Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3347

Yeni yorum
 
fxsaber #:

TC'lerimin hiçbiri yayılma değerini mantığın herhangi bir yerinde kullanmıyor (dolaylı olarak bile). Bunu yapan tek kişi ben değilim.

İki alış/satış fiyatı şeklindeki ilk verilerin neden fiyat/yayılmaya dönüştürüldüğü ve ardından fiyatta alfa arandığı benim için bir muamma.

Yayılma, zaman dilimleri ve Japon mum çubukları hakkında konuşmak aynı şeydir.

Fikri anladım, yarın bunu düşüneceğim :)
 
fxsaber #:

Ham verileri anlama alanında "Merhaba Dünya!" - tarihsel bir aralıkta mümkün olan maksimum karı gösterecek bir komut dosyası yazmak.

Eğer buna sahip değilseniz, o zaman ne yaptığınız belli değildir.

Sadece herkes MEB'i inceleyerek bu noktaya ulaşamaz. Bu hiçbir yerde yazılı değildir. Genellikle NS'nin içine daha fazla işaret ve daha fazla katman sıkıştırmak çok basit arzulardır.
 
nevar #:

NHITS ve lightGBM ayrıca günlük ve saatlik verilerde TimeGPT'den daha düşük RMS'ye sahiptir. https://valeman.medium.com/what-truly-works-in-time-series-forecasting-the-results-from-nixtlas-mega-study-78eda5133622



Conformal Prediction'ı denediniz mi?

https://valeman.medium.com/how-to-predict-full-probability-distribution-using-machine-learning-conformal-predictive-f8f4d805e420

https://github.com/valeman/awesome-conformal-prediction#papers-time-series

Merhaba, henüz değil. Böyle harika bir kitap ve makaleler için teşekkür ederim, kesinlikle okuyacağım.
 
Maxim Dmitrievsky #:


Dolayısıyla, modelin kendisinin spread seviyesinde olduğu veya nasıl yorumlanacağı ortaya çıkıyor? Yani, ticaret maliyetlerini karşılamıyor.

Yani mashki üzerinde)))))) her ticarette spread'e eşit tek tip bir kayıp elde edildi. Sıfır spread'de bile kar))

 

Maxim Dmitrievsky#:


Dolayısıyla, modelin kendisinin spread seviyesinde olduğu veya nasıl yorumlanacağı ortaya çıkıyor? Yani alım satım maliyetlerini karşılamıyor.

Yayılmanın bununla hiçbir ilgisi yok.

Biz sadece H1 için istatistikleri alıyoruz.

> quantile(abs(na.omit(diff(CLOSE))), probs = seq(0, 1, 0.01)) 
       0%        1%        2%        3%        4%        5%        6%        7%        8%        9%       10%       11%       12% 
0.0000000 0.0000100 0.0000200 0.0000300 0.0000400 0.0000500 0.0000600 0.0000700 0.0000800 0.0000800 0.0000900 0.0001000 0.0001100 
      13%       14%       15%       16%       17%       18%       19%       20%       21%       22%       23%       24%       25% 
0.0001200 0.0001300 0.0001400 0.0001500 0.0001700 0.0001800 0.0001900 0.0002000 0.0002100 0.0002200 0.0002300 0.0002400 0.0002500 
      26%       27%       28%       29%       30%       31%       32%       33%       34%       35%       36%       37%       38% 
0.0002600 0.0002700 0.0002800 0.0002900 0.0003000 0.0003100 0.0003200 0.0003400 0.0003500 0.0003700 0.0003800 0.0003900 0.0004000 
      39%       40%       41%       42%       43%       44%       45%       46%       47%       48%       49%       50%       51% 
0.0004200 0.0004300 0.0004400 0.0004500 0.0004700 0.0004800 0.0004900 0.0005100 0.0005300 0.0005400 0.0005500 0.0005700 0.0005900 
      52%       53%       54%       55%       56%       57%       58%       59%       60%       61%       62%       63%       64% 
0.0006000 0.0006200 0.0006400 0.0006600 0.0006800 0.0006900 0.0007100 0.0007300 0.0007500 0.0007700 0.0007900 0.0008100 0.0008300 
      65%       66%       67%       68%       69%       70%       71%       72%       73%       74%       75%       76%       77% 
0.0008600 0.0008800 0.0009100 0.0009300 0.0009600 0.0009800 0.0010100 0.0010300 0.0010600 0.0010900 0.0011300 0.0011700 0.0012100 
      78%       79%       80%       81%       82%       83%       84%       85%       86%       87%       88%       89%       90% 
0.0012500 0.0012900 0.0013300 0.0013700 0.0014200 0.0014600 0.0015100 0.0015730 0.0016300 0.0017000 0.0017700 0.0018500 0.0019300 
      91%       92%       93%       94%       95%       96%       97%       98%       99%      100% 
0.0020200 0.0021500 0.0022900 0.0024400 0.0026400 0.0029300 0.0032600 0.0037200 0.0048404 0.0173300

ve aptalca bir şekilde "kârlı" tahminlerinizin fiyat artışının hangi değerinde kârsız hale geldiğini görün, yani 4 basamaklı 10 pipte piyasa hareketlerinin yalnızca %25'i potansiyel olarak kârlı hale gelir. Bu, hatasız bir tahminle olur!

 
СанСаныч Фоменко #:

Yayılmanın bununla bir ilgisi yok.

H1 için sadece istatistikleri alıyoruz

ve aptalca bir şekilde "kârlı" tahminlerinizin fiyat artışının hangi değerinde kârsız tahminlere dönüştüğünü görün, yani 4 basamaklı 10 pipte piyasa hareketlerinin yalnızca %25'i potansiyel olarak kârlı hale gelir. Bu, hatasız bir tahminle olur!

Ne hakkında yazdığımı anlamıyorsunuz

Spread ile işaretleme yapıldığında, işlemlerin %0'ı kârsızdır. Ve bunun ortalama fiyat + spread ile mi yoksa ayrı ayrı alış ve satıştaki Sabre tikleriyle mi hesaplandığı önemli değildir. Ortalama olarak sonuç karşılaştırılabilir.

Daha sonra tiklerle hesaplayabilirsiniz, eğer şiddetli bir scalper iseniz ve 1-2 dts'de çalışıyorsanız, özellikle bu tür TS'leri sevmiyorum

 

Yatay çizgide kapalı pozisyonların kârının, dikey çizgide kapalı pozisyonların sayısının yer aldığı bir diyagram-anlaşmaların dağılımını çizin.

Dar spread ve geniş spread için.

 
Maxim Dmitrievsky #:

Ne hakkında yazdığımı anlamıyorsun.

Spread ile işaretleme yapıl dığında, işlemlerin %0'ı kârsızdır. Ve bunun ortalama fiyat + spread ile mi yoksa ayrı ayrı alış ve satıştaki Sabre tikleriyle mi hesaplandığı önemli değildir. Ortalama olarak sonuç karşılaştırılabilir.

daha sonra tiklere göre hesaplayabilirsiniz, eğer şiddetli bir scalper iseniz ve 1-2 dts'de çalışıyorsanız, özellikle bu tür TS'leri sevmiyorum

Benim fiyat artışım fiyat artışıdır.

Fiyat artışınızı alın ve kantile bakın Fiyat artışınız hangi kâr için tasarlanmıştır? İstatistiklerle karşılaştırın.

 
СанСаныч Фоменко #:

Benim zammım fiyat artışıdır.

Aynı listede.

Ticaret, otomatik ticaret sistemleri ve ticaret stratejilerinin test edilmesi üzerine forum

Ticarette makine öğrenimi: teori, modeller, uygulama ve algo-ticaret

fxsaber, 2023.12.10 17:57

Yayılma, zaman dilimleri ve Japon şamdanları hakkında konuşmak hemen hemen aynı şeydir.

 
СанСаныч Фоменко #:

Benim zammım fiyat artışıdır.

Fiyat artışınızı alın ve niceliksel değere bakın. Fiyat artışınız ne kadar kâr elde etmek için tasarlandı? Bunu istatistiklerle karşılaştırın.

Hayır, bunda bir sorun yok. Kar marjının ne olduğu önemli değil. Önemli olan sınıflandırma hatasıdır. Eğitime spread eklendiğinde ya da aynı kaldığında bu hata artar.

Ancak model, fiyatlandırmada spread dikkate alındığında daha iyi çalışmaya başlamaz, kar vermez, ancak spread olmadan eğitilmiş gibi aynı şekilde çalışır. Bu yüzden spread'i koşullu olarak sınıflandırma hatasına ekledim. Yani, modelin tepkisi onu yenmenize izin vermez.

Fiyat artışında spread'i hesaba katmak, onu aşan işlemlerin uzunluğu anlamına gelir. Yani, işlemleri daha uzun yapıyorum, sonra onları eğitiyorum ve artan spread üzerinde test etmenin sonucu, daha kısa işlemlerle eğitilmiş başka bir modelin sonucuyla neredeyse aynı.

Benim işaretlerime göre, diyelim ki MO'nun spread'i geçemeyeceği oldukça kesin bir sonuç olarak ortaya çıkıyor.

Ancak bazen kozul ile ilgili belirli entrikalarla bunu yapabilir. Yani, bazı istatistikler varsa. sinyallerin çıkarılan "güvenilirliğinin" göstergesi, o zaman yayılma arttığında da çalışırlar.

1...334033413342334333443345334633473348334933503351335233533354...3399
Yeni yorum
Neden: