A Monte Carlo simulation is a method that allows for the generation of future potential outcomes of a given event. In this case, we are trying to model the price pattern of a given stock or portfolio of assets a predefined amount of days into the future. With Python, R, and other programming languages, we can generate thousands of outcomes on...
나는 많은 것을 시도했습니다. IMHO가 미래 증가의 신호를 예측하는 것은 슬픈 일입니다. 글쎄, 적어도 나는 그것으로 가치 있는 일을 하는 방법을 배우지 못했습니다. 그것은 구성의 미묘함의 문제가 아니라 예측 가능성에 가깝습니다 거래 비용에 의해 완전히 평준화되는 0으로.
증분은 원자의 움직임과 같은 "미시적" 수준이지만 일반적인 롤백 및 임펄스 TS를 필터링하는 것보다 추세/플랫과 같은 노이즈가 덜한 것을 예측해야 합니다.
흥미롭게 보입니다. 자체 구현하거나 라이브러리가 있습니다. 그래픽 구성 요소 및 재무 계산에 대해 이야기하고 있습니다.
결과적으로 수익성과 예리율은 다소 낮은 것 같습니다. 미끄러짐과 수수료에 대한 마진이 거의 없습니다.
python, lib용 테스터 - 그들은 모든 종류의 다른 것으로 가득 차 있습니다.
다른 모든 것과 관련하여 - 이제 다른 매개 변수로 운전하고 열정이 사라집니다. 숲과 같은 과적합
기차가 어디 있고 시험이 어디에 있는지 이해하기 쉽습니다. 즉, 실제로 아무 것도 변경되지 않았으며 catbust는 이점을 제공하지 않았습니다.
나는 나중에 lstm을 시도할 것이다
다른 모든 것과 관련하여 - 이제 다른 매개 변수로 운전하고 열정이 사라집니다. 숲과 같은 과적합
기능과 대상은 무엇입니까?
기능과 대상은 무엇입니까?
증분은 정상이며, 다른 단계를 통해 훈련에서 훈련까지 무작위로 대상이 됩니다(예: 부동 매개변수가 있는 지그재그).
증분은 정상이며, 다른 단계를 통해 훈련에서 훈련까지 무작위로 대상이 됩니다(예: 부동 매개변수가 있는 지그재그).
분명한
어떻게 든 수익률이나 증분으로 저에게 효과가 없었습니다. 끔찍하게 시끄럽습니다. 그렇게 거래 할 수 없습니다 ((
분명한
어떻게 든 수익률이나 증분으로 저에게 효과가 없었습니다. 끔찍하게 시끄럽습니다. 그렇게 거래 할 수 없습니다 ((
더 많은 주문과 더 적은 거래를 할 수 있지만 지옥에는 정상적인 패턴이 없습니다. 있다면 수명이 짧거나 덜 퍼짐
더 많은 주문과 더 적은 거래를 할 수 있지만 지옥에는 정상적인 패턴이 없습니다. 있다면 수명이 짧거나 덜 퍼짐
글쎄, 당신이 원하는 것은 ...
소음은 물론 여러 가지 방법으로 싸울 수 있지만 "도끼에서 나온 수프"로 밝혀졌습니다.
글쎄, 당신이 원하는 것은 ...
분류기를 비교하는 것이 흥미로웠습니다.
스크린샷으로는 잘 이해가 되지 않았습니다.
분류기를 비교하는 것이 흥미로웠습니다.
스크린샷으로는 잘 이해가 되지 않았습니다.
분류자 - 숲, 특징 - 운동량의 기호 (10,20,40,80,160,640,1280,2560,5120) 대상 - 방향 기호 ZZ(10)
네 비교할게 없습니다 베즈폰토비 구성입니다
분류기 - 숲, 특징 - 운동량의 기호 (10,20,40,80,160,640,1280,2560,5120) 대상 - 방향 기호 ZZ(10)
몬테칼라이팅 기능/반품을 사용해 보셨습니까? 훈련 세트에 추가합니다. 저것들. 다른 드리프트 등으로 프로세스를 여러 번 구현합니다. 내가 아직 하지 않은 유일한 것
가격에서 차액을 빼면 금액을 잃게 되고 기능이 열등한 것으로 판명되기 때문입니다. Montecarla는 고칠 수 있습니다 .. 아마도
https://programmingforfinance.com/2017/11/monte-carlo-simulations-of-future-stock-prices-in-python/
몬테칼라이팅 기능/반품을 사용해 보셨습니까? 훈련 세트에 추가합니다. 저것들. 다른 드리프트 등으로 프로세스를 여러 번 구현합니다. 내가 아직 하지 않은 유일한 것
가격에서 차액을 빼면 금액을 잃게 되고 기능이 열등한 것으로 판명되기 때문입니다. Montecarla는 고칠 수 있습니다 .. 아마도
https://programmingforfinance.com/2017/11/monte-carlo-simulations-of-future-stock-prices-in-python/
나는 많은 것을 시도했습니다. IMHO가 미래 증가의 신호를 예측하는 것은 슬픈 일입니다. 글쎄, 적어도 나는 그것으로 가치 있는 일을 하는 방법을 배우지 못했습니다. 그것은 구성의 미묘함의 문제가 아니라 예측 가능성에 가깝습니다 거래 비용에 의해 완전히 평준화되는 0으로.
증분은 원자의 움직임과 같은 "미시적" 수준이지만 일반적인 롤백 및 임펄스 TS를 필터링하는 것보다 추세/플랫과 같은 노이즈가 덜한 것을 예측해야 합니다.