cnt<-function(x){
n <- 1:(length(x)-1)
cnt <- 0for(i in n) {if(x[i]!=x[i+1]) {cnt<-cnt+1}}
return(cnt)
}
cnt1 <- function(x){
length(rle(c(x))$values)
}
sig <- rep(c(1,1,1,-1,-1,-1), 3000)
bench::workout({
c <- cnt(sig)
c1 <- cnt1(sig)
})
# A tibble: 2 x 3
exprs process real
<bch:expr> <bch:tm> <bch:tm>
1 c <- cnt(sig) 15.6 ms 9.21 ms
2 c1 <- cnt1(sig) 01.15 ms
我认为这里不需要计算交易的数量。只需从每笔交易中减去点差和佣金。事情就是这样的。
不是这样的，反正你得算数
是的，你的更正确。
不）你的更正确!
因为 "更早 "开出的交易（开出的交易不属于我们的矢量）
这意味着该委员会被 "提前 "撤销了但不在当前矢量中
但这些都是小细节...
为有2小时时间的人
为那些有两个小时时间的人。
它是关于什么的？
为那些有2小时时间的人
用他的精神分裂的幻想和错误的结论填满年轻人的大脑。
不）你的更正确!
因为 "更早 "开出的交易（开出的交易不属于我们的矢量）。
这意味着该委员会被 "提前 "撤销了但不在当前矢量中
但这些都是小细节。
除了两件事，这些真的是小事一桩。首先是执行的速度。
cnt<-function(x){ n <- 1:(length(x)-1) cnt <- 0 for(i in n) {if(x[i]!=x[i+1]) {cnt<-cnt+1}} return(cnt) } cnt1 <- function(x){ length(rle(c(x))$values) } sig <- rep(c(1,1,1,-1,-1,-1), 3000) bench::workout({ c <- cnt(sig) c1 <- cnt1(sig) }) # A tibble: 2 x 3 exprs process real <bch:expr> <bch:tm> <bch:tm> 1 c <- cnt(sig) 15.6 ms 9.21 ms 2 c1 <- cnt1(sig) 0 1.15 ms第二个人的速度是15倍。而如果它涉及到一个被调用数万次的健身函数，我们将损失很多时间。
第二点。如果我们有两个条件Buy/Sell/，一切都很好，但作为一个规则，TS产生三个信号--Buy/Sell/hold（1，-1，0）。然后第二种变体就不起作用了。而第一种变体稍作修改后
第一种变体将显示正确的结果（虽然速度很慢），而第二种变体将认为退出位置是一种交易，这是错误的。
如果你不考虑两件事，这些确实是小事。首先是执行的速度。
我完全同意...
有什么方法可以用健身函数训练网络或森林吗？完全同意...
是否有办法用健身函数训练网络或支架？健身函数在优化过程中计算出优化标准 的值。这与模型培训没有关系。
我们需要在metaq的catbust多类中加入 "无交易"。
战略的范围将增加
我在健身功能中加入了一个新的平衡计算和佣金功能...
我认为现在的算法是想尽量减少交易的数量，以节省佣金...因此，较少的交易导致了较少的经验...
这里是图表，你可以清楚地看到，当训练中的交易很少时，学习是没有用的。
灰色是TRAIN 1500点
黑色的是TEST 500点
这个人的交易量很少，阿尔戈没有学到任何东西，它的频率很低...
提前2天知道入境点很有意思 ))
但可能最好一直重新培训，还不知道如何测试这一切