트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 1249

[Igor Makanu]

알렉세이 비아즈미킨 :

그래서 나는 주제가 모든 곳에서 동일하다는 사실에서 출발합니다 - 상인, 그리고 왜 그는 도구에 따라 행동을 바꿀 것입니까?

귀하의 결론에서 마침내 말이 수레보다 앞서거나 그 반대의 경우에도 차이가 없다고 결정했습니다. 수레가 말보다 앞서 있습니다! ))))

상인은 시장에 적응하기 때문입니다. 가격이 내일 어디에 있을지 말할 수 있는 단일 시장 참가자는 없으며 모든 시장 참가자에 대한 모든 정보를 가지고 있는 단일 시장 참가자도 없습니다

알렉세이 비아즈미킨 :
시장이 모두 동일하고 가격 행동 패턴이 유사하다고 가정하면 12개의 상품을 하나의 샘플로 결합하고 모든 시장에 대한 공통 "기호"를 찾는 것이 어떻습니까?

옵티마이저에서 우수한 솔루션을 찾기 위해 항상 TS가 있다고 가정합니다. (나는 우리가 손실을 초과하고 위험을 초과하는 거래를 고려하지 않기를 바랍니다.) 그러나 일반적으로 모든 것이 슬프고 한 차트에서 작동하는 것이 다른 차트에서 작동하지 않습니다

일반적으로 문제는 무엇입니까? 가정에 따라 모델(시장)을 데카르트 좌표 X와 Y로 단순화합니다. 모든 시장은 동일하고 변환 계수(선형 또는 비선형)가 있습니다. 하나의 데이터를 다른 데이터로 변환할 수 있습니다. 그렇다면 이것은 NN의 작업입니다. 출력에서 입력 데이터의 종속성을 찾는 문제를 완벽하게 해결합니다. 여기에서 곱셈 테이블은 게으른 사람만 NN에 공급하지 않았습니다. ;)

[Wizard2018]

이고르 마카누 :

옵티마이저에서 우수한 솔루션을 찾기 위해 항상 TS가 있다고 가정합니다. (나는 우리가 손실을 초과하고 위험을 초과하는 거래를 고려하지 않기를 바랍니다.) 그러나 일반적으로 모든 것이 슬프고 한 차트에서 작동하는 것이 다른 차트에서 작동하지 않습니다

그것은 단지 신경망 또는 당신이 거기에서 사용하는 것이 또 다른 헛소리를 발견했다고 말합니다. 수백만 개의 구현 옵션 중 하나인 로컬 영역에 맞게 조정된 형식을 고수했지만 글로벌 구조를 "이해"할 수 없었습니다. 어쩌면 "대상"은 쓸모가 없었습니다. 모든 것에 작동하는 방법이 있습니다.사실, MO의 도움으로 찾지 못했습니다. 그러나 가장 중요한 것은 돈을 벌기 위해 가는 것입니다.

자신의 머리와 눈에서 영혼 없는 철 조각으로 책임을 옮기고 싶어 이미 MO에 부딪쳤다면 여기에 최종 평가를 위한 "기준"이 있습니다. 파운드의 15분에 "무언가"를 이미 발견했다면 금의 분과 국내 "종자"의 일-주에 거의 같은 방식으로 작동해야 합니다. 그리고 일반적으로 래리 윌리엄스 시대의 설탕과 콩을 포함한 모든 것.

실례합니다 (Igor Makanu : 이것은 개인적으로 당신을위한 것이 아니라 일반적으로), 눈을 뜨고 "Long-Term Secrets"책의 차트를 열거나 Linda Raschke에 사진이 있습니다. 15분짜리 파운드나 비트코인 시계와는 많은 차이가 있습니다 :)

수익성있는 거래의 비율, 이익 요소로 평가하더라도이 모든 것은 도구에 의존하지 않으며, 기간은 정말 가치있는 방법으로, 마진은 플러스 또는 마이너스 3-4 퍼센트, 더 이상 없습니다. 기간이 증가함에 따라 패턴의 안정성이 감소합니다. 가장 명확하게 "진드기"에 대해 아무 것도 테스트하지 마십시오. 시스템 매개변수는 해당 지점에 뿌리를 두고 있습니다. 그리고 시간이 지남에 따라 오류가 누적되고 패턴이 흐려집니다. 패턴을 형성하는 데 시간이 오래 걸릴수록 그림이 더 많이 떨립니다. 그러나 패턴의 구조는 MN에서도 "떨어지지 않습니다". 여전히 동일한 패턴이고 차이는 백분율입니다.

--

모든 시장 차트 의 "동일함"에 대한 철근 콘크리트 근거가 있으며 물리적으로 다를 수 없습니다. 그들은 또한 "밀리미터"라도 시간이 지남에 따라 변할 수 없습니다. 예를 들어 빛의 속도나 숫자 PI가 변하는 경우에만 그렇습니다.

나는 책에 대한 링크를 반복적으로 제공했으며 모든 것이 거기에 기록되어 있습니다. 그리고 왜 그들은 같으며 왜 시간이 지남에 따라 변할 수 없습니다.

[Forester]

알렉세이 비아즈미킨 :

2016-2017년 교육을 받은 후 2014-2018년 시트를 확인하고 매년 수익을 내고 기타 여러 기준(일반적인 성장/큰 하락 아님)을 충족하는 시트를 선택했습니다. 여기서도 그런 모델을 비즈니스에서 시작하는 것이 가능한지 생각합니다.

다른 도구의 조합과 관련하여 여기에 많은 사람들이 예측 변수를 가지고 있습니다. 다른 시간 간격에 대한 포인트 증가이며 다른 도구에서는 작동하지 않습니다...

그리고 개별 시트와 작업에 대한 통계를 볼 수 있는 패키지 또는 프로그램의 종류는 무엇입니까?

그곳에서 나무나 숲을 가르쳤습니까?

[Igor Makanu]

마법사2018 :

그것은 단지 신경망 또는 당신이 거기에서 사용하는 것이 또 다른 헛소리를 발견했다고 말합니다. 수백만 개의 구현 옵션 중 하나인 로컬 영역에 맞게 조정된 형식을 고수했지만 글로벌 구조를 "이해"할 수 없었습니다. 모든 것에 작동하는 방법이 있습니다.사실, MO의 도움으로 찾지 못했습니다. 그러나 가장 중요한 것은 돈을 벌기 위해 가는 것입니다.

자신의 머리와 눈에서 영혼 없는 철 조각으로 책임을 옮기고 싶어 이미 MO에 부딪쳤다면 여기에 최종 평가를 위한 "기준"이 있습니다. 파운드의 15분에 "무언가"를 이미 발견했다면 금의 분과 국내 "종자"의 일-주에 거의 같은 방식으로 작동해야 합니다. 그리고 일반적으로 래리 윌리엄스 시대의 설탕과 콩을 포함한 모든 것.

실례합니다 (Igor Makanu : 이것은 개인적으로 당신을위한 것이 아니라 일반적으로), 눈을 뜨고 "Long-Term Secrets"책의 차트를 열거나 Linda Raschke에 사진이 있습니다. 15분짜리 파운드나 비트코인 시계와는 많은 차이가 있습니다 :)

수익성있는 거래의 비율, 이익 요소로 평가하더라도이 모든 것은 도구에 의존하지 않으며, 기간은 정말 가치있는 방법으로, 마진은 플러스 또는 마이너스 3-4 퍼센트, 더 이상 없습니다. 기간이 증가함에 따라 패턴의 안정성이 감소합니다. 가장 명확하게 "진드기"에 대해 아무 것도 테스트하지 마십시오. 시스템 매개변수는 해당 지점에 뿌리를 두고 있습니다. 그리고 시간이 지남에 따라 오류가 누적되고 패턴이 흐려집니다. 패턴을 형성하는 데 시간이 오래 걸릴수록 그림이 더 많이 떨립니다.

--

모든 시장 차트 의 "동일함"에 대한 철근 콘크리트 근거가 있으며 물리적으로 다를 수 없습니다. 그것들은 또한 "마일미터"라도 시간이 지남에 따라 변할 수 없습니다. 예를 들어 빛의 속도나 파이 수가 변하는 경우에만 그렇습니다.

나는 책에 대한 링크를 반복적으로 제공했으며 모든 것이 거기에 기록되어 있습니다. 그리고 왜 그들은 같으며 왜 시간이 지남에 따라 변할 수 없습니다.

좋아, 그게 무슨 문제야? 책에 대한 링크를 보여주세요. 아아, 나는 항상 주제에 대한 모든 토론을 읽을 시간이 없습니다, 나는 그것을 읽을 것입니다, 어쨌든 읽을 것이 없습니다

[СанСаныч Фоменко]

R 또는 파이썬 ? 왜 모두? {reticulate}를 사용하여 R 내에서 Anaconda Python 사용

[СанСаныч Фоменко]

마법사_ :

Fa, Dzhurikovskaya JMA와 같은 일반 필터가 필요하지만 최대 71g입니다. 풀어 주다.
그것은 강하게 zamorochenny와 R에서 바람직하지 않습니다. 뭔가가 있습니까?

아니요.

오랫동안 나는 주기 적응의 관점에서 실생활에서 µl4에서 수정된 JMA를 사용했지만 거의 쓸모가 없습니다. 다른 모든 것과 마찬가지로 썩어가는 것입니다. 주기적으로 펜을 개입해야했습니다.

지표를 예측 변수로 사용하지만 목표 변수를 예측할 수 있는 평활화를 알지 못합니다.

필터에 대한 경우 호기심 많은 부드러운 패키지가 있습니다. 내부 평활화는 상태 공간이 있는 Kalman을 앉힙니다. 매우 고품질의 자동차를 제공하고 외삽(예측)으로 몇 단계 앞서 있습니다.

그러나 나에게 중요한 것은 대상에 대한 예측 능력 이며 이 패키지에 있는 모든 것은 동일한 문제가 있습니다. 예측 능력이 없습니다.

따라서 모든 필터, 앤티앨리어싱 등에 대해 점수를 매겼습니다.

[Aleksey Vyazmikin]

이고르 마카누 :

귀하의 결론에서 마침내 말이 수레보다 앞서거나 그 반대의 경우에도 차이가 없다고 결정했습니다. 수레가 말보다 앞서 있습니다! ))))

상인은 시장에 적응하기 때문입니다. 가격이 내일 어디에 있을지 말할 수 있는 단일 시장 참가자는 없으며 모든 시장 참가자에 대한 모든 정보를 가지고 있는 단일 시장 참가자도 없습니다

여기서 상인은 집합적인 이미지이며, 이것은 클라이언트의 요구를 충족시키기 위해 자신의 기술을 적용하여 시장에 영향을 미치는 사람(자연적 또는 법적)으로부터 돈에 대한 욕구를 표현하는 사람입니다. 그렇기 때문에 지식이나 기술 자체가 아니라 사용된 이해 관계자 자산의 양 덕분에 집합적으로 유사한 기술이 모든 도구에서 승리한다고 말하는 이유입니다. 여기에 대부분의 시장 참가자가 적용할 수 없이 사용하는 기술 분석의 글로벌 종교를 추가합니다( 증권 시장 의 전문 참가자를 위해 이러한 가정에 대한 지식에 대한 중앙 은행의 요구 사항에 대한 링크를 삭제했기 때문에) ... 가격이 어디에 있는지 말할 때 우리의 임무는 선택한 이동 벡터에 따라 가격이 어떻게 움직일 것인지 이해하고 거래에 들어가는 비용, 즉 위험 비용을 최소화하는 것입니다.

이고르 마카누 :

옵티마이저에서 우수한 솔루션을 찾기 위해 항상 TS가 있다고 가정합니다. (나는 우리가 손실을 초과하고 위험을 초과하는 거래를 고려하지 않기를 바랍니다.) 그러나 일반적으로 모든 것이 슬프고 한 차트에서 작동하는 것이 다른 차트에서 작동하지 않습니다

일반적으로 문제는 무엇입니까? 가정에 따라 모델(시장)을 데카르트 좌표 X와 Y로 단순화합니다. 모든 시장은 동일하고 변환 계수(선형 또는 비선형)가 있습니다. 하나의 데이터를 다른 데이터로 변환할 수 있습니다. 그렇다면 이것은 NN의 작업입니다. 출력에서 입력 데이터의 종속성을 찾는 문제를 완벽하게 해결합니다. 여기에서 곱셈 테이블은 게으른 사람만 NN에 공급하지 않았습니다. ;)

저는 시장을 설명하는 예측변수로 더 많은 작업을 하고 있으며 이미 300개 이상의 예측변수를 가지고 있고 NN에 대한 300개 항목은 너무 무겁습니다... 따라서 트리 모델을 사용합니다. 어쨌든 여기서 작업은 예측 변수가 기기에 의존하지 않도록 포인트를 상대적 측정 단위로 변환하는 것입니다. 저는 일일 ATR을 통해 이 작업을 수행하지만 더 나은 방법이 있을지도 모릅니다. 잘 모르겠습니다. 어쨌든 나는 훈련을 위한 샘플링에 성공하지 못했기 때문에 데이터 변환을 위해 다른 방법을 시도해야 합니다. 모든 변형이 여기에 고려되거나 작은 양적 형태로 존재하지 않아 규칙 (시트의 형성).

[Aleksey Vyazmikin]

도서관 :

그리고 개별 시트와 작업에 대한 통계를 볼 수 있는 패키지 또는 프로그램의 종류는 무엇입니까?

그곳에서 나무나 숲 1개를 훈련했습니까?

예, Deductor Studio에서 선택 항목으로 작업하는 것은 매우 유익합니다. 거기에서 분기를 다시 빌드하거나 처음부터 트리를 빌드할 수 있습니다. 트리 작동 방식을 이해하고 가설을 테스트하는 데 매우 좋은 도구입니다. 단점은 패키지가 유료이고 규칙(잎)을 언로드할 수 없다는 것입니다...

저는 R에서 스크립트를 사용하여 유전학을 사용하여 나무를 생성한 다음 스크립트를 사용하여 각 반복에서 나무 데이터를 업로드한 다음 별도로 작성된 파서 프로그램을 사용하여 나무를 다음 형식의 잎으로 변환합니다.

             if (Test_P!= 1245 ) if (DonProc>= 5.5 && TimeH< 10.5 && Levl_High_H4s1< 1.5 ) CalcBuy=CalcBuy+ 1 ; //(0.22513089 0.30366492 0.47120419)
             if (Test_P!= 2030 ) if (Povtor_Low_M1>= 0 && TimeH>= 10.5 && TimeH< 21.5 && BB_iD_Center_H1< 0 && Levl_Close_D1>=- 2.5 && Levl_Support_W1s1< 4.5 && LastBarPeresekD_Down_M15< 4.5 ) CalcBuy=CalcBuy+ 1 ; //(0.09111617 0.51252847 0.39635535)
             if (Test_P!= 2537 ) if (Povtor_High_M1>= 0 && rLevl_Down_iD_RSI< - 6.5 && TimeH< 14.5 ) CalcBuy=CalcBuy+ 1 ; //(0.1990172 0.3832924 0.4176904)
             if (Test_P!= 3243 ) if (Levl_Close_H1>= 0 && TimeH< 10.5 && Levl_Support_W1<- 3.5 ) CalcBuy=CalcBuy+ 1 ; //(0.1153846 0.1538462 0.7307692)
             if (Test_P!= 3314 ) if (Levl_Close_H1>= 0 && TimeH< 10.5 && Levl_Low_W1s1N< 4.5 && Levl_Support_W1< - 3.5 ) CalcBuy=CalcBuy+ 1 ; //(0.1153846 0.1538462 0.7307692)
             if (Test_P!= 3583 ) if (Povtor_Type_M1>= 0 && TimeH< 10.5 && Levl_Close_W1< - 3.5 ) CalcBuy=CalcBuy+ 1 ; //(0.11428571 0.20000000 0.68571429)
             if (Test_P!= 3857 ) if (Povtor_Type_M1>= 0 && TimeH< 10.5 && Levl_Support_W1<- 3.5 ) CalcBuy=CalcBuy+ 1 ; //(0.07142857 0.17857143 0.75000000)
             if (Test_P!= 6546 ) if (Povtor_Type_H1< 0 && Levl_Close_H1s1N>= 0 && Levl_Close_H1s1N< 2.5 && Levl_High_W1s1>= 2.5 && DonProc_M15>= 5.5 ) CalcBuy=CalcBuy+ 1 ; //(0.1228070 0.4210526 0.4561404)
             if (Test_P!= 6676 ) if (Povtor_Type_H1< 0 && Levl_Close_H1s1N>= 0 && Levl_Close_MN1< 4.5 && TimeH< 21.5 && BB_iD_Center_H1< 0 && Povtor_Type_M15>= 0 && Levl_Down_DC_M15>=- 2.5 ) CalcBuy=CalcBuy+ 1 ; //(0.10619469 0.42477876 0.46902655)
             if (Test_P!= 8673 ) if (Levl_Close_H1s1< 0 && Levl_Close_H1s1N>= 0 && Part_H4>= 2.5 && TimeHG< 3 && Levl_first_W1s1>= 0.5 ) CalcBuy=CalcBuy+ 1 ; //(0.11607143 0.40178571 0.48214286)
             if (Test_P!= 8840 ) if (TimeHG>= 1.5 && RSI_Open_M1< 0.5 && BB_Peresek_Last_M1< 0.5 && RSI_Open_M1>=- 0.5 && Levl_Support_W1s1>=- 4.5 && Povtor_Low_H1>= 0 && Levl_Support_H4>= 0 && RegressorSpeed< 1.5 ) CalcBuy=CalcBuy+ 1 ; //(0.1606218 0.4145078 0.4248705)
             if (Test_P!= 10002 ) if (rOpen_WormsDown>= 0 && BB_Peresek_Last_M1< 0.5 && rDeltaWorms< 2.5 && DonProcVisota< 4.5 && Part_D1< 3.5 && BB_iD_Center_H1< 0 && Levl_Close_H1s1N>= 0 ) CalcBuy=CalcBuy+ 1 ; //(0.1890244 0.3963415 0.4146341)
             if (Test_P!= 10395 ) if (rOpen_WormsDown>= 0 && Povtor_Type_M15>= 0 && Levl_Low_H1< - 4.5 && Levl_Close_H1s1N>= 0 ) CalcBuy=CalcBuy+ 1 ; //(0.1990741 0.3888889 0.4120370)
             if (Test_P!= 14244 ) if (rPeresek_Up< 0.5 && BB_Peresek_Last_M1< 0.5 && Polozhenie_M1>= 0 && Povtor_High_H1<- 2.5 ) CalcBuy=CalcBuy+ 1 ; //(0.1948052 0.3506494 0.4545455)
             if (Test_P!= 14462 ) if (rPeresek_Up< 0.5 && BB_Peresek_Last_M1< 0.5 && Polozhenie_M1>= 0 && DonProc_M15< 9.5 && Levl_Support_H4s1< 4.5 && Povtor_High_H1<- 2.5 ) CalcBuy=CalcBuy+ 1 ; //(0.2112676 0.3239437 0.4647887)
             if (Test_P!= 17944 ) if (Levl_Low_H1s1N< - 1.5 && Levl_Close_H4>= 0 && Levl_Close_H1s1N>= 0 && BB_iD_Center_H1< 0 && Part_H1< 2.5 ) CalcBuy=CalcBuy+ 1 ; //(0.1408451 0.3239437 0.5352113)
             if (Test_P!= 18382 ) if (Povtor_Low_M15< 3.5 && LowPerekH1s1_1< 0.5 && Polozhenie_M1>= 0 && BB_iD_Down_M1>=- 5.5 && DonProcVisota>= 3.5 && Povtor_Low_M15< 1.5 && BB_iD_Down_M1>=- 1.5 ) CalcBuy=CalcBuy+ 1 ; //(0.1659389 0.3842795 0.4497817)
             if (Test_P!= 19123 ) if (rPeresek_Down< 0.5 && Povtor_Low_M15< 3.5 && LowPerekH1s1_1< 0.5 && Polozhenie_M1>= 0 && rCalcLvlWorms< 1.5 && DonProcVisota>= 3.5 && rLevl_UpPeresek_iD_RSI< 1.5 && RegressorCalc_S1>=- 1.5 && Levl_first_W1s1>=- 0.5 ) CalcBuy=CalcBuy+ 1 ; //(0.1225490 0.4313725 0.4460784)
             if (Test_P!= 26038 ) if (Levl_Support_H1s1>=- 3.5 && Part_H4< 2.5 && LowPerekH1s1_0>= 0.5 && Part_H1>= 1.5 ) CalcBuy=CalcBuy+ 1 ; //(0.1912568 0.4153005 0.3934426)

그런 다음 파일과 재무 결과에서 예측자를 읽고 "수학적 계산"최적화 모드에서 잎을 적용하는 EA를 사용하고 내부에서 이미 프레임으로 전송되는 재무 지표 및 기타 통계에 대한 계산으로 통계를 수집합니다. 에이전트에서 EA로 수집되고 결국 하나의 파일로 수집됩니다.

그런 다음 각 보고 기간 동안 시트가 어떻게 작동했는지 살펴봅니다.

[Farkhat Guzairov]

알렉세이 비아즈미킨 :

예, Deductor Studio에서 선택 항목으로 작업하는 것은 매우 유익합니다. 거기에서 분기를 다시 빌드하거나 처음부터 트리를 빌드할 수 있습니다. 트리 작동 방식을 이해하고 가설을 테스트하는 데 매우 좋은 도구입니다. 단점은 패키지가 유료이고 규칙(잎)을 언로드할 수 없다는 것입니다...

저는 R에서 스크립트를 사용하여 유전학을 사용하여 나무를 생성한 다음 스크립트를 사용하여 각 반복에서 나무 데이터를 업로드한 다음 별도로 작성된 파서 프로그램을 사용하여 나무를 다음 형식의 잎으로 변환합니다.

그런 다음 파일과 재무 결과에서 예측자를 읽고 "수학적 계산"최적화 모드에서 잎을 적용하는 EA를 사용하고 내부에서 이미 프레임으로 전송되는 재무 지표 및 기타 통계에 대한 계산으로 통계를 수집합니다. 에이전트에서 EA로 수집되고 결국 하나의 파일로 수집됩니다.

그런 다음 각 보고 기간 동안 시트가 어떻게 작동했는지 살펴봅니다.

주석, 수동으로하는 모든 작업은 신경망에서 수행해야합니다. 그렇지 않으면 .... 시간 낭비, 그 후 결과가 음수이면 실망의 바다와 다른 방법을 찾아 던집니다.

[Aleksey Vyazmikin]

마법사_ :

망치. 편의를 위해 강조 표시하십시오(히트 맵).

네, 그런 구현을 강조표시로 보았지만, 별도의 알고리즘을 작성하고 캔버스를 그려야 하는데 전혀 이해가 되지 않았습니다. 따라서 지금은 공식을 그립니다. 그리고 예, 지도는 흥미로울 것입니다. 그러나 다시, 다차원 지도를 사용하는 것이 더 낫습니다 ...

이제 한 모델에 대한 잎사귀를 수집할 때 무엇을 위해 노력하는지 생각하고 있습니다. 먼저 안정적인 잎을 선택했습니다. 이미 썼고, 그 다음 필터 잎이 중요합니다(나는 -1/0/1 - 판매의 분류를 가지고 있습니다. / 입력하지 않음 / 구매), 필터는 각각 "입력하지 않음" 그룹과 판매용 "구매" 그룹의 잎 역할을 할 수 있지만 실제로는 "판매" 그룹에서도 속합니다. 패턴이 거짓이거나 시장에 진입 하기 위해 잎을 적용하는 커버된 맵은 입력 신호로 이 표면을 덮지 않지만 입력 무시 측면에서 잘 필터링됩니다. 지금까지 필터에는 이익 개선, 감소 감소, 무익한 항목 수 감소와 같은 기준이 있으므로 3x/4x 년에 이러한 모든 지표를 한 번에 개선할 4-6개의 잎을 꺼낼 수 있습니다. 일반적으로 지표 - 이익 및 하락. 그런 다음 수익성과 올바른 항목의 비율에 초점을 맞추거나 각 항목 시트에 대해 개별 필터(1-2)를 선택하려고 생각합니다. 이 필터는 더 비싸지만 이론상 더 효과적이어야 합니다.