트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 1612

[mytarmailS]

예브게니 듀카 :
나는 반년 동안 그런 전략에 종사했고 백 테스트의 최대 결과는 연간 x5이지만 1 년에 한 번 모든 것을 병합하게 될 것이고 이 문제를 해결하는 것은 불가능합니다.

네.. 국민들께 죄송합니다..

그렇다면 시스템의 방송은 어떻습니까?

[Evgeny Dyuka]

mytarmailS :

네.. 국민들께 죄송합니다..

그렇다면 시스템의 방송은 어떻습니까?

메타 트레이더의 신호를 의미한다면 비현실적입니다. 수구의 퍼짐은 단순히 미쳤다 + 따옴표가 남아 있습니다. 일반 암호화폐 거래소에서 제한을 두고 열면 수수료는 음수입니다. 여전히 지불하고 있습니다.

[Farkhat Guzairov]

지난 주에 테스터에서 시스템을 실행했는데 필터 등을 설정하는 것이 "도움"되고 있다고 다시 한 번 확신했습니다. 시스템 교육에 소요된 노력으로 인해 이 "도움"은 부정적인 결과만 초래하며 이 결과는 알려지고 훈련된 데이터를 기반으로 합니다.

[Evgeny Dyuka]

파르하트 구자이로프 :

나는 지난 주에 테스터에서 시스템을 실행했는데 필터 등을 설정하는 것이 "도움"되고 있다고 다시 한 번 확신했습니다. 시스템 교육에 소요된 노력으로 인해 이 "도움"은 부정적인 결과만 초래하며 이 결과는 알려지고 훈련된 데이터를 기반으로 합니다.

목발을 맬 수 없고 스스로 배워야 합니다. 일단 그녀를 돕기 시작하면 멈추지 않을 것입니다))

[Aleksey Mavrin]

mytarmailS :

두 개의 변수 벡터가 있습니다. 현재 양초와 이전 양초( "-1" )

a = "시가","고가","저가","종가","중앙"

b = "오픈-1","높은-1","낮은-1","닫는-1","센터-1"

"center" 변수는 촛대의 중간(높음+낮음)/2 이 변수가 없으면 "eskimo" 등과 같은 패턴을 설명하는 것이 불가능합니다. 다른 변수의 값을 설명할 필요는 없다고 생각합니다. 뻔합니다.

그래서 우리는 모든 종류의 논리적 조합을 만듭니다 (논리적이지 않을 수 있음)

촛불 두 개만, 안타까운 촛불 두 개.....

젠장, 나도 무슨 말을 해야 할지 모르겠어. 신경망의 라이브러리는 사람들이 상식조차 잊어버릴 정도로 액세스할 수 있게 되었습니다.

이것은 분명히 말도 안되는 소리입니다. 모든 유형의 분석에 대한 모든 초기 매뉴얼에서 결과를 달성하기 위해 불필요한 엔티티를 제거해야 한다고 쓰여진 경우 엔티티를 생성합니다.

그런 다음 숫자, 2, 3분의 1 등으로 높으면 변수를 생성합니다. 그러면 두 양초에서 1000을 얻을 수 있습니다.)))

예측 변수의 비율이 모델에 매우 중요하다고 이미 생각하고 이를 입력으로 제공해야 하는 경우에는 일종의 컨볼루션 계층을 생성하되 예측 변수 mdaaa ...를 생성하십시오.

[mytarmailS]

알렉세이 마브린 :

젠장, 나도 무슨 말을 해야 할지 모르겠어. 신경망의 라이브러리는 사람들이 상식조차 잊어버릴 정도로 액세스할 수 있게 되었습니다.

이것은 분명히 말도 안되는 소리입니다. 모든 유형의 분석에 대한 모든 초기 매뉴얼에서 결과를 달성하기 위해 불필요한 엔티티를 제거해야 한다고 쓰여진 경우 엔티티를 생성합니다.

그런 다음 숫자, 2, 3분의 1 등으로 높으면 변수를 생성합니다. 그러면 두 양초에서 1000을 얻을 수 있습니다.)))

예측 변수의 비율이 모델에 매우 중요하다고 이미 생각하고 이를 입력으로 제공해야 하는 경우에는 일종의 컨볼루션 계층을 생성하되 예측 변수 mdaaa ...를 생성하십시오.

어머나... 애들이...

불필요한 엔티티를 제거하려면 처음부터 불필요한 것을 이해해야합니다! 이해하려면 옵션을 살펴봐야 합니다! 아니면 다른 방법을 알고 있습니까? 지원자의 1000가지 특징 중 중요한 5가지를 고를 수 있습니까?

[Aleksey Mavrin]

mytarmailS :

어머나... 애들이...

불필요한 엔티티를 제거하려면 처음부터 불필요한 것을 이해해야합니다! 이해하려면 옵션을 살펴봐야 합니다! 아니면 다른 방법을 알고 있습니까? 지원자의 1000가지 특징 중에서 5가지 중요한 특징을 눈으로 선택할 수 있습니까?

당신은 훌륭한 일을 했고, 많은 자료를 연구했고, 많은 시간을 보냈습니다. 글쎄, 요점은 내가 당신에게 뭔가를 확신시키는 것입니다 ..

[mytarmailS]

알렉세이 마브린 :

당신은 훌륭한 일을 했고, 많은 자료를 연구했고, 많은 시간을 보냈습니다. 글쎄, 요점은 내가 당신에게 뭔가를 확신시키는 것입니다 ..

논쟁이 있으면 기꺼이 듣겠습니다.

주장이 객관적이라면 기꺼이 마음을 바꿔 현명해질 것입니다.

너무 많은 말을했다는 것을 깨닫고 아름답게 뛰어 내리기로 결정했다면 작동하지 않았습니다))

[Aleksey Mavrin]

mytarmailS :

논쟁이 있으면 기꺼이 듣겠습니다.

주장이 객관적이라면 기꺼이 마음을 바꿔 현명해질 것입니다.

너무 많은 말을했다는 것을 깨닫고 아름답게 뛰어 내리기로 결정했다면 작동하지 않았습니다))

네, 무슨 주장을 하시든 간에, 당신이 뭔가를 이해하지 못하거나 내가 이해하지 못한다는 의미입니다.

제 놀라운 점은 바로 이것입니다. 훈련 가능한 모델은 여기에서 이야기하고 있으며 초기 데이터에 대해 훈련을 받아야 합니다.

소스 데이터에 상관 관계가 있는 데이터가 있는 경우 상관 관계가 없는 데이터로 축소해야 합니다. 그리고 당신은 반대로 - 서로 완전히 상관된 원본 데이터를 생성합니다.

다음은 예입니다. 모델이 RGB 3자리로 색상을 분류하도록 가르칩니다. 세 개의 숫자, 이것은 순수한 초기 데이터입니다 !!! 접근 방식을 사용하여 다음과 같은 예측 변수를 만들어야 합니다.

1- R 2-G 3-B - 4 빨간색이 더 많음 5 - 초록색이 더 많음 6- 녹색과 파란색을 합친 것보다 빨간색이 더 많습니다.... 100500 녹색이 파란색만큼 빨간색이면 빨간색이 아닙니다. ))

모델 자체가 학습해야 하는 것 아닌가요?, 초기 데이터가 있고 그것이 바로 그것입니다!

[Evgeny Dyuka]

알렉세이 마브린 :

네, 무슨 주장을 하시든 간에, 당신이 뭔가를 이해하지 못하거나 내가 이해하지 못한다는 의미입니다.

제 놀라운 점은 바로 이것입니다. 훈련 가능한 모델은 여기에서 이야기하고 있으며 초기 데이터에 대해 훈련을 받아야 합니다.

소스 데이터에 상관 관계가 있는 데이터가 있는 경우 상관 관계가 없는 데이터로 축소해야 합니다. 그리고 당신은 반대로 - 서로 완전히 상관된 원본 데이터를 생성합니다.

다음은 예입니다. 모델이 RGB 3자리로 색상을 분류하도록 가르칩니다. 세 개의 숫자, 이것은 순수한 초기 데이터입니다 !!! 접근 방식을 사용하여 다음과 같은 예측 변수를 만들어야 합니다.

1- R 2-G 3-B - 4 빨간색이 더 많음 5 - 초록색이 더 많음 6- 녹색과 파란색을 합친 것보다 빨간색이 더 많습니다.... 100500 녹색이 파란색만큼 빨간색이면 빨간색이 아닙니다. ))

모델 자체가 학습해야 하는 것 아닌가요?, 초기 데이터가 있고 그것이 바로 그것입니다!

입력 데이터의 올바른 선택이 모델의 학습 여부를 결정하며 다른 모든 것은 기술의 문제라는 점에 절대적으로 동의합니다. 이 단계에서 이해가 없으면 계속 진행해도 소용이 없습니다.