예를 들어 다음과 같이 Weierstrass-Mandelbrot ph-i에서 확인할 수 있습니다.
의 목표는 알고리즘이 규칙성이 분명히 존재하는 곳에서 규칙성을 찾을 수 있는지 확인하는 것입니다. 그렇다면 시간별 필터, 계절별 패턴 등 다양한 방식으로 따옴표를 회전시키세요. 즉, 검색 공간을 제한합니다.
최근에 Weierstrass에서 진화 프로그래밍 기능을 테스트했습니다. 유전자 발현을 견과류처럼 클릭하고 20-40 초 안에 공식을 선택하지만 아직 기호 회귀를 파악하지 못했습니다.
작은 문제가 있습니다. 5-7 번의 유전학 실행 중 하나가 "잘못"되어 아무것도 찾을 수 없으며 원칙적으로 논리적입니다. 임의의 값으로 시작-돌연변이와 크로스 오버는 실패한 유전자 조합을 선택할 수 있지만 일반적으로 BP를 사용하면 매우 빠르게 작동하며 적절하게 작동하지만 앞으로 시작하면 성공적인 실행 횟수가 급격히 감소하지만 일종의 존재가 있습니다.
ZY : 로봇에 대해-최근에야 라디오 "Humour FM"에서 오래된 A.Revva , 단어가 많지 않습니다."이 사이보그들은 ... 그들은 모든 것을 채웠고 ..."라는 말을 들었습니다. ))) - YouTube에서
최근에 진화 프로그래밍의 와이어스트라스 함수를 확인했는데, 유전자 발현은 견과류처럼 20~40초 만에 공식을 찾아내는데, 아직 기호 회귀는 알아내지 못했습니다.
작은 문제가 있습니다. 5-7 번의 유전학 실행 중 하나가 "잘못"되어 아무것도 찾지 못할 수 있으며 원칙적으로 논리적입니다. 임의의 값으로 시작-돌연변이와 크로스 오버는 실패한 유전자 조합을 선택할 수 있지만 일반적으로 BP를 사용하면 매우 빠르게 작동하지만 일반적으로 적절하게 작동하지만 앞으로 실행하면 성공적인 실행 횟수가 급격히 떨어지지 만 거기에있는 것 같습니다.
ZY : 로봇에 대해-최근 라디오 "Humour FM"에서 "이 사이보그들은 ... 그들은 모든 것을 채웠고 ..."라는 단어가 많지 않은 A.Revva의 오래된 숫자를 들었습니다. ))) - YouTube에서 다음과 같아야합니다.
유전학이 더 적합하고 정규화 등이 없습니다. 예를 들어 컷버스트는 규칙성이 약하면 (암기하지 않는다는 측면에서) 시퀀스를 잘 훈련시키지 못합니다. 즉, 나무나 숲은 완벽하게 암기할 수 있지만 부스팅에서는 작동하지 않습니다. 모델에 대한 신뢰도가 높아집니다.
기호 회귀 등과 관련하여 : 내가 아는 한, 그것은 오래된 알고리즘이며 더 나은 알고리즘이 있습니다. 다음은 시계열 분류에 대한 최신 혁신입니다. 나는 그것을 사용하지 않았고, 그들 중 일부는 배우는 데 오랜 시간이 걸립니다 (많은 오버 슈팅). 전체 목록은 "알고리즘" 탭에 있습니다. 테스트 및 기타 흥미로운 것들.
네, 좋은 무차별 대입입니다. 저는 머신러닝 모델을 통해서만 이 작업을 수행합니다. 특정 시간으로 검색을 제한하는 경우, 즉 특정 시간에만 거래를 개시하는 경우 패턴을 더 잘 찾을 수 있는 경우가 많습니다. 예를 들어 하루 중 시간대별로 다른 최적화가 있습니다.
시장에는 한 저자 (상단)의 인기있는 봇이 있으며, 그는 런던 세션의 시작 부분 만 거래되는 이러한 필터를 선택했습니다. 즉, 세션이 시작될 때만 거래됩니다. 20 년 동안 테스트를 통과했습니다. 멋지다. 나는 그렇게 긴 시간이 없지만 나쁘지 않습니다.
예, 그런 봇을 본 적이 있는데 거기서 아이디어를 얻었습니다. 시간 복도가 그렇게 할 수 있다는 사실조차 몰랐어요. 회랑은 세션과 일치할 필요도 없습니다. Bruteforce에서 알 수 있듯이 완전히 예상치 못한 모든 종류의 시간 세그먼트가있을 수 있습니다. 그러한 세그먼트 중 하나는 0:00(요일 변경 시점)의 좌우 약 30분에서 1시간 사이입니다. 매우 멋진 구간입니다. 스프레드가 있는 경우에만 매우 조심해야 합니다. 그런데 테스트 결과 예를 들어 10년의 샘플을 가져와서 앞으로 1년 정도 더 작동한다는 것을 보여주고 싶었습니다. 나는 미래를 더 이상 보지 않았습니다. 이러한 전문가 조언은 매우 간단하지만 예를 들어 증권 거래소가 서있는 주말에 각 통화 쌍에 대해 수십 개를 생성하고 반년 동안 이익을 취하십시오. 그러한 로봇의 단순성에도 불구하고 예측할 수 있지만 손으로 쓴 올빼미는 이것을 자랑 할 수 없습니다. 나는 이미 올빼미를 쓰기 위해 기계에 맡기는 것이 더 낫다고 생각하기 시작했습니다 )) 반년 동안 거래 한 다음 좀 더 거래하기 위해 )). 기계가 우리보다 더 빠르고 더 잘하기 시작하는 것은 시간 문제 인 것처럼 보이기 때문에 솔직히 말해서 이미 그렇습니다.
네, 그런 봇을 본 적이 있어서 거기서 아이디어가 떠올랐어요. 그 전에는 복도가 그렇게 할 수 있다고 생각하지도 못했습니다. 통로는 세션과 일치할 필요도 없으며, Bruteforce에서 알 수 있듯이 완전히 예상치 못한 모든 종류의 시간 세그먼트가 있을 수 있습니다. 그러한 세그먼트 중 하나는 0:00(요일 변경 시점)의 좌우 약 30분에서 1시간 사이입니다. 매우 멋진 구간입니다. 스프레드가 있는 경우에만 매우 조심해야 합니다. 그런데 테스트 결과 예를 들어 10년의 샘플을 가져와서 앞으로 1년 정도 더 작동한다는 것을 보여주고 싶었습니다. 나는 미래를 더 이상 보지 않았습니다. 이러한 전문가 조언은 매우 간단하지만 예를 들어 증권 거래소가 서있는 주말에 각 통화 쌍에 대해 수십 개를 생성하고 반년 동안 이익을 취하십시오. 그러한 로봇의 단순성에도 불구하고 예측할 수 있지만 손으로 쓴 올빼미는 이것을 자랑 할 수 없습니다. 나는 이미 올빼미를 쓰기 위해 기계에 맡기는 것이 더 낫다고 생각하기 시작했습니다 )) 반년 동안 거래 한 다음 좀 더 거래하기 위해 )). 기계가 우리보다 더 빠르고 더 잘하는 것은 시간 문제 인 것처럼 보이기 때문에 솔직히 말해서 이미 존재합니다.
그리고 무차별 대입은 그렇게 작동하며, 선험적 규칙이 정해지지 않으면이를 통해 장기적인 모델을 만드는 것이 어렵다는 것을 오래 전에 알아 차 렸습니다. 훈련의 10 %는 정상적인 변형입니다. Ivakhnenko는 논쟁의 그룹 회계 방법에 대한 그의 책에서 그것에 대해 썼습니다. 그러나 본질적으로 예, 최소한의 노력으로 (무차별 대입 프로그램을 작성하고 무언가를 찾을 때까지 기다리는 것은 포함하지 않습니다).
물론 테스터에 결과가 있으면 실제 생활에서 작동하는 전략을 얻을 수있는 기회가 더 많습니다. 로봇이 높은 시간대를 위해 설계되고 평균 스프레드보다 훨씬 높은 수학적 기대치를 보여 주면 이러한 테스트는 절대적으로 객관적 일 것입니다. 이 문서( https://www.mql5.com/ko/articles/8767)에서 예시를 확인할 수 있습니다.
В этой статье я продолжу взятую тему, но начну с того, что сделаю более гибким алгоритм, разработанный ранее. Тот алгоритм становился стабильнее с увеличением числа свечей в окне для анализа или с увеличением порогового процента перевеса падающих или растущих свечей. Приходилось идти на компромисс и устанавливать больше размер выборки для анализа или больший процент перевеса преобладающих свечей.
하지만 저는 물리학을 시장의 역학, 즉 무한히 작동할 수 있는 시장의 메커니즘이라고 부릅니다. 그리고 이러한 역학은 사실 매우 간단합니다. 또한 저는 1년의 역사가 아니라 최소 10년, 더 나아가 20년 동안 규칙성을 찾아야 한다는 것을 보여주고 싶습니다. 이 질문은 일반적으로 복잡하다고 할 수 있습니다. 여기있는 모든 사람들이 자신의 시스템을 만드는 데 유용한 것을 찾고 있으며, 저는 겸손하지만 경험을 공유 할뿐입니다.
예를 들어 다음과 같이 Weierstrass-Mandelbrot ph-i에서 확인할 수 있습니다.
의 목표는 알고리즘이 규칙성이 분명히 존재하는 곳에서 규칙성을 찾을 수 있는지 확인하는 것입니다. 그렇다면 시간별 필터, 계절별 패턴 등 다양한 방식으로 따옴표를 회전시키세요. 즉, 검색 공간을 제한합니다.
최근에 Weierstrass에서 진화 프로그래밍 기능을 테스트했습니다. 유전자 발현을 견과류처럼 클릭하고 20-40 초 안에 공식을 선택하지만 아직 기호 회귀를 파악하지 못했습니다.
작은 문제가 있습니다. 5-7 번의 유전학 실행 중 하나가 "잘못"되어 아무것도 찾을 수 없으며 원칙적으로 논리적입니다. 임의의 값으로 시작-돌연변이와 크로스 오버는 실패한 유전자 조합을 선택할 수 있지만 일반적으로 BP를 사용하면 매우 빠르게 작동하며 적절하게 작동하지만 앞으로 시작하면 성공적인 실행 횟수가 급격히 감소하지만 일종의 존재가 있습니다.
ZY : 로봇에 대해-최근에야 라디오 "Humour FM"에서 오래된 A.Revva , 단어가 많지 않습니다."이 사이보그들은 ... 그들은 모든 것을 채웠고 ..."라는 말을 들었습니다. ))) - YouTube에서
최근에 진화 프로그래밍의 와이어스트라스 함수를 확인했는데, 유전자 발현은 견과류처럼 20~40초 만에 공식을 찾아내는데, 아직 기호 회귀는 알아내지 못했습니다.
작은 문제가 있습니다. 5-7 번의 유전학 실행 중 하나가 "잘못"되어 아무것도 찾지 못할 수 있으며 원칙적으로 논리적입니다. 임의의 값으로 시작-돌연변이와 크로스 오버는 실패한 유전자 조합을 선택할 수 있지만 일반적으로 BP를 사용하면 매우 빠르게 작동하지만 일반적으로 적절하게 작동하지만 앞으로 실행하면 성공적인 실행 횟수가 급격히 떨어지지 만 거기에있는 것 같습니다.
ZY : 로봇에 대해-최근 라디오 "Humour FM"에서 "이 사이보그들은 ... 그들은 모든 것을 채웠고 ..."라는 단어가 많지 않은 A.Revva의 오래된 숫자를 들었습니다. ))) - YouTube에서 다음과 같아야합니다.
유전학이 더 적합하고 정규화 등이 없습니다. 예를 들어 컷버스트는 규칙성이 약하면 (암기하지 않는다는 측면에서) 시퀀스를 잘 훈련시키지 못합니다. 즉, 나무나 숲은 완벽하게 암기할 수 있지만 부스팅에서는 작동하지 않습니다. 모델에 대한 신뢰도가 높아집니다.
기호 회귀 등과 관련하여 : 내가 아는 한, 그것은 오래된 알고리즘이며 더 나은 알고리즘이 있습니다. 다음은 시계열 분류에 대한 최신 혁신입니다. 나는 그것을 사용하지 않았고, 그들 중 일부는 배우는 데 오랜 시간이 걸립니다 (많은 오버 슈팅). 전체 목록은 "알고리즘" 탭에 있습니다. 테스트 및 기타 흥미로운 것들.
네, 좋은 무차별 대입입니다. 저는 머신러닝 모델을 통해서만 이 작업을 수행합니다. 특정 시간으로 검색을 제한하는 경우, 즉 특정 시간에만 거래를 개시하는 경우 패턴을 더 잘 찾을 수 있는 경우가 많습니다. 예를 들어 하루 중 시간대별로 다른 최적화가 있습니다.
시장에는 한 저자 (상단)의 인기있는 봇이 있으며, 그는 런던 세션의 시작 부분 만 거래되는 이러한 필터를 선택했습니다. 즉, 세션이 시작될 때만 거래됩니다. 20 년 동안 테스트를 통과했습니다. 멋지다. 나는 그렇게 긴 시간이 없지만 나쁘지 않습니다.
예, 그런 봇을 본 적이 있는데 거기서 아이디어를 얻었습니다. 시간 복도가 그렇게 할 수 있다는 사실조차 몰랐어요. 회랑은 세션과 일치할 필요도 없습니다. Bruteforce에서 알 수 있듯이 완전히 예상치 못한 모든 종류의 시간 세그먼트가있을 수 있습니다. 그러한 세그먼트 중 하나는 0:00(요일 변경 시점)의 좌우 약 30분에서 1시간 사이입니다. 매우 멋진 구간입니다. 스프레드가 있는 경우에만 매우 조심해야 합니다. 그런데 테스트 결과 예를 들어 10년의 샘플을 가져와서 앞으로 1년 정도 더 작동한다는 것을 보여주고 싶었습니다. 나는 미래를 더 이상 보지 않았습니다. 이러한 전문가 조언은 매우 간단하지만 예를 들어 증권 거래소가 서있는 주말에 각 통화 쌍에 대해 수십 개를 생성하고 반년 동안 이익을 취하십시오. 그러한 로봇의 단순성에도 불구하고 예측할 수 있지만 손으로 쓴 올빼미는 이것을 자랑 할 수 없습니다. 나는 이미 올빼미를 쓰기 위해 기계에 맡기는 것이 더 낫다고 생각하기 시작했습니다 )) 반년 동안 거래 한 다음 좀 더 거래하기 위해 )). 기계가 우리보다 더 빠르고 더 잘하기 시작하는 것은 시간 문제 인 것처럼 보이기 때문에 솔직히 말해서 이미 그렇습니다.
네, 그런 봇을 본 적이 있어서 거기서 아이디어가 떠올랐어요. 그 전에는 복도가 그렇게 할 수 있다고 생각하지도 못했습니다. 통로는 세션과 일치할 필요도 없으며, Bruteforce에서 알 수 있듯이 완전히 예상치 못한 모든 종류의 시간 세그먼트가 있을 수 있습니다. 그러한 세그먼트 중 하나는 0:00(요일 변경 시점)의 좌우 약 30분에서 1시간 사이입니다. 매우 멋진 구간입니다. 스프레드가 있는 경우에만 매우 조심해야 합니다. 그런데 테스트 결과 예를 들어 10년의 샘플을 가져와서 앞으로 1년 정도 더 작동한다는 것을 보여주고 싶었습니다. 나는 미래를 더 이상 보지 않았습니다. 이러한 전문가 조언은 매우 간단하지만 예를 들어 증권 거래소가 서있는 주말에 각 통화 쌍에 대해 수십 개를 생성하고 반년 동안 이익을 취하십시오. 그러한 로봇의 단순성에도 불구하고 예측할 수 있지만 손으로 쓴 올빼미는 이것을 자랑 할 수 없습니다. 나는 이미 올빼미를 쓰기 위해 기계에 맡기는 것이 더 낫다고 생각하기 시작했습니다 )) 반년 동안 거래 한 다음 좀 더 거래하기 위해 )). 기계가 우리보다 더 빠르고 더 잘하는 것은 시간 문제 인 것처럼 보이기 때문에 솔직히 말해서 이미 존재합니다.
... 일반적으로 테스터는 현실과 일치하지 않습니다.
물론 테스터에 결과가 있으면 실제 생활에서 작동하는 전략을 얻을 수있는 기회가 더 많습니다. 로봇이 높은 시간대를 위해 설계되고 평균 스프레드보다 훨씬 높은 수학적 기대치를 보여 주면 이러한 테스트는 절대적으로 객관적 일 것입니다. 이 문서( https://www.mql5.com/ko/articles/8767)에서 예시를 확인할 수 있습니다.
... 테스터가 현실과 일치하지 않습니다.
이게 물리학이랑 무슨 상관이죠?
이게 물리학이랑 무슨 상관이죠?
정말 아무것도 아니기 때문에 수학자와 물리학 자들은 운동량과 에너지 보존 법칙에 너무 지쳐서 그런 것들을 쓸 준비가되어 있기 때문에 여기에옵니다. 과학은 어디로 가고 있으며 화성에 있는 우리 기지는 어디에 있습니까? ) 알쿠비에르 엔진은 어디에 있나요? )