자산 및 포트폴리오에 대한 샤프 계산에 대해 일반적으로 받아 들여지는 접근 방식에도 불구하고 개별 TS로 이전할 준비가 되지 않았습니다. TS는 포트폴리오가 아니라 가능성의 일부라고 생각합니다.
그것은 날카로운 그 자체가 아니라 부과된 접근 방식입니다. 제 TS 대신에 이해할 수 없는 것을 고려해야 할 때 많은 거래가 인위적으로 하나로 결합될 수 있고 동시에 존재하지 않는 제로 거래가 추가될 수 있습니다. 그리고 이것은 "필요하다"는 사실 때문입니다.
나에게 샤프는 거래 이익 분포의 특성으로 평균 이익과 0 사이의 차이의 통계적 의미를 보여줍니다. TS의 트랜잭션 수가 너무 많이 변경될 수 있는 경우 샤프를 수정해야 합니다. 이를 위해서는 k/sqrt(n)과 같은 값을 빼야 합니다. 여기서 n은 거래 횟수입니다. 요점은 트랜잭션 수가 증가하면 기대에 대한 신뢰 구간 이 좁아지고 이는 트랜잭션 수가 증가함에 따라 평소 샤프의 감소를 어느 정도 보상할 수 있다는 것입니다. 거래 수가 그렇게 많이 뛰지 않으면 이 수정이 최적화에 영향을 미치지 않으므로 표준 샤프를 사용할 수 있습니다.
맞습니다. Sharpe 비율은 개별 TS보다 포트폴리오에서 더 크며 아무도 이를 메트릭으로 사용하거나 사용하지 않도록 강요하지 않습니다. 다른 메트릭이 많이 있으며 자신의 것을 발명할 수 있습니다.
사실, 어떤 종류의 죽, 아마도 어딘가에 내가 코드를 작성할 때 실수를 저질렀을 것입니다.
그러한 작업을 더 일반적으로 설정하는 것이 흥미로울 것입니다. 특정 데이터 행렬이 있다고 가정해 봅시다. 학습자와 테스트로 구분된 벡터 시리즈, 누군가 학습자에게 무언가를 불러일으키고 테스트에서 특정 시리즈를 생성한 경우 평가해야 합니다. 시스템에 대한 이 시리즈의 거래 데이터 값.
일반적으로 익명의 데이터 피드, 스칼라 또는 벡터가 될 수 있으며 원시 데이터 외에도 "약한 예측 시장"과 일부 심각한 사무실(은행, 헤지 펀드)이 있다고 말합니다. 스프레드" 예측을 대량으로 수행하여 독립적으로 거래하는 것이 수익성이 없거나 이에 대한 조건이 없으며 이를 모델의 기능으로 사용합니다(유용한 한). 여기서 저는 거래에 대한 특정 시리즈의 유용성을 확인하기 위한 좋은 알고리즘, 명확한 공식 절차 및 여러 메트릭을 찾는 데 관심이 있습니다.
그러한 작업을 더 일반적으로 설정하는 것이 흥미로울 것입니다. 특정 데이터 행렬이 있다고 가정해 봅시다. 학습자와 테스트로 구분된 벡터 시리즈, 누군가 학습자에게 무언가를 불러일으키고 테스트에서 특정 시리즈를 생성한 경우 평가해야 합니다. 시스템에 대한 이 시리즈의 거래 데이터 값.
일반적으로 익명의 데이터 피드, 스칼라 또는 벡터가 될 수 있으며 원시 데이터 외에도 "약한 예측 시장"과 일부 심각한 사무실(은행, 헤지 펀드)이 있다고 말합니다. 스프레드" 예측을 대량으로 수행하여 독립적으로 거래하는 것이 수익성이 없거나 이에 대한 조건이 없으며 이를 모델의 기능으로 사용합니다(유용한 한). 여기서 저는 거래에 대한 특정 시리즈의 유용성을 확인하기 위한 좋은 알고리즘, 명확한 공식 절차 및 여러 메트릭을 찾는 데 관심이 있습니다.
이유는 완전히 명확하지 않습니다 ... "미래 선택"알고리즘이 있으며 유용한 예측자를 노이즈에서 분리하는 문제를 해결합니다.
OOOO 그리고 지금은 아무 주제도 없습니다. 글쎄, 나는 화난 마음을 방해하지 않을 것이라고 생각한다, 차는 효과가있다 ......
그리고 당신을 올려다봅니다. 내가 들어가고 부르주아가... 으으..... 어.. 어머니 러시아를 팔았다..... 부끄럽다!!!!!!
물론 이것은 농담입니다!
극값을 표시하기 위해 ZigZag용 iCustom을 올바르게 작성하는 방법은 무엇입니까?
여기 쓰시 오:
https://www.mql5.com/ru/forum/160683
자산 및 포트폴리오에 대한 샤프 계산에 대해 일반적으로 받아 들여지는 접근 방식에도 불구하고 개별 TS로 이전할 준비가 되지 않았습니다. TS는 포트폴리오가 아니라 가능성의 일부라고 생각합니다.
그것은 날카로운 그 자체가 아니라 부과된 접근 방식입니다. 제 TS 대신에 이해할 수 없는 것을 고려해야 할 때 많은 거래가 인위적으로 하나로 결합될 수 있고 동시에 존재하지 않는 제로 거래가 추가될 수 있습니다. 그리고 이것은 "필요하다"는 사실 때문입니다.
나에게 샤프는 거래 이익 분포의 특성으로 평균 이익과 0 사이의 차이의 통계적 의미를 보여줍니다. TS의 트랜잭션 수가 너무 많이 변경될 수 있는 경우 샤프를 수정해야 합니다. 이를 위해서는 k/sqrt(n)과 같은 값을 빼야 합니다. 여기서 n은 거래 횟수입니다. 요점은 트랜잭션 수가 증가하면 기대에 대한 신뢰 구간 이 좁아지고 이는 트랜잭션 수가 증가함에 따라 평소 샤프의 감소를 어느 정도 보상할 수 있다는 것입니다. 거래 수가 그렇게 많이 뛰지 않으면 이 수정이 최적화에 영향을 미치지 않으므로 표준 샤프를 사용할 수 있습니다.
맞습니다. Sharpe 비율은 개별 TS보다 포트폴리오에서 더 크며 아무도 이를 메트릭으로 사용하거나 사용하지 않도록 강요하지 않습니다. 다른 메트릭이 많이 있으며 자신의 것을 발명할 수 있습니다.
음 시도...
그건 그렇고, 더 많은 예측 변수를 추가해야 합니다. 필터링을 위한 양초 모델이 나쁘지 않을 것이라고 생각합니다. 여전히 신호에 즉시 입력할 수는 없지만 예를 들어 일종의 확인과 함께 양초를 통해 입력할 수 있습니다.
갠적으로 아직 썩 좋지는 않은데... 랭크 자체에서 예측력은 못찾았는데 다른 기능과 합치면 '도끼국' 같은게 나온다))
갠적으로 아직 썩 좋지는 않은데... 랭크 자체에서 예측력은 못찾았는데 다른 기능과 합치면 '도끼국' 같은게 나온다))
제가 보내드린 데이터를 살펴보니 도중에 뭔가 잘못된 부분이 있어서...
사실, 어떤 종류의 죽, 아마도 어딘가에 내가 코드를 작성할 때 실수를 저질렀을 것입니다.
제가 보내드린 데이터를 살펴보니 도중에 뭔가 잘못된 부분이 있어서...
사실, 어떤 종류의 죽, 아마도 어딘가에 내가 코드를 작성할 때 실수를 저질렀을 것입니다.
그러한 작업을 더 일반적으로 설정하는 것이 흥미로울 것입니다. 특정 데이터 행렬이 있다고 가정해 봅시다. 학습자와 테스트로 구분된 벡터 시리즈, 누군가 학습자에게 무언가를 불러일으키고 테스트에서 특정 시리즈를 생성한 경우 평가해야 합니다. 시스템에 대한 이 시리즈의 거래 데이터 값.
일반적으로 익명의 데이터 피드, 스칼라 또는 벡터가 될 수 있으며 원시 데이터 외에도 "약한 예측 시장"과 일부 심각한 사무실(은행, 헤지 펀드)이 있다고 말합니다. 스프레드" 예측을 대량으로 수행하여 독립적으로 거래하는 것이 수익성이 없거나 이에 대한 조건이 없으며 이를 모델의 기능으로 사용합니다(유용한 한). 여기서 저는 거래에 대한 특정 시리즈의 유용성을 확인하기 위한 좋은 알고리즘, 명확한 공식 절차 및 여러 메트릭을 찾는 데 관심이 있습니다.
그러한 작업을 더 일반적으로 설정하는 것이 흥미로울 것입니다. 특정 데이터 행렬이 있다고 가정해 봅시다. 학습자와 테스트로 구분된 벡터 시리즈, 누군가 학습자에게 무언가를 불러일으키고 테스트에서 특정 시리즈를 생성한 경우 평가해야 합니다. 시스템에 대한 이 시리즈의 거래 데이터 값.
일반적으로 익명의 데이터 피드, 스칼라 또는 벡터가 될 수 있으며 원시 데이터 외에도 "약한 예측 시장"과 일부 심각한 사무실(은행, 헤지 펀드)이 있다고 말합니다. 스프레드" 예측을 대량으로 수행하여 독립적으로 거래하는 것이 수익성이 없거나 이에 대한 조건이 없으며 이를 모델의 기능으로 사용합니다(유용한 한). 여기서 저는 거래에 대한 특정 시리즈의 유용성을 확인하기 위한 좋은 알고리즘, 명확한 공식 절차 및 여러 메트릭을 찾는 데 관심이 있습니다.
이유는 완전히 명확하지 않습니다 ... "미래 선택"알고리즘이 있으며 유용한 예측자를 노이즈에서 분리하는 문제를 해결합니다.