블라디미르, 예를 들어 분류나 회귀가 아니라 좀 더 모호한 것과 같이 R에서 AMO를 가르칠 수 있는 방법을 알려주세요.
예를 들어 , 거래에서 이익을 극대화 하거나, 예를 들어 일종의 선행 기능 을 합성하려면, 그것이 어떻게 보여야 하고 어떤 값을 취해야 하는지 모르지만 나에게는 중요하지 않습니다. 나는 리드가 무엇인지 설명할 수 있을 뿐이며 AMO가 자신이 만든 리드 기능에서 리드 기준을 최대화하도록 합니다.
이것은 일반적으로 어떻게 수행됩니까? 아니면 순전히 최적화 문제이고 AMO와 관련이 없는 것입니까?
예브게니 듀카 : 좋아, 나는 이 모든 것을 특정 제품에 요약하여 분명한 결과가 있다고 생각했습니다(반드시 좋은 결과는 아님)
최고의 냉정함은 시작하는 매우 간단한 테스트입니다. 훌륭한 API와 MetaTrader5가 포함된 유명한 바이너리 옵션(google it)이 있습니다. 그들로부터 실제 네이티브 인용문을 다운로드하고 이에 대한 신경망을 훈련시킨 다음 데모 계정에서 테스트할 수 있습니다. 모든 것이 투명하고 이해할 수 있습니다. 모든 것이 MT5에 있기 때문에 바이너리 플랫폼 고유의 탁도가 있을 수 없습니다.
신경망을 사용하여 간단한 "상위/하위" 문제를 해결하고 결과를 봅니다. 이 단계를 거치지 않고 신경망에 의해 제어되는 테이크 앤 스톱에 대해 이야기하는 것은 심각하지 않습니다. 그리고 더 아름다운 백테스트 차트도 모두 의미가 없습니다.
짧은 예측에서 모든 신경망은 각 쌍에 대해 하루에 10개의 신호를 제공합니다. 일주일에 200-300개의 결과를 얻는 것은 쉽습니다. 몇 달, 몇 년 동안 테스트해야 하는 것에 대한 추론은 "인간" 전략에만 의미가 있습니다. 신경망이 장기간 훈련되면 모든 시장에서 적절하게 작동하며 신호의 수만 변경됩니다. 시장이 부적절해지면 신경망은 단순히 패턴 인식을 중단하고 신호를 보내지 않습니다.
누군가가 실제 경험이 있다면 이 길을 가는 것이 좋습니다. 결과가 아무리 좋더라도 가장 중요한 것은 이것이 실제적이고 이해 가능하고 투명한 결과이며 테스트에 많은 시간이 필요하지 않고 기술적으로 간단하다는 것입니다.
바이너리에서 이기기 시작하려면 성공적인 거래의 56%만 필요합니다. 여기 신경망의 모든 학자가 REAL MARKET에서 그러한 결과를 얻을 수 있지 않습니까?
최고의 냉정함은 시작하는 매우 간단한 테스트입니다. 훌륭한 API와 MetaTrader5가 포함된 유명한 바이너리 옵션(google it)이 있습니다. 그들로부터 실제 네이티브 인용문을 다운로드하고 이에 대한 신경망을 훈련시킨 다음 데모 계정에서 테스트할 수 있습니다. 모든 것이 투명하고 이해할 수 있습니다. 모든 것이 MT5에 있기 때문에 바이너리 플랫폼 고유의 탁도가 있을 수 없습니다.
데모 테스트에 시간을 낭비하는 이유는 무엇입니까? 코드에서 거래를 시뮬레이션할 수 없습니까? 최적이 아니므로 절대 그렇게 하지 않습니다.
예브게니 듀카 :
신경망을 사용하여 간단한 "상위/하위" 문제를 해결하고 결과를 봅니다. 이 단계를 거치지 않고 신경망에 의해 제어되는 테이크 앤 스톱에 대해 이야기하는 것은 심각하지 않습니다. 그리고 더 아름다운 백테스트 차트도 모두 의미가 없습니다.
시장 특성의 끊임없는 변화로 인해 고정 매개 변수로 작업하는 것은 불가능합니다. "높음/낮음"은 일정 기간 동안 동일합니다(예: 10개의 양초). 그리고 이 기간이 이제 시장에 적합하다고 누가 말했습니까? 그리고 일반적으로 어느 기간이 적당합니까? 우리는 표적에 대해서만 이야기하고 있습니다. 그러나 징후는 무엇입니까? 동일한 이야기가 있습니다. 동일한 문제에 100개 이상의 기호 수를 곱한 것뿐입니다. 간단히 말해서, "높은/낮은" 기호는 매우 빠르게 기호와 함께 시장에 부적절하게 될 것입니다 .. 그리고 모든 것이 무너질 것입니다. 거의 즉시 !!!
물론 여러분이 하는 것처럼 여러 기간의 데이터에 대해 수백 개의 AMO를 훈련함으로써 프랙털 문제를 해결하려고 할 수도 있고, 나처럼 하나의 모델을 다른 기간의 수백 개의 데이터에 대해 훈련시킬 수도 있지만 이것들은 모두 목발과 개그, 이것은 감정적 인 해결책이 아닙니다 ...
나는 네트워크 자체가 최적을 찾고 현재 최적의 목표가 무엇인지, 현재 최적의 신호가 무엇인지 스스로 결정하도록 하고, 현재 가지고 있는 목발보다 훨씬 더 효과적일 것입니다.
백테스트에서 내 신경은 "상위/하위" 테스트에서 95%의 결과를 불렀습니다. 그런 다음 오류가 67 %라는 것을 알았습니다. 그런 다음 바이너리에서 실행했는데 결과는 55%였습니다. 이 스트레스를 받은 후 더 근본적인 또 다른 오류를 발견했고 바이너리는 66%가 되었습니다.
글쎄, 거의 모든 두 번째 기사는 새로운 데이터에 대한 테스트로 끝납니다.
블라디미르, 예를 들어 분류나 회귀가 아니라 좀 더 모호한 것과 같이 R에서 AMO를 가르칠 수 있는 방법을 알려주세요.
예를 들어 , 거래에서 이익을 극대화 하거나, 예를 들어 일종의 선행 기능 을 합성하려면, 그것이 어떻게 보여야 하고 어떤 값을 취해야 하는지 모르지만 나에게는 중요하지 않습니다. 나는 리드가 무엇인지 설명할 수 있을 뿐이며 AMO가 자신이 만든 리드 기능에서 리드 기준을 최대화하도록 합니다.
이것은 일반적으로 어떻게 수행됩니까? 아니면 순전히 최적화 문제이고 AMO와 관련이 없는 것입니까?
좋아, 나는 이 모든 것을 특정 제품에 요약하여 분명한 결과가 있다고 생각했습니다(반드시 좋은 결과는 아님)
글쎄, 이것들은 기사이며 이것은 제품의 요약, 정보 제품입니다 :)
어쩌면 우리는 땅에 더 가깝습니까?
실제 시장에서의 구현에 대한 생각:
최고의 냉정함은 시작하는 매우 간단한 테스트입니다.
훌륭한 API와 MetaTrader5가 포함된 유명한 바이너리 옵션(google it)이 있습니다. 그들로부터 실제 네이티브 인용문을 다운로드하고 이에 대한 신경망을 훈련시킨 다음 데모 계정에서 테스트할 수 있습니다. 모든 것이 투명하고 이해할 수 있습니다. 모든 것이 MT5에 있기 때문에 바이너리 플랫폼 고유의 탁도가 있을 수 없습니다.
신경망을 사용하여 간단한 "상위/하위" 문제를 해결하고 결과를 봅니다. 이 단계를 거치지 않고 신경망에 의해 제어되는 테이크 앤 스톱에 대해 이야기하는 것은 심각하지 않습니다. 그리고 더 아름다운 백테스트 차트도 모두 의미가 없습니다.
짧은 예측에서 모든 신경망은 각 쌍에 대해 하루에 10개의 신호를 제공합니다. 일주일에 200-300개의 결과를 얻는 것은 쉽습니다. 몇 달, 몇 년 동안 테스트해야 하는 것에 대한 추론은 "인간" 전략에만 의미가 있습니다. 신경망이 장기간 훈련되면 모든 시장에서 적절하게 작동하며 신호의 수만 변경됩니다. 시장이 부적절해지면 신경망은 단순히 패턴 인식을 중단하고 신호를 보내지 않습니다.
누군가가 실제 경험이 있다면 이 길을 가는 것이 좋습니다. 결과가 아무리 좋더라도 가장 중요한 것은 이것이 실제적이고 이해 가능하고 투명한 결과이며 테스트에 많은 시간이 필요하지 않고 기술적으로 간단하다는 것입니다.
바이너리에서 이기기 시작하려면 성공적인 거래의 56%만 필요합니다. 여기 신경망의 모든 학자가 REAL MARKET에서 그러한 결과를 얻을 수 있지 않습니까?
어쩌면 우리는 땅에 더 가깝습니까?
실제 시장에서의 구현에 대한 생각:
최고의 냉정함은 시작하는 매우 간단한 테스트입니다.
훌륭한 API와 MetaTrader5가 포함된 유명한 바이너리 옵션(google it)이 있습니다. 그들로부터 실제 네이티브 인용문을 다운로드하고 이에 대한 신경망을 훈련시킨 다음 데모 계정에서 테스트할 수 있습니다. 모든 것이 투명하고 이해할 수 있습니다. 모든 것이 MT5에 있기 때문에 바이너리 플랫폼 고유의 탁도가 있을 수 없습니다.
데모 테스트에 시간을 낭비하는 이유는 무엇입니까? 코드에서 거래를 시뮬레이션할 수 없습니까? 최적이 아니므로 절대 그렇게 하지 않습니다.
신경망을 사용하여 간단한 "상위/하위" 문제를 해결하고 결과를 봅니다. 이 단계를 거치지 않고 신경망에 의해 제어되는 테이크 앤 스톱에 대해 이야기하는 것은 심각하지 않습니다. 그리고 더 아름다운 백테스트 차트도 모두 의미가 없습니다.
시장 특성의 끊임없는 변화로 인해 고정 매개 변수로 작업하는 것은 불가능합니다. "높음/낮음"은 일정 기간 동안 동일합니다(예: 10개의 양초). 그리고 이 기간이 이제 시장에 적합하다고 누가 말했습니까? 그리고 일반적으로 어느 기간이 적당합니까? 우리는 표적에 대해서만 이야기하고 있습니다. 그러나 징후는 무엇입니까? 동일한 이야기가 있습니다. 동일한 문제에 100개 이상의 기호 수를 곱한 것뿐입니다. 간단히 말해서, "높은/낮은" 기호는 매우 빠르게 기호와 함께 시장에 부적절하게 될 것입니다 .. 그리고 모든 것이 무너질 것입니다. 거의 즉시 !!!
물론 여러분이 하는 것처럼 여러 기간의 데이터에 대해 수백 개의 AMO를 훈련함으로써 프랙털 문제를 해결하려고 할 수도 있고, 나처럼 하나의 모델을 다른 기간의 수백 개의 데이터에 대해 훈련시킬 수도 있지만 이것들은 모두 목발과 개그, 이것은 감정적 인 해결책이 아닙니다 ...
나는 네트워크 자체가 최적을 찾고 현재 최적의 목표가 무엇인지, 현재 최적의 신호가 무엇인지 스스로 결정하도록 하고, 현재 가지고 있는 목발보다 훨씬 더 효과적일 것입니다.
시장이 부적절해지면 신경망은 단순히 패턴 인식을 중단하고 신호를 보내지 않습니다.
시장 은 항상 적절 하고 모델은 위에서 설명한 이유로 부적절합니다 !!!!
데모 테스트에 시간을 낭비하는 이유는 무엇 입니까? 코드에서 거래를 시뮬레이션할 수 없습니까? 최적이 아니므로 절대 그렇게 하지 않습니다.
그런 다음, 환상에 빠지지 않기 위해. 바이너리 옵션은 확실히 유리하지 않은 플랫폼입니다.
이제 신경망과 거래의 전체 주제는 이미 자위 행위와 비슷합니다. 아마도 실제 여성과 함께 시도 할 때입니까?
어쩌면 진짜 여자와 함께 시도 할 시간입니까?
나는해야했다 ... 시도하지 않는 것이 좋습니다))
하지만 진지하게, 5줄의 코드를 작성하고 기록을 확인하는 대신 데모에서 한 주/월 동안 로봇을 운전할 것을 제안합니까?
그리고 로봇이 작동하지 않으면 이것을 이해하기 위해 한 달 동안 데모를 구동해야 합니까?
그리고 5년 후에 테스트하려면 5년 동안 데모로 구동해야 합니까?
유감스럽게도 멍청한 대화...
실생활 예...
백테스트에서 내 신경은 "상위/하위" 테스트에서 95%의 결과를 불렀습니다. 그런 다음 오류가 67 %라는 것을 알았습니다. 그런 다음 바이너리에서 실행했는데 결과는 55%였습니다. 이 스트레스를 받은 후 더 근본적인 또 다른 오류를 발견했고 바이너리는 66%가 되었습니다.
결론, 당신은 독립적 인 판사가 필요합니다. 그렇지 않으면 환상에 빠져들 것입니다.
나는해야했다 ... 시도하지 않는 것이 좋습니다))
하지만 진지하게, 5줄의 코드를 작성하고 기록을 확인하는 대신 데모에서 한 주/월 동안 로봇을 운전할 것을 제안합니까?
네! 그냥 그렇게 그리고 아무것도
mytarmailS :
그리고 로봇이 작동하지 않으면 이것을 이해하기 위해 한 달 동안 데모에서 운전해야 합니까?
보통 3일이 지나면 모든 것이 명확해집니다.
감정없이 테스트하는 것이 좋습니다))) 거래하려면 더욱 그렇습니다)))))))
솔직히 말해서 예측 변수의 주제는 공개되지 않습니다. 모델의 논리, 언제 적용해야 하는지, 선택 기준은 무엇입니까?
결과에 대한 데이터 준비 방법에 대한 권장 사항은 관련이 없습니다. 그것 없이 시작하지 않아도