나는 나무로 일한 적이 없으며 조언할 것이 없지만 일반적으로 분류기를 훈련하는 데 약간의 경험이 있습니다.
1) 일련의 가격 P[0], P[1], P[2], P[3], P[4]가 있는 경우 그러면 분류기의 입력 데이터에 대한 계열은 P[0]-P[3]이 됩니다. 그러나 동시에 학습에 필요한 분류 결과로 P[4]의 값을 취할 필요는 없다. 아무도 각 바에 대해 거래를 열고 닫지 않을 것입니다. 채널의 시작 부분에서 거래를 시작하고 마지막에 닫는 것이 더 유리합니다. 즉, 분류기는 다음 막대의 가격이 아니라 채널의 방향(위 또는 아래)을 예측해야 합니다. 예를 들어, 초기 데이터에 지그재그를 구축하고 필요한 결과로 P[4] 대신 지그재그 방향을 취하십시오.
2) 패턴은 시간에 따라 다릅니다. 각 요일에 대해 별도의 분류기로 훈련하거나 소스 데이터에 달의 위상을 추가하거나(진심입니다), 또는 하루 중 시간에 무엇을 해야 할지 모르겠으나 이것은 매우 중요한.
나는 나무로 일한 적이 없으며 조언할 것이 없지만 일반적으로 분류기를 훈련하는 데 약간의 경험이 있습니다.
1) 일련의 가격 P[0], P[1], P[2], P[3], P[4]가 있는 경우 그러면 분류기의 입력 데이터에 대한 계열은 P[0]-P[3]이 됩니다. 그러나 동시에 학습에 필요한 분류 결과로 P[4]의 값을 취할 필요는 없다. 아무도 각 바에 대해 거래를 열고 닫지 않을 것입니다. 채널의 시작 부분에서 거래를 시작하고 마지막에 닫는 것이 더 유리합니다. 즉, 분류기는 다음 막대의 가격이 아니라 채널의 방향(위 또는 아래)을 예측해야 합니다. 예를 들어, 초기 데이터에 지그재그를 구축하고 필요한 결과로 P[4] 대신 지그재그 방향을 취하십시오.
2) 패턴은 시간에 따라 다릅니다. 각 요일에 대해 별도의 분류기에서 훈련하거나 소스 데이터에 달의 위상을 추가하거나(진심입니다), 또는 하루 중 시간에 무엇을 해야 할지 모르겠으나 이것은 매우 중요한.
감사해요.
순서대로.
1) 아이디어가 재미있다. 당신은 또한 이것을 할 수 있습니다 : 특정 기간 동안의 최대 또는 최소 가격 - 충족하는 것이 더 빠른 것을 측정하십시오. 최대값인 경우(1로 코딩하자) 이론적으로 매수를 여는 것이 합리적이며 그 반대의 경우도 마찬가지입니다. 그러나 - 하나는 크지 만 - 그러한 거래를 성사시키는 규칙은 매우 흐릿할 것입니다.
지그재그 여기처럼 보입니다. 시도해 볼 수도 있습니다. 이 접근법에서 나를 혼란스럽게 하는 것은 한쪽 무릎이 1시간 안에 올 수 있고 다른 무릎이 9시간 안에 올 수 있다는 것입니다. 내 말은, 그것은 총체적 난국이다. 분류자가 그것을 좋아하지 않을 수도 있다고 생각합니다.
다만, 방향을 말씀하시는 것뿐인데.... 해보셔도 됩니다.....
2) 네, 이미 해봤습니다. 큰 데이터 세트가 있습니다. 바로 여기에서 공유할 수 있습니다. 여기에서 가격 데이터를 추가했습니다.
- 시간
- 분
- 요일
- 월
- 해당 월의 일
하지만 - 또 다른 큰 하지만 - 개별적으로 취한 이러한 변수가 타겟팅에 대해 중요한 의미가 없는 경우 의사결정 트리(모든 종류)는 상위 중요 변수에 해당 변수를 포함하지 않습니다. 이는 트리가 욕심 많은 알고리즘이고 대상 변수에 대한 가장 중요한 예측 변수에서 규칙을 만들기 시작하기 때문입니다. 그리고 일반적으로 자신이 원하는 변수를 기계가 사용하도록 하는 것은 쉽지 않습니다. 예측자의 우선 순위를 지정하는 메커니즘이 내장되어 있는 경우 "위시리스트"를 필터링합니다.
데이터를 분류하는 가장 잘 알려진 학습 기계 중 하나(이미지는 아님)는 Gradient Boosted Trees(GBM / XGBOOST 라이브러리)입니다. 먼저 과거와 비교하여 가격을 특성화하는 변수를 선택합니다. 다른 창으로 평균을 구합니다(저에게는 이것이 일관되게 가장 중요한 예측 변수입니다).
일반 신경망(얕은) - 다층 퍼셉트론은 상호 작용을 고려하지 않습니다.... 즉, 모든 노드는 커널에서 처리되는 가중치 합입니다. 하지만 제가 틀렸을 수도 있고 그들은 암묵적으로 상호작용을 해결합니다... 확실히는 모르겠습니다.
Разрабатываемая торговая система. Провел тестирование на majors. На трех получил приемлемые показатели. Эта троица имеет шанс пойти на реал-тест в обозримом будущем. Не на всех парах торгуемый паттерн...
열고 닫는 포즈의 논리는 아름다운 마크업과 함께 50-100줄에 맞습니다. 약 4-6개의 중요한 매개변수. 고문은 5-7 세에 앞으로 나아갔습니다. 정말 하나의 아이디어를 가지고 신중하게 모색했습니다. 방치되면서...
나는 당신이 튼튼한 차량을 가지고 있다는 것을 인정합니다. 동일한 기호의 다른 브로커에서 테스터에서도 작동하지 않을 수 있다는 점을 고려하지 않는 것과 마찬가지로 유동 스프레드는 고려하지 않습니다.
각 캐릭터에는 고유 한 패턴이 있습니다. 각 기호의 기록은 브로커에 따라 다릅니다. 당신처럼 비참한 배우자를 얻었을 때. 이러한 기능이 매우 심각하게 영향을 미친다는 사실을 알고 있어야 합니다. 그리고 복잡한 수학은 나비 효과에 빠질 수 있습니다. 초기 데이터가 약간 다를 때(다른 브로커 또는 스프레드) 다른 체크메이트를 죽이거나 미화합니다. 모델.
그리고 아마도 당신은 성배를 손에 들었을 것입니다. 그러나 그가 메이저에서 성배가 아니라 일부 GBPCHF에서 성배였다는 것을 당신만 몰랐습니다. 그리고 테스트에 익숙한 Alpari가 아니라 일부 FXCM입니다. 그리고 당신은 당신이 손에 그런 멋진 매트를 들고 있다는 것을 결코 알지 못하면서이 성배를 용광로에 던졌습니다. 모델이지만 GBPCHF 및 FXCM에 대해 알지 못하기 때문에 거부되었습니다.
오늘 저는 원시인이 7500랏(편도)을 거래하는 방법을 보았습니다. 100:1 레버리지로 이 포지션을 열려면 ~$5700K 자기자본이 필요합니다.
도약? 또 너야?
오늘 저는 원시인이 7500랏(편도)을 거래하는 방법을 보았습니다. 100:1 레버리지로 이 포지션을 열려면 ~$5700K 자기자본이 필요합니다.
누군가를 개인적으로 브랜드화하려는 의도는 없었습니다.
저는 여기서 거래에 적용되는 베이지안 및 기타 통계에 대해 논의하는 것을 찬성합니다.
예를 들어 기본 요소가 무엇입니까? 원시 코드를 보았습니까?
당신은 이해하지 못했습니다. 역사에 7500 제비를 보았다. 전에 그런 것을 본 적이 없습니다. 하지만 MT4에서 거래되기 때문에 원시적임에 틀림없다.
...
나는 나무로 일한 적이 없으며 조언할 것이 없지만 일반적으로 분류기를 훈련하는 데 약간의 경험이 있습니다.
1) 일련의 가격 P[0], P[1], P[2], P[3], P[4]가 있는 경우 그러면 분류기의 입력 데이터에 대한 계열은 P[0]-P[3]이 됩니다. 그러나 동시에 학습에 필요한 분류 결과로 P[4]의 값을 취할 필요는 없다. 아무도 각 바에 대해 거래를 열고 닫지 않을 것입니다. 채널의 시작 부분에서 거래를 시작하고 마지막에 닫는 것이 더 유리합니다. 즉, 분류기는 다음 막대의 가격이 아니라 채널의 방향(위 또는 아래)을 예측해야 합니다. 예를 들어, 초기 데이터에 지그재그를 구축하고 필요한 결과로 P[4] 대신 지그재그 방향을 취하십시오.
2) 패턴은 시간에 따라 다릅니다. 각 요일에 대해 별도의 분류기로 훈련하거나 소스 데이터에 달의 위상을 추가하거나(진심입니다), 또는 하루 중 시간에 무엇을 해야 할지 모르겠으나 이것은 매우 중요한.
예를 들어 기본 요소가 무엇입니까? 원시 코드를 보았습니까?
물론 보지는 않았습니다. 그러나 코드는 MQL4에 있으며 매일 트랜잭션이 있습니다. GA에서 수천 개의 패스로 적절하게 최적화될 수 있는 MQL4의 복잡한 수학적 트릭을 본 적이 있습니까? 나 아니야.
수학이 복잡하면 MT4 옵티마이저에서 거의 회전하지 않습니다. 그러나 사람이 실생활에서 일한다면 그는 확실히 MT4를 선택했습니다. 따라서 간단한 종류의 계산이 있습니다. 그리고 높은 확률로 복잡한 수학이 없습니다.
나는 나무로 일한 적이 없으며 조언할 것이 없지만 일반적으로 분류기를 훈련하는 데 약간의 경험이 있습니다.
1) 일련의 가격 P[0], P[1], P[2], P[3], P[4]가 있는 경우 그러면 분류기의 입력 데이터에 대한 계열은 P[0]-P[3]이 됩니다. 그러나 동시에 학습에 필요한 분류 결과로 P[4]의 값을 취할 필요는 없다. 아무도 각 바에 대해 거래를 열고 닫지 않을 것입니다. 채널의 시작 부분에서 거래를 시작하고 마지막에 닫는 것이 더 유리합니다. 즉, 분류기는 다음 막대의 가격이 아니라 채널의 방향(위 또는 아래)을 예측해야 합니다. 예를 들어, 초기 데이터에 지그재그를 구축하고 필요한 결과로 P[4] 대신 지그재그 방향을 취하십시오.
2) 패턴은 시간에 따라 다릅니다. 각 요일에 대해 별도의 분류기에서 훈련하거나 소스 데이터에 달의 위상을 추가하거나(진심입니다), 또는 하루 중 시간에 무엇을 해야 할지 모르겠으나 이것은 매우 중요한.
감사해요.
순서대로.
1) 아이디어가 재미있다. 당신은 또한 이것을 할 수 있습니다 : 특정 기간 동안의 최대 또는 최소 가격 - 충족하는 것이 더 빠른 것을 측정하십시오. 최대값인 경우(1로 코딩하자) 이론적으로 매수를 여는 것이 합리적이며 그 반대의 경우도 마찬가지입니다. 그러나 - 하나는 크지 만 - 그러한 거래를 성사시키는 규칙은 매우 흐릿할 것입니다.
지그재그 여기처럼 보입니다. 시도해 볼 수도 있습니다. 이 접근법에서 나를 혼란스럽게 하는 것은 한쪽 무릎이 1시간 안에 올 수 있고 다른 무릎이 9시간 안에 올 수 있다는 것입니다. 내 말은, 그것은 총체적 난국이다. 분류자가 그것을 좋아하지 않을 수도 있다고 생각합니다.
다만, 방향을 말씀하시는 것뿐인데.... 해보셔도 됩니다.....
2) 네, 이미 해봤습니다. 큰 데이터 세트가 있습니다. 바로 여기에서 공유할 수 있습니다. 여기에서 가격 데이터를 추가했습니다.
- 시간
- 분
- 요일
- 월
- 해당 월의 일
하지만 - 또 다른 큰 하지만 - 개별적으로 취한 이러한 변수가 타겟팅에 대해 중요한 의미가 없는 경우 의사결정 트리(모든 종류)는 상위 중요 변수에 해당 변수를 포함하지 않습니다. 이는 트리가 욕심 많은 알고리즘이고 대상 변수에 대한 가장 중요한 예측 변수에서 규칙을 만들기 시작하기 때문입니다. 그리고 일반적으로 자신이 원하는 변수를 기계가 사용하도록 하는 것은 쉽지 않습니다. 예측자의 우선 순위를 지정하는 메커니즘이 내장되어 있는 경우 "위시리스트"를 필터링합니다.
데이터를 분류하는 가장 잘 알려진 학습 기계 중 하나(이미지는 아님)는 Gradient Boosted Trees(GBM / XGBOOST 라이브러리)입니다. 먼저 과거와 비교하여 가격을 특성화하는 변수를 선택합니다. 다른 창으로 평균을 구합니다(저에게는 이것이 일관되게 가장 중요한 예측 변수입니다).
일반 신경망(얕은) - 다층 퍼셉트론은 상호 작용을 고려하지 않습니다.... 즉, 모든 노드는 커널에서 처리되는 가중치 합입니다. 하지만 제가 틀렸을 수도 있고 그들은 암묵적으로 상호작용을 해결합니다... 확실히는 모르겠습니다.
여기에서 600개 이상의 파일에 있는 동료들이 메타트레이더에서 프로젝트를 수행하고 있으므로 MT에서 매우 어려울 수 있습니다.
600개 이상의 파일은 수학이 아니라 프릴입니다.
네. 특히 거기에 무엇이 저장되어 있는지 모를 때))
다음은 내 개인 기본 정보입니다(제품이 아니라 판매하지 않음): https://www.mql5.com/ru/blogs/post/381081
열고 닫는 포즈의 논리는 아름다운 마크업과 함께 50-100줄에 맞습니다. 약 4-6개의 중요한 매개변수. 고문은 5-7 세에 앞으로 나아갔습니다. 정말 하나의 아이디어를 가지고 신중하게 모색했습니다. 방치되면서...
다음은 내 개인적인 기본 요소입니다(제품이 아니라 판매하지 않음): https://www.mql5.com/en/blogs/post/381081
열고 닫는 포즈의 논리는 아름다운 마크업과 함께 50-100줄에 맞습니다. 약 4-6개의 중요한 매개변수. 고문은 5-7 세에 앞으로 나아갔습니다. 정말 하나의 아이디어를 가지고 신중하게 모색했습니다. 방치되면서...
나는 당신이 튼튼한 차량을 가지고 있다는 것을 인정합니다. 동일한 기호의 다른 브로커에서 테스터에서도 작동하지 않을 수 있다는 점을 고려하지 않는 것과 마찬가지로 유동 스프레드는 고려하지 않습니다.
각 캐릭터에는 고유 한 패턴이 있습니다. 각 기호의 기록은 브로커에 따라 다릅니다. 당신처럼 비참한 배우자를 얻었을 때. 이러한 기능이 매우 심각하게 영향을 미친다는 사실을 알고 있어야 합니다. 그리고 복잡한 수학은 나비 효과에 빠질 수 있습니다. 초기 데이터가 약간 다를 때(다른 브로커 또는 스프레드) 다른 체크메이트를 죽이거나 미화합니다. 모델.
그리고 아마도 당신은 성배를 손에 들었을 것입니다. 그러나 그가 메이저에서 성배가 아니라 일부 GBPCHF에서 성배였다는 것을 당신만 몰랐습니다. 그리고 테스트에 익숙한 Alpari가 아니라 일부 FXCM입니다. 그리고 당신은 당신이 손에 그런 멋진 매트를 들고 있다는 것을 결코 알지 못하면서이 성배를 용광로에 던졌습니다. 모델이지만 GBPCHF 및 FXCM에 대해 알지 못하기 때문에 거부되었습니다.