트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 325

새 코멘트
[삭제]  
레나트 아크티아모프 :

흠. 시원한.

여전히 전반적으로 나쁘지 않습니다.


글쎄요, 이것은 단순한 뉴런입니다. 단순히 많은 정보를 마스터할 수 없습니다. 하지만 그렇습니다. 흥미롭습니다.
 
막심 드미트리예프스키 :

글쎄요, 이것은 단순한 뉴런입니다. 단순히 많은 정보를 마스터할 수 없습니다. 하지만 그렇습니다. 흥미롭습니다.
전단지에 도표 보이시죠? 입구에 있는 것, 중간에 있는 것, 출구가 어디입니까? 그리고 나서 이미 많은 폐지(노이즈 억제기, 인식기 등)를 다시 읽었지만 시장에서 작동하지 않는 것이 있습니다.)
[삭제]  
유리 아사울렌코 :
전단지에 도표 보이시죠? 입구에 있는 것, 중간에 있는 것, 출구가 어디입니까? 그리고 나서 이미 많은 폐지(노이즈 억제기, 인식기 등)를 다시 읽었지만 시장에서 작동하지 않는 것이 있습니다.)


https://c.mql5.com/3/126/RNN_MT5.zip

거기 고문 및 설명

 
막심 드미트리예프스키 :


https://c.mql5.com/3/126/RNN_MT5.zip

거기 고문 및 설명

고맙습니다. 이것은 뉴런의 소음 억제기처럼 수행됩니다. 그것이 내가 두려웠던 것이다.

가격 시리즈의 판독값 10개 + 예측 변수 5개 - 10*5=50 + 파생 상품 - 추가 정보 50개, 추가 정보 입력 20개를 가정해 보겠습니다. 최소 총 120개의 입력. 슬퍼.)

이러한 행렬을 계산하려면 다층 네트워크의 경우 예, 1m TF의 경우 예, 그리고 촛불 내부에서도 - 감길 것입니다.

 
막심 드미트리예프스키 :


유전자 최적화 과정에서 결과가 난기류에 빠지기 시작한다는 것은 무엇을 의미합니까? :) 일정은 시간이 지남에 따라 개선되어야 합니다.

maxbalance를 선택하지 않는 것이 좋습니다. 최적화 실패는 "경계" 매개변수에 문제가 있음을 나타냅니다. 딥 존과 그림에서 약간 왼쪽에 있는 옵션으로 매개변수가 얼마나 다른지 알아내십시오.

최적화는 매우 간단하게 작동합니다. 최적화 기준을 높이는 방향으로 진행되는 동시에 "모든 소방관"에 대해 이전에 탐색하지 않은 영역을 가끔 확인하여 더 나은 결과로 가는 경로를 놓치지 않도록 합니다.

그러나 어떤 경우에도 이러한 최적화 결과 에 주의해야 합니다. 차트의 하단 영역에 드문 옵션이 있는 상단으로 옵션 클라우드가 점진적으로 이동해야 합니다.

[삭제]  
유리 아사울렌코 :

고맙습니다. 이것은 뉴런의 소음 억제기처럼 수행됩니다. 그것이 내가 두려웠던 것이다.

가격 시리즈의 판독값 10개 + 예측 변수 5개 - 10*5=50 + 파생 상품 - 추가 정보 50개, 추가 정보 입력 20개를 가정해 보겠습니다. 최소 총 120개의 입력. 슬퍼.)

이러한 행렬을 계산하려면 다층 네트워크의 경우 예, 1m TF의 경우 예, 그리고 촛불 내부에서도 - 감길 것입니다.


예, 입력 매개변수가 증가하면 문제가 발생합니다. 따라서 레이어 수가 아닌 논리적 코어를 개선하는 방향을 찾아야 합니다.
[삭제]  
안드레이 딕 :

maxbalance를 선택하지 않는 것이 좋습니다. 최적화 실패는 "경계" 매개변수에 문제가 있음을 나타냅니다. 딥 존과 그림에서 약간 왼쪽에 있는 옵션으로 매개변수가 얼마나 다른지 알아내십시오.

최적화는 매우 간단하게 작동합니다. 최적화 기준을 높이는 방향으로 진행되는 동시에 "모든 소방관"에 대해 이전에 탐색하지 않은 영역을 가끔 확인하여 더 나은 결과로 가는 경로를 놓치지 않도록 합니다.

그러나 어떤 경우에도 이러한 최적화 결과 에 주의해야 합니다. 차트의 하단 영역에 드문 옵션이 있는 상단으로 옵션 클라우드가 점진적으로 이동해야 합니다.


예, 도중에 후행 정지 최적화에 문제가 있습니다. 봇 로직을 다시 작성하고 다시 확인하겠습니다.
 
안드레이 딕 :

maxbalance를 선택하지 않는 것이 좋습니다. 최적화 실패는 "경계" 매개변수에 문제가 있음을 나타냅니다.


나는 그것을 전적으로 지지합니다. 최적화는 매우 위험한 것입니다. 저는 자랑스럽게 백만장자의 정상에 서 있으며, 창고의 배수구 주변에서 이것은 최적화의 일반적인 결과입니다.

위의 일반적인 잔액은 다음과 같습니다. 이것은 한 줄입니다. 그리고 왜 무작위 항목이 있는 한 줄입니까? 입력이 무작위이면 균형 선은 신뢰 구간 으로 묶인 무작위이어야 합니다!

최적화의 3차원(색상) 그래프는 신뢰 구간의 대리 역할을 할 수 있습니다. 그리고 저울이 최적화에서 이 차트를 동반하고 이 3차원 차트에 대략 하나의 색상이 있으면 성배가 가깝습니다. 그렇지 않으면 주어진 그래프는 한 푼도 가치가 없습니다.

[삭제]  
산산이치 포멘코 :


나는 그것을 전적으로 지지합니다. 최적화는 매우 위험한 것입니다. 저는 자랑스럽게 백만장자의 정상에 서 있으며, 창고의 배수구 주변에서 이것은 최적화의 일반적인 결과입니다.

위의 일반적인 잔액은 다음과 같습니다. 이것은 한 줄입니다. 그리고 왜 무작위 항목이 있는 한 줄입니까? 입력이 무작위이면 균형 선은 신뢰 구간 으로 묶인 무작위이어야 합니다!

최적화의 3차원(색상) 그래프는 신뢰 구간의 대리 역할을 할 수 있습니다. 그리고 저울이 최적화에서 이 차트를 동반하고 이 3차원 차트에 대략 하나의 색상이 있으면 성배가 가깝습니다. 그렇지 않으면 주어진 그래프는 한 푼도 가치가 없습니다.


우리의 경우 옵티마이저를 통해 뉴런의 가중치를 선택하면 됩니다.

2달동안 1000%가 나쁜건가요? :) 논리가 약간 향상되었습니다.

그러나 여기에서 4 월의 주요 잭팟이 나타났습니다. 5월 중순 이후 꾸준한 추세에도


 

스레드가 거대합니다.

조언해줄사람...

여러 통화 쌍의 움직임 차트가 있습니다. 결과가 가능한 한 자주 검은색이 되도록 기계 학습을 사용하여 주문 시작/마감에 대한 매개변수(로트, 방향)를 선택하는 방법은 무엇입니까?

즉, 수행해야 할 작업, 프로그램 교육 방법은 무엇입니까?

1...318319320321322323324325326327328329330331332...3399
새 코멘트