)
Polynomial degree: 2 (quadratic)
# trend300
PolyTrend classification:

Trend type: 2 (quadratic)
Slope: 0.0000
Direction: 1 (positive)
Significance: 1 (statistically significant)
Polynomial degree: 2 (quadratic)
#trend150
PolyTrend classification:

Trend type: 3 (cubic)
Slope: - 0.0000
Direction: - 1 (negative)
Significance: 1 (statistically significant)
Polynomial degree: 3 (cubic)

24개 막대(어느 날)의 예측 범위에 관심이 있다면 3000개 막대를 다시 볼 필요가 없습니다. 300바면 충분합니다.

행운을 빕니다






 

앞으로 24단계를 예측한다는 아이디어는 나에게 모호한 것 같습니다.

분류와 회귀 모두에서 항상 정확히 한 단계 앞서 예측해야 하지만 예를 들어 H1, H4 및 D1에 따라 예측해야 합니다. H1에서 거래할 때 H1 4 및 24 단계 앞서 예측을 얻습니다.

이상적으로는 기본 인용에서 인위적으로 TF를 만들어야 합니다. 내 예에서는 H1을 로드하고 나머지는 터미널에서 가져오지 않고 직접 수행합니다. 이 접근 방식을 사용하면 00:00에 연결된 D1이 아니라 현재 시간보다 엄격하게 24시간 빠릅니다.

 
산산이치 포멘코 :

앞으로 24단계를 예측한다는 아이디어는 나에게 모호한 것 같습니다.

분류와 회귀 모두에서 항상 정확히 한 단계 앞서 예측해야 하지만 예를 들어 H1, H4 및 D1에 따라 예측해야 합니다. H1에서 거래할 때 H1 4 및 24 단계 앞서 예측을 얻습니다.

이상적으로는 기본 인용에서 인위적으로 TF를 만들어야 합니다. 내 예에서는 H1을 로드하고 나머지는 터미널에서 가져오지 않고 직접 수행합니다. 이 접근 방식을 사용하면 00:00에 연결된 D1이 아니라 현재 시간보다 엄격하게 24시간 빠릅니다.

그것은 우리가 무엇을 하느냐에 달려 있습니다. 예를 들어, 24시간 동안의 추세 예측은 매우 만족스럽습니다(곡선이 매우 부드럽습니다). 저것들. 정확성에 대한 특별한 요구 사항 없이 곡선 의 SHAPE를 볼 필요가 있을 때.

그렇지 않으면 귀하의 예가 절대적으로 정확합니다(원칙적으로). 그리고 슬라이딩 윈도우 옵션(24시간)도 매우 실행 가능합니다. 많은 것이 세부 사항에 달려 있습니다.

행운을 빕니다

 

문제..

보통의 벡터로 가격 분포를 했더니 시장 프로필처럼 나왔는데 실제 거래량 프로필을 만들어서 유통에서 거래량과 가격을 연결하는 것이 가능할까요?

 
mytarmailS :

문제..

일반적인 벡터인 가격으로 분포를 했더니 시장 프로필처럼 나왔는데 실제 거래량 프로필을 만들고 가격을 분포에서 거래량과 연결하는 것이 가능할까요?

가격과 거래량을 측정하고 특정 일반 차트를 작성하는 지표가 있습니다. 그리고 그것을 위해 우리는 이미 분포를 계산할 수 있습니다. 예를 들어 Chaikin Oscillator 또는 Indicator/Volumes 폴더에 몇 가지 더 있습니다. 그러나 Forex에는 실제 거래량이 아닌 틱 거래량 이 있을 것입니다. 비록 상관 관계가 있지만 여전히 좋지 않습니다. 거래소에서 실제 거래량을 보는 것이 좋습니다.

 
트레이더 박사 :

가격과 거래량을 측정하고 특정 일반 차트를 작성하는 지표가 있습니다. 그리고 그것을 위해 우리는 이미 분포를 계산할 수 있습니다. 예를 들어 Chaikin Oscillator 또는 Indicator/Volumes 폴더에 몇 가지 더 있습니다. 그러나 Forex에는 실제 거래량이 아닌 틱 거래량 이 있을 것입니다. 비록 상관 관계가 있지만 여전히 좋지 않습니다. 거래소에서 실제 거래량을 보는 것이 좋습니다.

나는 외환 거래를하지 않으며 메타 트레이더도 익숙하지 않습니다. :)

R-ke에서 다양한 형태의 프로필을 실험하고 싶습니다. 두 벡터에 대한 분포를 구축하는 방법이 명확하지 않습니다.

볼륨일 필요는 없습니다. 이것은 초보자를 위한 것입니다. 그런 프로필에 무엇이든 넣을 수 있습니다. 가격과 관련하여 무엇이든 하면 됩니다. 이 두 벡터가 있습니다.

1...138139140141142143144145146147148149150151152...3399
새 코멘트
사유: