Candid>> : часто начинает проходить не только боязнь нечаянно выдать кому-то свой будущий грааль, но и надежда найти его вообще :).
희망은 아직 가지 않았습니다. 그것은 바퀴벌레에 대한 주제를 끝내려고 노력하는 동안 몇 달 전에 무인도에서 시들었습니다. 많은 물이 다리 아래로 흘렀고, 당신을 너무 두려워했던 불합리한 매개변수화에서 벗어나려는 시도에서 아이디어가 크게 바뀌었습니다. 보다 정확하게는 원래 아이디어는 동일하고 사소했지만 그 "바인딩"은 다중 통화의 형태로 나타났으며 데이터를 동기화해야 하기 때문에 기술적으로 만들기가 쉽지 않습니다. 하지만 이러한 문제를 해결할 수 있기를 바랍니다.
그리고 당신의 아이디어는 아주 좋습니다. 몇 가지 까다로운 질문을 하려면 브레인스토밍을 해야 합니다.
아니요, 매개변수화 전에 설정되는 실시간 입력입니다. 이것이 논란의 대상이었다. 다시 읽으세요 :). 일반적으로 나는 1년 정도 전에 중단했던 곳으로 방금 돌아왔습니다. 나는 당신에게 확신합니다. 당신은 이미 내 접근 방식을 알고있었습니다 :) . 그건 그렇고, 이것은 묻는 것 같습니다 :).
음, 두 개의 매개변수가 있다면 당연히 표면이 있을 것입니다. 그리고 이익은 단순히 주어진 수의 가장 가까운 점에 대한 평균으로 취합니다.
좋습니다. 실시간 입력을 허용합니다. 하지만 당신은 등불에서 들어가지 않았습니까? 결국, 의사 결정의 어떤 원천이 있었습니까? 그래서 그는 위상 공간의 포인트를 결정하기 위한 알고리즘을 암시적으로 설정하여 컨텍스트로의 분할을 추가로 평가합니다. 그래도 우리 사이에는 여전히 오해가 있습니다. 나는 거래 결정 포인트가 사전에 설정되어야 한다고 주장합니다(당신이 일련의 거래로 했던 것). 그리고 위상 공간의 매개변수화는 트랜잭션을 나타내는 포인트를 클러스터링해야 하는 요구 사항에서 진행하여 이것과 무관하게 나중에 추구됩니다. (이 접근 방식에서 NN을 사용하는 것과 관련하여 당신은 절대적으로 옳았습니다. 특히 2개 이상의 매개변수가 있을 때 스스로 제안합니다.) 구현된 것은 이 프로그램입니다. 축하합니다, 흥미로운 결과입니다!
나는 표면을 잘 이해하지 못한다. 저것들. 정말 일부 지역에 대해 평균을 냈습니까? 이에 대한 거래 밀도가 충분했습니까? 가장 가까운은 무슨 뜻인가요?
다음은 "내" 접근 방식의 예입니다. 우리는 입력 세트를 취하고 각 입력에 대해 일부 두 매개 변수의 값을 고려합니다(컨텍스트 고려). 2차원 위상 공간(FP)을 얻습니다. 보다 정확하게는, 새로운 상태 매개변수를 추가하면 차원이 증가하지만 이미 계산된 것을 다시 계산할 필요가 없기 때문에 평면에 의한 위상 공간 섹션입니다. 이것은 고정 입력 방식의 장점일 뿐입니다. 이제 이 평면에서 매개변수에 대한 이익의 의존도에 대한 대략적인 추정치를 작성합니다. 이는 어떤 의미에서 확률 밀도를 복원하는 것과 유사합니다. 우리는 매혹적인 사진을 얻습니다
여기에서 파란색 점은 항목이며 제로 평면에 있습니다. 즉, 표면 아래로 잠수하면 이익 추정치가 양수가 됩니다. 이제 위에서 이 경우를 살펴보겠습니다.
우리는 이익의 긍정적인 MO를 약속하는 영역(즉, 점이 표면에 의해 숨겨지는 영역)을 명확하게 볼 수 있습니다. 이 2차원의 경우 우리는 글자 그대로 손으로 경계선을 그릴 수 있습니다. 위상 공간의 큰 차원에서 수학은 더 이상 생략할 수 없습니다.
문제는 남아 있습니다. 적합 여부는 무엇입니까? FIG는 알고 있습니다 :). IMHO, 모두 매개 변수에 따라 다릅니다. 나는 이러한 구체적인 것들이 마음에 들지 않습니다. 제 생각에는 그것들이 충분히 불변하지 않습니다. 또한 예상 이익 추정의 정확성에 대해서는 확신이 없으며 매우 원시적입니다.
추신 누군가가 이해하지 못한다면 - 이것은 적절한 "초보자"를 위한 미끼입니다. :).
이것은 적합하지 않지만 이 매개변수화를 거부하거나 정확할 가능성을 높일 수 있는 추가 연구가 필요한 통계입니다.
실제로 이것은 동시에 2개의 매개변수에 대해서만 최적 영역의 너비에 대한 정의입니다. 최적 영역이 넓을수록(2차원의 경우 영역이 더 정확함) 더 좋습니다. 그러나 이익이 아니라 PF와 같은 형평성도 고려하는 보다 복잡한 지표에 즉시 의존하는 것이 좋습니다. 그런 다음 예를 들어 트랜잭션 수가 100 이상인 매개 변수를 고려하기 위해 추가 안정성 조건도 도입해야 합니다.
또한 최적의 영역을 추가로 탐색할 수 있습니다. 좋은 지표는 소위 시스템의 일관된 개선입니다. 필터 매개변수가 강화될 때 수입/위험. PF 추정치를 기준으로 삼으면 증가해야 하지만 동시에 거래 수는 감소합니다. 실제로 거래의 일부를 순차적으로 선택하는 것으로 나타났습니다. 저것들. 트랜잭션의 약한 필터링(예: 1000)으로 필터링을 늘리면(매개변수 변경) 트랜잭션은 점점 줄어들지만 PF는 증가합니다. 이것은 필터가 작동하고 컨텍스트를 실제로 강조하는 중요한 통계입니다. 매개변수가 두 개 이상 있으면 각각에 이 속성이 있어야 합니다. 논리적으로 단일 엔터티인 경우에도 반드시 그런 것은 아닙니다. 임하
결국 특정 필터 매개변수는 높은 PF와 총 이익(실제로 거래 수) 사이의 절충안으로 선택됩니다. 그러나 시스템 성능은 이 경우 덜 엄격한 필터링 매개변수를 사용하여 공평하게 모니터링할 수도 있습니다. 이것은 선행 지표가 될 것입니다 더 많은 거래가 있을 것입니다.
우리는 이익의 긍정적인 MO를 약속하는 영역(즉, 점이 표면에 의해 숨겨지는 영역)을 명확하게 볼 수 있습니다. 이 2차원의 경우 우리는 글자 그대로 손으로 경계선을 그릴 수 있습니다. 위상 공간의 큰 차원에서 수학은 더 이상 생략할 수 없습니다.
문제는 남아 있습니다. 적합 여부는 무엇입니까? FIG는 알고 있습니다 :). IMHO, 모두 매개 변수에 따라 다릅니다. 나는 이러한 구체적인 것들이 마음에 들지 않습니다. 제 생각에는 그것들이 충분히 불변하지 않습니다. 또한 예상 이익 추정의 정확성에 대해서는 확신이 없으며 매우 원시적입니다.
그것은 적합하지 않습니다. 그러나 FIG는 피팅을 통해 무엇을 이해해야 하는지 알고 있습니다.
결과를 매핑한다는 아이디어는 좋은 아이디어이며 분석 도구입니다. 불행히도(또는 그 반대의 경우도 마찬가지) 일반적이지 않습니다. 다음 단계는 안정적인 손익 영역을 식별하고 시간이 지남에 따라 이러한 영역을 추적하는 것입니다. 그러한 영역이 발견되고 공간(매개변수 변경)과 시간 모두에서 안정적이면 영역의 중심이 대담하게 취해집니다. 그리고 조류! ;) 실제로 약간의 미묘함이 있다는 것은 분명합니다. 그러나 일반적인 아이디어는 그저 그렇습니다.
음, 실시간 입력을 허용합니다. 하지만 당신은 등불에서 들어가지 않았습니까? 결국, 의사 결정의 어떤 원천이 있었습니까? 그래서 그는 위상 공간의 지점을 결정하기 위한 알고리즘을 암시적으로 설정하여 컨텍스트로의 분할을 추가로 추정합니다.
이유는 암묵적으로 아주 명확합니다. 실제로 이것이 알고리즘의 주요 작업입니다. 같은 방식으로 실시간으로 매개변수의 값을 계산합니다. 매개변수는 진입점과 퇴장점 선택과 아무 관련이 없습니다. 그런 다음 컨텍스트 필터를 정의한 후 이러한 매개변수로 트랜잭션을 금지하거나 허용할 수 있습니다. 그러나 진입점과 퇴장점을 이동하는 것은 불가능합니다.
그래도 우리 사이에는 여전히 오해가 있습니다. 나는 거래 결정 포인트가 미리 결정되어야 한다고 주장한다
예, 하지만 당신은 이것이 이상적인 입구여야 한다고 말했습니다. 나는 이것이 당신의 삶 과 비즈니스의 가장 약한 지점이라는 것을 항상 설명하려고 노력했습니다. 당신의 일을 하고 실시간으로 당신의 안과 밖을 찾으려고 노력함으로써 당신은 내가 시작하는 곳에서 끝낼 것입니다. 나는 우리가 반대라고 주장한 적이 없습니다 :).
그리고 위상 공간의 매개변수화는 트랜잭션을 나타내는 포인트를 클러스터링해야 하는 요구 사항에서 진행하여 이것과 무관하게 나중에 추구됩니다.
당신은 아무것도 혼동하지 않았다? 지금까지 가격 시리즈를 매개변수화했으며 이러한 매개변수가 위상 공간을 형성한 것 같습니다.
나는 표면을 잘 이해하지 못한다. 저것들. 정말 일부 지역에 대해 평균을 냈습니까? 이에 대한 거래 밀도가 충분했습니까? 가장 가까운은 무슨 뜻인가요?
흠, 무슨 말을 더 해야 할까요? 각 파란색 점은 거래이며 이 단계 평면(Xi, Yi)에 좌표가 있습니다. 위상 평면(X,Y)의 각 점에 대해 예를 들어 유클리드에 따라 각 파란색 점까지의 거리를 계산할 수 있습니다. (X-Xi)^2+(Y-Yi)^2. 각 파란색 점에는 양수 또는 음수 이익이 있습니다. 예를 들어 X와 Y에 가장 가까운 10개의 파란색 점에 관심이 있습니다. 우리는 그들의 이익을 평균화하고 각 점(X,Y)에 대한 표면 좌표 Z를 얻습니다. 즉, 평균 반경을 지정하지 않고 이웃 수를 고려하여 평균 반경을 지정할 수 있습니다.
그건 그렇고, 나는 이미 Gauss에 의해 가중치가 부여된 합산의 버전을 만들었고, 여전히 시그마가 정규화되어야 하는 고려 사항에서 이해하고 싶습니다. :) 그러나 인구 밀도가 높은 지역에서는 결과가 매우 유사합니다.
추신: 다시 한 번: 제 거래에는 불완전한 이익이 있을 뿐만 아니라 그 중 일부가 수익성이 없는 것을 금지하는 것은 없습니다.
... 그러나 이익이 아니라 자본의 부드러움도 고려하는 보다 복잡한 지표(예: PF)에 즉시 의존하는 것이 좋습니다. 그런 다음 예를 들어 트랜잭션 수가 100개 이상인 매개 변수를 고려하기 위해 추가 안정성 조건도 도입해야 합니다.
원칙적으로 나는 옵션으로 이익이 아닌 이익의 부호(+1 또는 -1)를 평균화했습니다. 이것은 일종의 로컬 PF라고 볼 수 있습니다. 그러나 일반적으로 입력과 출력을 엄격하게 할당하는 이윤의 가치는 컨텍스트의 함수이기도 하므로 현재 버전이 더 나은 것 같습니다. 그러나 주어진 사진에 대해 평균을 낸 점수는 정확히 100점이었습니다. :).
자기자본의 질을 제어하기 위해 지금은 최대 손실 대비 최대 이익의 비율과 자기자본에 대한 선형 회귀 매개변수(기울기 및 RMS)를 살펴보고 있습니다.
PF는최적의 영역을 연구하는데 유용 할 수 있습니다.
결국 특정 필터 매개변수는 높은 PF와 총 이익(실제로 거래 수) 사이의 절충안으로 선택됩니다. 그러나 시스템 성능은 이 경우 덜 엄격한 필터링 매개변수를 사용하여 공평하게 모니터링할 수도 있습니다. 이것은 선행 지표가 될 것입니다 더 많은 거래가 있을 것입니다.
... 이익과 손실의 지속 가능한 영역을 강조하고 시간이 지남에 따라 이러한 영역을 추적합니다. 그러한 영역이 발견되고 공간(매개변수 변경)과 시간 모두에서 안정적이면 영역의 중심을 대담하게 가져옵니다. ;)
이것이 내가 보는 방법이지만 공간에서 이동한다는 것은 상태 매개변수가 아니라 트랜잭션을 설정하는 알고리즘의 매개변수를 변경하는 것을 의미해야 한다는 점을 분명히 하겠습니다. 즉, 상황에 맞게 전략을 조정하는 것입니다. 또한 미끄러운 비탈길도 갈 수 있지만 조심스럽게 행동의 정확성을 제어하는 IMHO.
이것이 내가 보는 방법이지만 공간에서 이동한다는 것은 상태 매개변수가 아니라 트랜잭션을 설정하는 알고리즘의 매개변수를 변경하는 것을 의미해야 한다는 점을 분명히 하겠습니다. 즉, 상황에 맞게 전략을 조정하는 것입니다. 또한 미끄러운 비탈길도 갈 수 있지만 조심스럽게 행동의 정확성을 제어하는 IMHO.
나는 그것이 쓰여진 용어의 반도 이해하지 못한다고 생각합니다. 그래서 예, 아니오를 말할 수 없습니다. 내가 말하고자 하는 것은 상황에 맞게 전략을 조정하는 것과 아무 관련이 없다고 말할 수 있습니다(이 맥락이 무엇이든 간에).
이유는 암묵적으로 아주 명확합니다. 실제로 이것이 알고리즘의 주요 작업입니다. 같은 방식으로 실시간으로 매개변수의 값을 계산합니다. 매개변수는 진입점과 퇴장점 선택과 아무 관련이 없습니다. 그런 다음 컨텍스트 필터를 정의한 후 이러한 매개변수로 트랜잭션을 금지하거나 허용할 수 있습니다. 그러나 진입점과 퇴장점을 이동하는 것은 불가능합니다.
글쎄, 그게 내가 말하는거야. 컨텍스트를 구성하는 단계에서 매개변수는 진입점과 관련되어서는 안 됩니다. 그러나 클러스터링이 완료되면 이러한 값은 이미 입출력 필터의 역할을 할 수 있습니다. 그리고 그것들을 옮기는 것에 대한 이야기는 전혀 없었습니다. 특히 귀하의 경우 이러한 점을 클러스터링의 기초로 삼을 때.
예, 하지만 당신은 이것이 이상적인 입구여야 한다고 말했습니다. 나는 이것이 당신의 삶 과 비즈니스의 가장 약한 지점이라고 항상 설명하려고 노력했습니다. 당신의 일을 하고 실시간으로 당신의 안과 밖을 찾으려고 노력함으로써 당신은 내가 시작하는 곳에서 끝낼 것입니다. 나는 우리가 반대라고 주장한 적이 없습니다 :).
우리가 이익 극대화에 대해 이야기하는 경우(즉, 이것을 TS 구축을 위한 초기 기준으로 이야기함) FP의 최적(이상적인) 매개변수화를 선택하는 데 사용해야 하는 이상적인 입력입니다. 이상적으로는(:-) 거래의 외부 필터가 전혀 필요하지 않을 수 있으며 FP 매개변수로 충분합니다. 그러나 우리가 기성품 입출력 전략에 대해 이야기하고 있다면 이것은 FP 클러스터링 방법에 의한 기존 전략의 최적화라는 또 다른 질문입니다. 전략이 가치가 있다면 결과도 좋을 것입니다. 그리고 방법론은 동일합니다.
따라서 다른 방식으로 말할 수 있습니다. 내 일을 마치고 갑자기 진입-퇴장 전략을 수립하는 매우 주관적인 단계를 우회하여 결과를 얻습니다.
그러나 이러한 옵션이 서로 반대되는 것은 아님을 이해하시기 바랍니다. 효과만 있다면 누구든지 괜찮습니다.
당신은 아무것도 혼동하지 않았다? 지금까지 가격 시리즈를 매개변수화했으며 이러한 매개변수가 위상 공간을 형성한 것 같습니다.
우리는 프로세스를 매개변수화합니다. 그렇지 않으면: 분명히 일부 매개변수가 있는 프로세스 모델을 생성합니다. 이 모델을 사용하면 MO와 같이 프로세스를 설명하는 데 필요한 숫자를 계산할 수 있습니다. 또는 예상 이익. 그리고 우리가 거래를 묘사하는 포인트를 사용하여 이익 표면을 구축한 다음 FP를 클러스터링하면 이는 내가 전에 말한 것과 나중에 일어날 일과 모순되지 않습니다. 그리고 당신은 확실히 옳습니다. FP를 형성하는 것은 이러한 매개 변수입니다.
흠, 무슨 말을 더 할 수 있을까요? 각 파란색 점은 거래이며 이 단계 평면(Xi, Yi)에 좌표가 있습니다. 위상 평면(X,Y)의 각 점에 대해 예를 들어 유클리드에 따라 각 파란색 점까지의 거리를 계산할 수 있습니다. (X-Xi)^2+(Y-Yi)^2. 각 파란색 점에는 양수 또는 음수 이익이 있습니다. 예를 들어 X와 Y에 가장 가까운 10개의 파란색 점에 관심이 있습니다. 우리는 그들의 이익을 평균하고 각 점(X,Y)에 대한 표면 좌표 Z를 얻습니다. 즉, 평균 반경을 지정하지 않고 이웃 수를 고려하여 평균 반경을 지정할 수 있습니다.
그건 그렇고, 나는 이미 Gauss에 의해 가중치가 부여된 합산의 버전을 만들었고, 여전히 시그마가 정규화되어야 하는 고려 사항에서 이해하고 싶습니다. :) 그러나 인구 밀도가 높은 지역에서는 결과가 매우 유사합니다.
추신: 다시 한 번: 제 거래에는 불완전한 이익이 있을 뿐만 아니라 그 중 일부가 수익성이 없는 것을 금지하는 것은 없습니다.
이제 명확해졌습니다. 저는 조금 다르게 하고 있습니다. 나는 긍정적인 결과의 가능성을 고려한다. 그건 그렇고, 당신의 불신에도 불구하고 나와 거래를 잃고 있습니다.
희망은 아직 가지 않았습니다. 그것은 바퀴벌레에 대한 주제를 끝내려고 노력하는 동안 몇 달 전에 무인도에서 시들었습니다. 많은 물이 다리 아래로 흘렀고, 당신을 너무 두려워했던 불합리한 매개변수화에서 벗어나려는 시도에서 아이디어가 크게 바뀌었습니다. 보다 정확하게는 원래 아이디어는 동일하고 사소했지만 그 "바인딩"은 다중 통화의 형태로 나타났으며 데이터를 동기화해야 하기 때문에 기술적으로 만들기가 쉽지 않습니다. 하지만 이러한 문제를 해결할 수 있기를 바랍니다.
그리고 당신의 아이디어는 아주 좋습니다. 몇 가지 까다로운 질문을 하려면 브레인스토밍을 해야 합니다.
아니요, 매개변수화 전에 설정되는 실시간 입력입니다. 이것이 논란의 대상이었다. 다시 읽으세요 :). 일반적으로 나는 1년 정도 전에 중단했던 곳으로 방금 돌아왔습니다. 나는 당신에게 확신합니다. 당신은 이미 내 접근 방식을 알고있었습니다 :) . 그건 그렇고, 이것은 묻는 것 같습니다 :).
음, 두 개의 매개변수가 있다면 당연히 표면이 있을 것입니다. 그리고 이익은 단순히 주어진 수의 가장 가까운 점에 대한 평균으로 취합니다.
좋습니다. 실시간 입력을 허용합니다. 하지만 당신은 등불에서 들어가지 않았습니까? 결국, 의사 결정의 어떤 원천이 있었습니까? 그래서 그는 위상 공간의 포인트를 결정하기 위한 알고리즘을 암시적으로 설정하여 컨텍스트로의 분할을 추가로 평가합니다. 그래도 우리 사이에는 여전히 오해가 있습니다. 나는 거래 결정 포인트가 사전에 설정되어야 한다고 주장합니다(당신이 일련의 거래로 했던 것). 그리고 위상 공간의 매개변수화는 트랜잭션을 나타내는 포인트를 클러스터링해야 하는 요구 사항에서 진행하여 이것과 무관하게 나중에 추구됩니다. (이 접근 방식에서 NN을 사용하는 것과 관련하여 당신은 절대적으로 옳았습니다. 특히 2개 이상의 매개변수가 있을 때 스스로 제안합니다.) 구현된 것은 이 프로그램입니다. 축하합니다, 흥미로운 결과입니다!
나는 표면을 잘 이해하지 못한다. 저것들. 정말 일부 지역에 대해 평균을 냈습니까? 이에 대한 거래 밀도가 충분했습니까? 가장 가까운은 무슨 뜻인가요?
다음은 "내" 접근 방식의 예입니다. 우리는 입력 세트를 취하고 각 입력에 대해 일부 두 매개 변수의 값을 고려합니다(컨텍스트 고려). 2차원 위상 공간(FP)을 얻습니다. 보다 정확하게는, 새로운 상태 매개변수를 추가하면 차원이 증가하지만 이미 계산된 것을 다시 계산할 필요가 없기 때문에 평면에 의한 위상 공간 섹션입니다. 이것은 고정 입력 방식의 장점일 뿐입니다. 이제 이 평면에서 매개변수에 대한 이익의 의존도에 대한 대략적인 추정치를 작성합니다. 이는 어떤 의미에서 확률 밀도를 복원하는 것과 유사합니다. 우리는 매혹적인 사진을 얻습니다
여기에서 파란색 점은 항목이며 제로 평면에 있습니다. 즉, 표면 아래로 잠수하면 이익 추정치가 양수가 됩니다. 이제 위에서 이 경우를 살펴보겠습니다.
우리는 이익의 긍정적인 MO를 약속하는 영역(즉, 점이 표면에 의해 숨겨지는 영역)을 명확하게 볼 수 있습니다. 이 2차원의 경우 우리는 글자 그대로 손으로 경계선을 그릴 수 있습니다. 위상 공간의 큰 차원에서 수학은 더 이상 생략할 수 없습니다.
문제는 남아 있습니다. 적합 여부는 무엇입니까? FIG는 알고 있습니다 :). IMHO, 모두 매개 변수에 따라 다릅니다. 나는 이러한 구체적인 것들이 마음에 들지 않습니다. 제 생각에는 그것들이 충분히 불변하지 않습니다. 또한 예상 이익 추정의 정확성에 대해서는 확신이 없으며 매우 원시적입니다.
추신 누군가가 이해하지 못한다면 - 이것은 적절한 "초보자"를 위한 미끼입니다. :).
이것은 적합하지 않지만 이 매개변수화를 거부하거나 정확할 가능성을 높일 수 있는 추가 연구가 필요한 통계입니다.
실제로 이것은 동시에 2개의 매개변수에 대해서만 최적 영역의 너비에 대한 정의입니다. 최적 영역이 넓을수록(2차원의 경우 영역이 더 정확함) 더 좋습니다. 그러나 이익이 아니라 PF와 같은 형평성도 고려하는 보다 복잡한 지표에 즉시 의존하는 것이 좋습니다. 그런 다음 예를 들어 트랜잭션 수가 100 이상인 매개 변수를 고려하기 위해 추가 안정성 조건도 도입해야 합니다.
또한 최적의 영역을 추가로 탐색할 수 있습니다. 좋은 지표는 소위 시스템의 일관된 개선입니다. 필터 매개변수가 강화될 때 수입/위험. PF 추정치를 기준으로 삼으면 증가해야 하지만 동시에 거래 수는 감소합니다. 실제로 거래의 일부를 순차적으로 선택하는 것으로 나타났습니다. 저것들. 트랜잭션의 약한 필터링(예: 1000)으로 필터링을 늘리면(매개변수 변경) 트랜잭션은 점점 줄어들지만 PF는 증가합니다. 이것은 필터가 작동하고 컨텍스트를 실제로 강조하는 중요한 통계입니다. 매개변수가 두 개 이상 있으면 각각에 이 속성이 있어야 합니다. 논리적으로 단일 엔터티인 경우에도 반드시 그런 것은 아닙니다. 임하
결국 특정 필터 매개변수는 높은 PF와 총 이익(실제로 거래 수) 사이의 절충안으로 선택됩니다. 그러나 시스템 성능은 이 경우 덜 엄격한 필터링 매개변수를 사용하여 공평하게 모니터링할 수도 있습니다. 이것은 선행 지표가 될 것입니다 더 많은 거래가 있을 것입니다.
우리는 이익의 긍정적인 MO를 약속하는 영역(즉, 점이 표면에 의해 숨겨지는 영역)을 명확하게 볼 수 있습니다. 이 2차원의 경우 우리는 글자 그대로 손으로 경계선을 그릴 수 있습니다. 위상 공간의 큰 차원에서 수학은 더 이상 생략할 수 없습니다.
문제는 남아 있습니다. 적합 여부는 무엇입니까? FIG는 알고 있습니다 :). IMHO, 모두 매개 변수에 따라 다릅니다. 나는 이러한 구체적인 것들이 마음에 들지 않습니다. 제 생각에는 그것들이 충분히 불변하지 않습니다. 또한 예상 이익 추정의 정확성에 대해서는 확신이 없으며 매우 원시적입니다.
그것은 적합하지 않습니다. 그러나 FIG는 피팅을 통해 무엇을 이해해야 하는지 알고 있습니다.
결과를 매핑한다는 아이디어는 좋은 아이디어이며 분석 도구입니다. 불행히도(또는 그 반대의 경우도 마찬가지) 일반적이지 않습니다. 다음 단계는 안정적인 손익 영역을 식별하고 시간이 지남에 따라 이러한 영역을 추적하는 것입니다. 그러한 영역이 발견되고 공간(매개변수 변경)과 시간 모두에서 안정적이면 영역의 중심이 대담하게 취해집니다. 그리고 조류! ;) 실제로 약간의 미묘함이 있다는 것은 분명합니다. 그러나 일반적인 아이디어는 그저 그렇습니다.
음, 실시간 입력을 허용합니다. 하지만 당신은 등불에서 들어가지 않았습니까? 결국, 의사 결정의 어떤 원천이 있었습니까? 그래서 그는 위상 공간의 지점을 결정하기 위한 알고리즘을 암시적으로 설정하여 컨텍스트로의 분할을 추가로 추정합니다.
이유는 암묵적으로 아주 명확합니다. 실제로 이것이 알고리즘의 주요 작업입니다. 같은 방식으로 실시간으로 매개변수의 값을 계산합니다. 매개변수는 진입점과 퇴장점 선택과 아무 관련이 없습니다. 그런 다음 컨텍스트 필터를 정의한 후 이러한 매개변수로 트랜잭션을 금지하거나 허용할 수 있습니다. 그러나 진입점과 퇴장점을 이동하는 것은 불가능합니다.
예, 하지만 당신은 이것이 이상적인 입구여야 한다고 말했습니다. 나는 이것이 당신의 삶 과 비즈니스의 가장 약한 지점이라는 것을 항상 설명하려고 노력했습니다. 당신의 일을 하고 실시간으로 당신의 안과 밖을 찾으려고 노력함으로써 당신은 내가 시작하는 곳에서 끝낼 것입니다. 나는 우리가 반대라고 주장한 적이 없습니다 :).
그리고 위상 공간의 매개변수화는 트랜잭션을 나타내는 포인트를 클러스터링해야 하는 요구 사항에서 진행하여 이것과 무관하게 나중에 추구됩니다.
당신은 아무것도 혼동하지 않았다? 지금까지 가격 시리즈를 매개변수화했으며 이러한 매개변수가 위상 공간을 형성한 것 같습니다.
나는 표면을 잘 이해하지 못한다. 저것들. 정말 일부 지역에 대해 평균을 냈습니까? 이에 대한 거래 밀도가 충분했습니까? 가장 가까운은 무슨 뜻인가요?
흠, 무슨 말을 더 해야 할까요? 각 파란색 점은 거래이며 이 단계 평면(Xi, Yi)에 좌표가 있습니다. 위상 평면(X,Y)의 각 점에 대해 예를 들어 유클리드에 따라 각 파란색 점까지의 거리를 계산할 수 있습니다. (X-Xi)^2+(Y-Yi)^2. 각 파란색 점에는 양수 또는 음수 이익이 있습니다. 예를 들어 X와 Y에 가장 가까운 10개의 파란색 점에 관심이 있습니다. 우리는 그들의 이익을 평균화하고 각 점(X,Y)에 대한 표면 좌표 Z를 얻습니다. 즉, 평균 반경을 지정하지 않고 이웃 수를 고려하여 평균 반경을 지정할 수 있습니다.
그건 그렇고, 나는 이미 Gauss에 의해 가중치가 부여된 합산의 버전을 만들었고, 여전히 시그마가 정규화되어야 하는 고려 사항에서 이해하고 싶습니다. :) 그러나 인구 밀도가 높은 지역에서는 결과가 매우 유사합니다.
추신: 다시 한 번: 제 거래에는 불완전한 이익이 있을 뿐만 아니라 그 중 일부가 수익성이 없는 것을 금지하는 것은 없습니다.
... 그러나 이익이 아니라 자본의 부드러움도 고려하는 보다 복잡한 지표(예: PF)에 즉시 의존하는 것이 좋습니다. 그런 다음 예를 들어 트랜잭션 수가 100개 이상인 매개 변수를 고려하기 위해 추가 안정성 조건도 도입해야 합니다.
원칙적으로 나는 옵션으로 이익이 아닌 이익의 부호(+1 또는 -1)를 평균화했습니다. 이것은 일종의 로컬 PF라고 볼 수 있습니다. 그러나 일반적으로 입력과 출력을 엄격하게 할당하는 이윤의 가치는 컨텍스트의 함수이기도 하므로 현재 버전이 더 나은 것 같습니다. 그러나 주어진 사진에 대해 평균을 낸 점수는 정확히 100점이었습니다. :).
자기자본의 질을 제어하기 위해 지금은 최대 손실 대비 최대 이익의 비율과 자기자본에 대한 선형 회귀 매개변수(기울기 및 RMS)를 살펴보고 있습니다.
PF는 최적의 영역을 연구하는 데 유용 할 수 있습니다.
결국 특정 필터 매개변수는 높은 PF와 총 이익(실제로 거래 수) 사이의 절충안으로 선택됩니다. 그러나 시스템 성능은 이 경우 덜 엄격한 필터링 매개변수를 사용하여 공평하게 모니터링할 수도 있습니다. 이것은 선행 지표가 될 것입니다 더 많은 거래가 있을 것입니다.
궁금하다. 필터가 강화되면 무역통계가 감소하는 것은 심각한 문제라고 생각합니다.
... 이익과 손실의 지속 가능한 영역을 강조하고 시간이 지남에 따라 이러한 영역을 추적합니다. 그러한 영역이 발견되고 공간(매개변수 변경)과 시간 모두에서 안정적이면 영역의 중심을 대담하게 가져옵니다. ;)
이것이 내가 보는 방법이지만 공간에서 이동한다는 것은 상태 매개변수가 아니라 트랜잭션을 설정하는 알고리즘의 매개변수를 변경하는 것을 의미해야 한다는 점을 분명히 하겠습니다. 즉, 상황에 맞게 전략을 조정하는 것입니다. 또한 미끄러운 비탈길도 갈 수 있지만 조심스럽게 행동의 정확성을 제어하는 IMHO.
이것이 내가 보는 방법이지만 공간에서 이동한다는 것은 상태 매개변수가 아니라 트랜잭션을 설정하는 알고리즘의 매개변수를 변경하는 것을 의미해야 한다는 점을 분명히 하겠습니다. 즉, 상황에 맞게 전략을 조정하는 것입니다. 또한 미끄러운 비탈길도 갈 수 있지만 조심스럽게 행동의 정확성을 제어하는 IMHO.
나는 그것이 쓰여진 용어의 반도 이해하지 못한다고 생각합니다. 그래서 예, 아니오를 말할 수 없습니다. 내가 말하고자 하는 것은 상황에 맞게 전략을 조정하는 것과 아무 관련이 없다고 말할 수 있습니다(이 맥락이 무엇이든 간에).
나는 그것이 쓰여진 용어의 반도 이해하지 못한다고 생각합니다. 그래서 예, 아니오를 말할 수 없습니다. 내가 말하고자 하는 것은 상황에 맞게 전략을 조정하는 것과 아무 관련이 없다고 말할 수 있습니다(이 맥락이 무엇이든 간에).
그런 다음 그것은 나를 얻었다. 분명히 당신은 시간이 지남에 따라 표면 변형이 최적 영역의 이동으로 이어질 수 있음을 의미했습니다.
이유는 암묵적으로 아주 명확합니다. 실제로 이것이 알고리즘의 주요 작업입니다. 같은 방식으로 실시간으로 매개변수의 값을 계산합니다. 매개변수는 진입점과 퇴장점 선택과 아무 관련이 없습니다. 그런 다음 컨텍스트 필터를 정의한 후 이러한 매개변수로 트랜잭션을 금지하거나 허용할 수 있습니다. 그러나 진입점과 퇴장점을 이동하는 것은 불가능합니다.
글쎄, 그게 내가 말하는거야. 컨텍스트를 구성하는 단계에서 매개변수는 진입점과 관련되어서는 안 됩니다. 그러나 클러스터링이 완료되면 이러한 값은 이미 입출력 필터의 역할을 할 수 있습니다. 그리고 그것들을 옮기는 것에 대한 이야기는 전혀 없었습니다. 특히 귀하의 경우 이러한 점을 클러스터링의 기초로 삼을 때.
예, 하지만 당신은 이것이 이상적인 입구여야 한다고 말했습니다. 나는 이것이 당신의 삶 과 비즈니스의 가장 약한 지점이라고 항상 설명하려고 노력했습니다. 당신의 일을 하고 실시간으로 당신의 안과 밖을 찾으려고 노력함으로써 당신은 내가 시작하는 곳에서 끝낼 것입니다. 나는 우리가 반대라고 주장한 적이 없습니다 :).
우리가 이익 극대화에 대해 이야기하는 경우(즉, 이것을 TS 구축을 위한 초기 기준으로 이야기함) FP의 최적(이상적인) 매개변수화를 선택하는 데 사용해야 하는 이상적인 입력입니다. 이상적으로는(:-) 거래의 외부 필터가 전혀 필요하지 않을 수 있으며 FP 매개변수로 충분합니다. 그러나 우리가 기성품 입출력 전략에 대해 이야기하고 있다면 이것은 FP 클러스터링 방법에 의한 기존 전략의 최적화라는 또 다른 질문입니다. 전략이 가치가 있다면 결과도 좋을 것입니다. 그리고 방법론은 동일합니다.
따라서 다른 방식으로 말할 수 있습니다. 내 일을 마치고 갑자기 진입-퇴장 전략을 수립하는 매우 주관적인 단계를 우회하여 결과를 얻습니다.
그러나 이러한 옵션이 서로 반대되는 것은 아님을 이해하시기 바랍니다. 효과만 있다면 누구든지 괜찮습니다.
당신은 아무것도 혼동하지 않았다? 지금까지 가격 시리즈를 매개변수화했으며 이러한 매개변수가 위상 공간을 형성한 것 같습니다.
우리는 프로세스를 매개변수화합니다. 그렇지 않으면: 분명히 일부 매개변수가 있는 프로세스 모델을 생성합니다. 이 모델을 사용하면 MO와 같이 프로세스를 설명하는 데 필요한 숫자를 계산할 수 있습니다. 또는 예상 이익. 그리고 우리가 거래를 묘사하는 포인트를 사용하여 이익 표면을 구축한 다음 FP를 클러스터링하면 이는 내가 전에 말한 것과 나중에 일어날 일과 모순되지 않습니다. 그리고 당신은 확실히 옳습니다. FP를 형성하는 것은 이러한 매개 변수입니다.
당신의 것은 무엇입니까?
흠, 무슨 말을 더 할 수 있을까요? 각 파란색 점은 거래이며 이 단계 평면(Xi, Yi)에 좌표가 있습니다. 위상 평면(X,Y)의 각 점에 대해 예를 들어 유클리드에 따라 각 파란색 점까지의 거리를 계산할 수 있습니다. (X-Xi)^2+(Y-Yi)^2. 각 파란색 점에는 양수 또는 음수 이익이 있습니다. 예를 들어 X와 Y에 가장 가까운 10개의 파란색 점에 관심이 있습니다. 우리는 그들의 이익을 평균하고 각 점(X,Y)에 대한 표면 좌표 Z를 얻습니다. 즉, 평균 반경을 지정하지 않고 이웃 수를 고려하여 평균 반경을 지정할 수 있습니다.
그건 그렇고, 나는 이미 Gauss에 의해 가중치가 부여된 합산의 버전을 만들었고, 여전히 시그마가 정규화되어야 하는 고려 사항에서 이해하고 싶습니다. :) 그러나 인구 밀도가 높은 지역에서는 결과가 매우 유사합니다.
추신: 다시 한 번: 제 거래에는 불완전한 이익이 있을 뿐만 아니라 그 중 일부가 수익성이 없는 것을 금지하는 것은 없습니다.
...
흠 무슨 말씀이신지 대충 짐작이 가는 것 같았는데 이번 포스팅으로 이런 오해를 완전히 깨버렸네요 :). 하지만 이해하고 싶습니다. 작은 단계부터 순서대로 시작해 볼까요? 한 매개변수의 예에서.
여기 가격 시리즈가 있습니다. 여기에 따라 이동하여 각 막대의 매개변수를 계산합니다. 아니면 매 틱마다?
그런 다음 이 값에서 위상 공간을 만듭니다. 위상 궤적이 연속적이어야 한다고 말씀하셨습니다. 즉, 모든 값을 취합니까? 각 막대에서(각 눈금에서) ?
그렇지 않다면 추가 분석을 위해 값을 취할 시점을 어떻게 결정합니까? 그러면 어떤 의미에서 연속성을 말씀하셨습니까?