그러면 모델은 그러한 극단의 출현으로 이어지는 패턴을 포착할 것입니다. 그리고 새로운 데이터에서 넌센스가 드러날 수 있습니다.
내 모델은 가격 변동의 형태에 얽매이지 않고 시장을 SB와 구별하는 변동성 클러스터링과 같은 작은 패턴을 학습합니다. 즉, 이것은 순수한 계량 경제학 입니다 (내 버전에 따라)
이제 최적화를 수행했고 랩톱이 이미 이것을 제거하지 않는다는 것을 깨달았습니다. 철의 규범을 취할 필요가 있습니다. 그러나 이것은 차선의 코드를 조장하므로 내가 무엇을 할 수 있는지 알아보겠습니다.
글쎄요, 저는 잘 모르겠습니다. 제 생각에는 클러스터를 ZZ 단위로 자르는 것이 생산적입니다. 특히 시장의 평균적인 빌딩 규칙을 클러스터에 추가하는 경우 더욱 그렇습니다. 결론은 다양한 방법으로 한 지점에 도달할 수 있으며 샘플은 그러한 경로의 작은 집합에만 초점을 맞추고 이러한 방식으로 샘플의 균형을 맞출 수 있다는 것입니다. 아마도 우리는 다른 목표를 가지고 있고 따라서 특정 훈련에 더 적합한 다르게 생각합니다. 예측자가 두 클러스터의 접합점에서 데이터를 취하는 경우 SB를 생성하는 동일한 크기의 규칙에 따른 클러스터만 있습니다...
글쎄요, 저는 잘 모르겠습니다. 제 생각에는 클러스터를 ZZ 단위로 자르는 것이 생산적입니다. 특히 시장의 평균적인 빌딩 규칙을 클러스터에 추가하는 경우 더욱 그렇습니다. 결론은 다양한 방법으로 한 지점에 도달할 수 있으며 샘플은 그러한 경로의 작은 집합에만 초점을 맞추고 이러한 방식으로 샘플의 균형을 맞출 수 있다는 것입니다. 아마도 우리는 다른 목표를 가지고 있고 따라서 특정 훈련에 더 적합한 다르게 생각합니다. 예측자가 두 클러스터의 접합점에서 데이터를 취하는 경우 SB를 생성하는 동일한 크기의 규칙에 따른 클러스터만 있습니다...
셔플링 아이디어는 흥미롭지만 한 키 포인트에서 다른 키 포인트로 가격 움직임을 무작위화해야 하는 것 같습니다. 그리고 ZZ의 도움으로 블록 자체를 생성하면 실제로 시장처럼 보일 것입니다.
그러면 모델은 그러한 극단의 출현으로 이어지는 패턴을 포착할 것입니다. 그리고 새로운 데이터에서 넌센스가 드러날 수 있습니다.
내 모델은 가격 변동의 형태에 얽매이지 않고 시장을 SB와 구별하는 변동성 클러스터링과 같은 작은 패턴을 학습합니다. 즉, 이것은 순수한 계량 경제학 입니다 (내 버전에 따라)
이제 최적화를 수행했고 랩톱이 이미 이것을 제거하지 않는다는 것을 깨달았습니다. 철의 규범을 취할 필요가 있습니다. 그러나 이것은 차선의 코드를 권장하므로 내가 무엇을 할 수 있는지 알아보겠습니다.
두 번째 변형은 catboost를 버리고 mql의 포리스트에 모든 것을 다시 쓰는 것입니다. 하지만 파이썬에서 탐색하는 것이 더 편리합니다.그러면 모델은 그러한 극단의 출현으로 이어지는 패턴을 포착할 것입니다. 그리고 새로운 데이터에서 넌센스가 드러날 수 있습니다.
내 모델은 가격 변동의 형태에 얽매이지 않고 시장을 SB와 구별하는 변동성 클러스터링과 같은 작은 패턴을 학습합니다. 즉, 이것은 순수한 계량 경제학 입니다 (내 버전에 따라)
이제 최적화를 수행했고 랩톱이 이미 이것을 제거하지 않는다는 것을 깨달았습니다. 철의 규범을 취할 필요가 있습니다. 그러나 이것은 차선의 코드를 조장하므로 내가 무엇을 할 수 있는지 알아보겠습니다.
글쎄요, 저는 잘 모르겠습니다. 제 생각에는 클러스터를 ZZ 단위로 자르는 것이 생산적입니다. 특히 시장의 평균적인 빌딩 규칙을 클러스터에 추가하는 경우 더욱 그렇습니다. 결론은 다양한 방법으로 한 지점에 도달할 수 있으며 샘플은 그러한 경로의 작은 집합에만 초점을 맞추고 이러한 방식으로 샘플의 균형을 맞출 수 있다는 것입니다. 아마도 우리는 다른 목표를 가지고 있고 따라서 특정 훈련에 더 적합한 다르게 생각합니다. 예측자가 두 클러스터의 접합점에서 데이터를 취하는 경우 SB를 생성하는 동일한 크기의 규칙에 따른 클러스터만 있습니다...
그리고 철 - 예, 그것이 공상의 비행을 가속화한다면 그것을 가져 가십시오!
글쎄요, 저는 잘 모르겠습니다. 제 생각에는 클러스터를 ZZ 단위로 자르는 것이 생산적입니다. 특히 시장의 평균적인 빌딩 규칙을 클러스터에 추가하는 경우 더욱 그렇습니다. 결론은 다양한 방법으로 한 지점에 도달할 수 있으며 샘플은 그러한 경로의 작은 집합에만 초점을 맞추고 이러한 방식으로 샘플의 균형을 맞출 수 있다는 것입니다. 아마도 우리는 다른 목표를 가지고 있고 따라서 특정 훈련에 더 적합한 다르게 생각합니다. 예측자가 두 클러스터의 접합점에서 데이터를 취하는 경우 SB를 생성하는 동일한 크기의 규칙에 따른 클러스터만 있습니다...
그리고 철 - 예, 그것이 공상의 비행을 가속화 할 수 있다면 그것을 가져 가십시오!
아, 다른 크기의 클러스터도 수행할 수 있습니다.
나는 믹싱의 전체 아이디어가 악의적이지만 흥미롭다고 생각합니다.
아, 다른 크기의 클러스터도 수행할 수 있습니다.
나는 믹싱의 전체 아이디어가 악의적이지만 흥미롭다고 생각합니다.
샘플을 무작위로 분할하거나 혼합에 따라(내가 올바르게 이해했다면) 과적합을 줄이는 방법 중 하나입니다. 이것이 회귀에서 얼마나 적절한지는 모르겠지만 분류에서는 강타와 함께 진행됩니다.
예, 그러나 반환에 패턴이 없을 때 죽은 찜질입니다)
셔플링 아이디어는 흥미롭지만 한 키 포인트에서 다른 키 포인트로 가격 움직임을 무작위화해야 하는 것 같습니다. 그리고 ZZ의 도움으로 블록 자체를 생성하면 실제로 시장처럼 보일 것입니다.
ZZ 및 일반적으로 추가 지표를 사용할 필요가 없습니다. 여러 TF가 있는 OHLC(TF는 4-6배 달라야 합니다. 예를 들어, 1-5-30-H3... 최대 월간 TF. 스스로 선택하십시오.) 및 조기 경고를 위해 더 많은 틱이 있을 수 있습니다.
최고가와 최저 가격이 별도로 컨볼루션 구조입니다. OHLC에 의해 -반복 구조. 등등 사용된 모든 tf. 이 모든 신호는 예를 들어 완전히 연결된 네트워크로 전송됩니다.
또한 순환 네트워크를 통해 전달된 틱은 완전히 연결된 네트워크의 입력 중 하나에 연결되어야 합니다.
예금 증가율을 최적화합니다. 결과적으로 집합 네트워크 자체에서 부지가 얼마인지 결정하고 시작점과 마감점을 선택해야 합니다. 다소 이렇습니다.
ZZ 및 일반적으로 추가 지표를 사용할 필요가 없습니다. 여러 TF가 있는 OHLC(TF는 4-6배 달라야 합니다. 예를 들어, 1-5-30-H3... 최대 월별 TF. 스스로 선택하십시오.) 및 조기 경고를 위해 더 많은 틱이 있을 수 있습니다.
최고가와 최저 가격이 별도로 컨볼루션 구조입니다. OHLC에 의해 -반복 구조. 등등 사용된 모든 tf. 이 모든 신호는 예를 들어 완전히 연결된 네트워크로 전송됩니다.
또한 순환 네트워크를 통해 전달된 틱은 완전히 연결된 네트워크의 입력 중 하나에 연결되어야 합니다.
예금 증가율을 최적화합니다. 결과적으로 집합 네트워크 자체에서 부지가 얼마인지 결정하고 시작점과 마감점을 선택해야 합니다. 다소 이렇습니다.
ZZ 및 일반적으로 추가 지표를 사용할 필요가 없습니다. 여러 TF가 있는 OHLC(TF는 4-6배 달라야 합니다. 예를 들어, 1-5-30-H3... 최대 월별 TF. 스스로 선택하십시오.) 및 조기 경고를 위해 더 많은 틱이 있을 수 있습니다.
최고가와 최저 가격이 별도로 컨볼루션 구조입니다. OHLC에 의해 -반복 구조. 등등 사용된 모든 tf. 이 모든 것은 예를 들어 완전히 연결된 네트워크로 신호를 보냅니다.
또한 순환 네트워크를 통해 전달된 틱은 완전히 연결된 네트워크의 입력 중 하나에 연결되어야 합니다.
예금 증가율을 최적화합니다. 결과적으로 집합 네트워크 자체에서 부지가 얼마인지 결정하고 시작점과 마감점을 선택해야 합니다. 다소 이렇습니다.
그리고 위에 활)
중간 네트워크의 목적 함수로 무엇을 제안합니까? 저것들. 그들에게 무엇을 가르칠 것인가?
예금의 증가율에 따라. 이것은 대상 기능입니다. 최고값의 회선과 최소값의 회선은 ZZ와 유사합니다. 이것은 파동 프랙탈을 나타냅니다. OHLC에 따른 반복 구조 - 양초 조합은 여기에서 포착됩니다 - 양초 패턴(프랙탈).
다른 TF의 데이터를 기반으로 하는 그리드는 다른 TF의 프랙탈을 나타냅니다. 예금 증가율에 대한 목적 함수는 다른 시간대에 나타나는 프랙탈이 고려되는 정도를 결정합니다.
그리고 위에 활)
아마추어용입니다.
예금 증가율에 따라. 이것은 대상 기능입니다.
보증금은 무엇으로 구성되어 있습니까? 명령에서 매수/매도/대기까지.
이 명령은 최종 NN에 의해 훈련됩니다. 그런 다음 예측하십시오.
중간 네트워크는 무엇을 배워야 합니까? 지그재그? 네트워크에 무언가를 가르치려면 답을 보여줘야 합니다. 어떤 지그재그 알고리즘과 어떤 매개변수를 훈련 신호로 사용하도록 제안합니까?