나는 그것이 고문에 달려 있다고 말할 것입니다. 명확한 거래 순서를 생성하는 경우, 즉 포지션이 열리고 닫힐 때, 그리고 그 거래량이 시작과 종료 사이에 변하지 않는다면 거래로 계산하는 것이 좋습니다. 시간이 지남 에 따라 포지션의 양이 원활하게 변경되면 거래 모멘트의 할당이 덜 의미가 있고 귀하에 따라 계산될 수 있습니다.
판츄럴 방식이 차를 팔고 투자자를 찾는데 더 좋습니다) 그래서 시간이 지나면서 그 방식으로 바꾸게 될 것 같아요)
연간 Sharpe 비율을 계산하기 위해 포럼 업스타트 알고리즘을 다시 작성하는 것은 너무 영광이라고 생각합니다))
그러나 진지하게, "비연간" 및 거래당은 메트릭으로서 전혀 의미가 없으며, 전략은 거래 횟수에 따라 매번 다르기 때문에 최적화될 수 없습니다. 예를 들어 1000개의 거래를 생성하는 전략은 다음과 같습니다. 동일한 이익과 최대 금액으로 100마일 거래를 하는 전략보다 3배 덜 날카롭습니다. 감소.
여기서 요점은 엿보는 것이 아니라 특정 조건에서도 발생할 수 있지만 OOS 결과가 실제 생활에서 + - 반복되기를 원하기 때문에 OOS가 가능한 한 실제 생활에 가까워야한다는 사실입니다. 더 먼 과거에 대해 테스트하면 과거에 가깝고 시장은 이 기간 동안 다소 변경될 수 있습니다. 예를 들어 몇 년 동안 OOS와 실제를 분리하는 경우 방법은 완전히 터무니없을 수 있습니다.)))
Wilmot, quantnet, elites 및 ... 더 이상 마음에 들지 않는 포럼은 mql5가 가장 유동적이지만 여기 게시물을 통해 잘못된 정보가 있습니다. 서양 포럼에서는 "증거"를 찾을 수 없습니다. 수익성" "예금을 분산"한 적이없는 자격을 갖춘 투자자 만 거래하기 때문에 아마도 martin 또는 SB를 거래하는 것입니다 ...
여기서 요점은 엿보는 것이 아니라 특정 조건에서도 발생할 수 있지만 OOS 결과가 실제 생활에서 + - 반복되기를 원하기 때문에 OOS가 가능한 한 실제 생활에 가까워야한다는 사실입니다. 더 먼 과거에 대해 테스트하면 과거에 가깝고 시장은 이 기간 동안 다소 변경될 수 있습니다. 예를 들어 몇 년 동안 OOS와 실제를 분리하는 경우 방법은 완전히 터무니없을 수 있습니다.)))
Wilmot, quantnet, elites 및 ... 더 이상 마음에 들지 않는 포럼은 mql5가 가장 유동적이지만 여기 게시물을 통해 잘못된 정보가 있습니다. 서양 포럼에서는 "증거"를 찾을 수 없습니다. 수익성"은 마틴이나 SB를 거래하는 것입니다. 아마도 자격을 갖춘 투자자만이 "예금을 분산"한 적이없는 어리석은 초보자 만 거래하기 때문일 것입니다 ...
예, 이것은 헛소리입니다. 나는 단지 내가 한 일(능력 일반화)을 테스트하는 것입니다. 나는 그것을 교환하지 않습니다
미래에 가르치고 과거에 테스트하십시오. 이것은 이 포럼에서만 찾을 수 있습니다)))
차이 없음, 논의. 역사를 엿보지 않는다
시장에 MO에 대한 일반적인 토론이 있는 포럼을 하나 이상 표시하십시오.나는 그것이 고문에 달려 있다고 말할 것입니다. 명확한 거래 순서를 생성하는 경우, 즉 포지션이 열리고 닫힐 때, 그리고 그 거래량이 시작과 종료 사이에 변하지 않는다면 거래로 계산하는 것이 좋습니다. 시간이 지남 에 따라 포지션의 양이 원활하게 변경되면 거래 모멘트의 할당이 덜 의미가 있고 귀하에 따라 계산될 수 있습니다.
판츄럴 방식이 차를 팔고 투자자를 찾는데 더 좋습니다) 그래서 시간이 지나면서 그 방식으로 바꾸게 될 것 같아요)
연간 Sharpe 비율을 계산하기 위해 포럼 업스타트 알고리즘을 다시 작성하는 것은 너무 영광이라고 생각합니다))
그러나 진지하게, "비연간" 및 거래당은 메트릭으로서 전혀 의미가 없으며, 전략은 거래 횟수에 따라 매번 다르기 때문에 최적화될 수 없습니다. 예를 들어 1000개의 거래를 생성하는 전략은 다음과 같습니다. 동일한 이익과 최대 금액으로 100마일 거래를 하는 전략보다 3배 덜 날카롭습니다. 감소.
"Q" 학습 및 "Bellman 방정식"을 사용하여 개별 거래 손익의 방정식일 수 있음
각 거래의 이익을 고려하여 미래에 취해야 함을 의미합니다.
모르겠어요 :)
"Q" 학습과 "벨만 방정식"
이는 각 거래에서 개별 손익을 고려해서는 안 된다는 의미입니다.
q-learning은 테이블 방식이므로 Bellman으로 개별 이익 수정
나는 정책을 직접적으로 근사화합니다. 동일하지만 더 빠릅니다.
차이 없음, 논의.
차이 없음, 논의. 역사를 엿보지 않는다
시장에 MO에 대한 일반적인 토론이 있는 포럼을 하나 이상 표시하십시오.여기서 요점은 엿보는 것이 아니라 특정 조건에서도 발생할 수 있지만 OOS 결과가 실제 생활에서 + - 반복되기를 원하기 때문에 OOS가 가능한 한 실제 생활에 가까워야한다는 사실입니다. 더 먼 과거에 대해 테스트하면 과거에 가깝고 시장은 이 기간 동안 다소 변경될 수 있습니다. 예를 들어 몇 년 동안 OOS와 실제를 분리하는 경우 방법은 완전히 터무니없을 수 있습니다.)))
Wilmot, quantnet, elites 및 ... 더 이상 마음에 들지 않는 포럼은 mql5가 가장 유동적이지만 여기 게시물을 통해 잘못된 정보가 있습니다. 서양 포럼에서는 "증거"를 찾을 수 없습니다. 수익성" "예금을 분산"한 적이없는 자격을 갖춘 투자자 만 거래하기 때문에 아마도 martin 또는 SB를 거래하는 것입니다 ...
논의된 차이점이 있습니다. 누군가가 방금 놓쳤습니다.
전혀 차이가 없다
유독 최근에 설명하려고했지만 왜 그렇게 생각하는지 잊어 버렸습니다))
정책이 일부 모델(예: 선형)에 의해 근사화되는 경우 새 데이터에 대한 솔루션을 얻기만 하면 됩니다.
당신이 설명하는 것은 가장 높은 보상을 찾는 과정입니다
비정상성의 주요 문제는 새 데이터에 대한 작업을 중단할 때입니다. 비정상 도적에 대해 설명되어 있지만 아직 도달하지 못했습니다. 솔직히 말해서 아직 모르는 것은 없습니다. :) 하지만 적절한 보상을 제공하는 방법에 대한 몇 가지 아이디어/해결책이 필요합니다.당신은 나를 과대 평가) 나는 서론보다 더 진행하지 않았습니다)
그들이 스스로 쓰는 것처럼 이것은 자연(환경)과 함께하는 게임의 일종의 하위 클래스입니다. 우리의 거의 모든 모델이 자연과 함께하는 게임의 틀 안에 있다고 확신하지만 이러한 "도적"이 얼마나 적합한지는 모르겠습니다.
나는 Hidden Markov Process를 선호한다. 모든 변수를 관찰하는 것은 아니라는 사실 때문에 비정상성이 나타날 수 있습니다. 대략적으로 말하면, 우리에게 비정상 프로세스는 고정 프로세스에서 파생되지만 마켓 메이커만 알 수 있습니다.
여기서 요점은 엿보는 것이 아니라 특정 조건에서도 발생할 수 있지만 OOS 결과가 실제 생활에서 + - 반복되기를 원하기 때문에 OOS가 가능한 한 실제 생활에 가까워야한다는 사실입니다. 더 먼 과거에 대해 테스트하면 과거에 가깝고 시장은 이 기간 동안 다소 변경될 수 있습니다. 예를 들어 몇 년 동안 OOS와 실제를 분리하는 경우 방법은 완전히 터무니없을 수 있습니다.)))
Wilmot, quantnet, elites 및 ... 더 이상 마음에 들지 않는 포럼은 mql5가 가장 유동적이지만 여기 게시물을 통해 잘못된 정보가 있습니다. 서양 포럼에서는 "증거"를 찾을 수 없습니다. 수익성"은 마틴이나 SB를 거래하는 것입니다. 아마도 자격을 갖춘 투자자만이 "예금을 분산"한 적이없는 어리석은 초보자 만 거래하기 때문일 것입니다 ...
예, 이것은 헛소리입니다. 나는 단지 내가 한 일(능력 일반화)을 테스트하는 것입니다. 나는 그것을 교환하지 않습니다
예, 이것은 헛소리입니다. 나는 단지 내가 한 일(능력 일반화)을 테스트하는 것입니다. 나는 그것을 교환하지 않습니다
이해합니다, 헛소리는 헛소리입니다))