분명히 혀가 묶여 있습니다. 주간 평균은 고려되지 않습니다. 매일 오전 9시, 매월 3, 5, 10일, 또는 매주 수요일 오전 9시에 정기 이벤트에 대한 답을 얻으려면 어떻게 해야 합니까?
매일 오전 9시에 반복되는 이벤트도 매주 수요일 오전 9시에 반복되는 이벤트가 되겠다는 마음으로 글을 쓰신 것 같습니다. 매우 밝은 일일 주기로 인해 정확히 매주(일일이 없는) 기간이 있는 이벤트를 선택하는 것은 매우 어려울 것입니다. 물론 내가 틀릴 수도 있지만 아직 밝은 주간 주기를 눈치채지 못했기 때문에 내 코드에서 이를 감지할 방법이 없습니다.
유사한 줄이 많으면 상황이 종종 반복됩니다. 예를 들어 클래스 0을 버리고 실제 거래에서 클래스 1의 시트를 활성화하기 시작하면 패턴이 변경되지 않으면 예측 된 1 대신 0을 다시 많이 받게됩니다. 그리고 손실을 입다. 필요하세요?
MO는 패턴이 계속되고 과거와 같이 작동할 것이라는 가정에서만 예측할 수 있습니다. 학습에서 패턴을 제거하여 무작위
40%의 정확도로 좋은 돈을 버는 전략, 트렌드 전략이 있지만 표준 ML 방법은 훈련을 허용하지 않습니다. 정확도가 충분하지 않으면 클래스 "1"을 0으로 덤프하지만 분리하고 이러한 분할을 개선하기 때문에 비슷한 방법을 찾고 있습니다. 그렇지 않으면 1에 대한 재현율이 매우 작습니다.
40%의 정확도로 좋은 돈을 버는 전략, 트렌드 전략이 있지만 표준 ML 방법은 훈련을 허용하지 않습니다. 정확도가 충분하지 않으면 클래스 "1"을 0으로 덤프 하지만 분리하고 이러한 분할을 개선하기 때문에 비슷한 방법을 찾고 있습니다. 그렇지 않으면 1에 대한 재현율이 매우 작습니다.
트렌디하면 TP는 크고 SL은 작습니다. 예를 들어, 500에서 100입니다. 그런 다음 80%의 오류로 20%는 성공하고 80%는 잃는 거래가 있을 것입니다. 그러면 잔액이 0에 가까워집니다. 70%의 오차로 잎을 거래하면 이미 이익을 얻을 수 있습니다. 그리고 50/50을 찾으면 이익이 엄청날 것입니다.
덤프은 무슨 뜻 인가요? 70%의 오류는 0등급에 덤프된 것 같지만, 1등급의 나머지 30%는 이미 돈을 벌 수 있습니다.
맞습니다. 그러나 이미 잎사귀에 너무 많은 선을 제거하면 그 수가 약간 줄어들고(클래스 "0") 품질이 떨어지지 않아야 하며 "1"에 대한 상대 표시기는 이는 모델이 검색할 때 이전에 통계적으로 정확하지 않은 잎의 변형을 고려할 수 있음을 의미합니다.
또 다른 옵션은 반대편에 있는 고유한 잎을 제거하는 것입니다. 이는 학습을 방해할 수 있습니다.
유사한 줄이 많으면 상황이 종종 반복됩니다. 예를 들어 클래스 0을 버리고 실제 거래에서 클래스 1의 시트를 활성화하기 시작하면 패턴이 변경되지 않으면 예측 된 1 대신 0을 다시 많이 받게됩니다. 그리고 손실을 입다. 필요하세요?
MO는 패턴이 계속되고 과거와 같이 작동할 것이라는 가정에서만 예측할 수 있습니다. 학습에서 패턴을 제거하여 무작위
예제 응용 프로그램으로 설명하는 것이 더 쉬울 수 있습니다.
포인트 1) - 매일 변동 지속성-반지속성의 존재에 대한 가설 테스트. 이것은 하루 중 시간에 따라 움직임의 방향을 변경하기 위해 가격이 계속되거나 그 반대의 경향에 대한 테스트입니다. 그러려면 상관관계를 알아야 합니다.
포인트 2) 및 3) - 가격 반전이 "시계에 따라 발생"하고 "정확한" 시간에 수행하는 것이 더 낫다는 가설 테스트
포인트 3) - 지그재그 길이의 경험적 분포를 연구하여 하루 중 평평한 (추세) 시간을 검색하십시오.
1) 무엇과 무엇 사이의 상관관계는 무엇입니까?
나는 그날에 대해 이해했습니다. 동의합니다. 요일에 대한 질문입니다. 평균 기간(일) 내의 시간은 처음에 요일에 연결되지 않습니다. 초기에 요일과 연결하여 시간을 고려한 주간 빈도 파악이 가능합니다. 당신은 그 달의 하루 중 시간에만 바인딩이 있습니다.
물론 하루에 몇 분으로 비유하여 일주일에 5분으로 수행할 수 있지만 같은 위치에서 순전히 매주 주기를 상속된 주기에서 매일 주기에서 분리해야 합니다. 뉴스 효과 및 기타 비정상성도 마찬가지입니다. 일반적으로 동일한 주간 계절성에 대해서는 잘 모르겠습니다.
1) 무엇과 무엇 사이의 상관관계는 무엇입니까?
인접 증분.
물론 하루에 몇 분으로 비유하여 일주일에 5분으로 수행할 수 있지만 같은 위치에서 순전히 매주 주기를 상속된 주기에서 매일 주기에서 분리해야 합니다. 뉴스 효과 및 기타 비정상성도 마찬가지입니다. 일반적으로 동일한 주간 계절성에 대해서는 잘 모르겠습니다.
분명히 혀가 묶여 있습니다. 주간 평균은 고려되지 않습니다. 매일 오전 9시, 매월 3, 5, 10일, 또는 매주 수요일 오전 9시에 정기 이벤트에 대한 답을 얻으려면 어떻게 해야 합니까?
분명히 혀가 묶여 있습니다. 주간 평균은 고려되지 않습니다. 매일 오전 9시, 매월 3, 5, 10일, 또는 매주 수요일 오전 9시에 정기 이벤트에 대한 답을 얻으려면 어떻게 해야 합니까?
매일 오전 9시에 반복되는 이벤트도 매주 수요일 오전 9시에 반복되는 이벤트가 되겠다는 마음으로 글을 쓰신 것 같습니다. 매우 밝은 일일 주기로 인해 정확히 매주(일일이 없는) 기간이 있는 이벤트를 선택하는 것은 매우 어려울 것입니다. 물론 내가 틀릴 수도 있지만 아직 밝은 주간 주기를 눈치채지 못했기 때문에 내 코드에서 이를 감지할 방법이 없습니다.
유사한 줄이 많으면 상황이 종종 반복됩니다. 예를 들어 클래스 0을 버리고 실제 거래에서 클래스 1의 시트를 활성화하기 시작하면 패턴이 변경되지 않으면 예측 된 1 대신 0을 다시 많이 받게됩니다. 그리고 손실을 입다. 필요하세요?
MO는 패턴이 계속되고 과거와 같이 작동할 것이라는 가정에서만 예측할 수 있습니다. 학습에서 패턴을 제거하여 무작위
40%의 정확도로 좋은 돈을 버는 전략, 트렌드 전략이 있지만 표준 ML 방법은 훈련을 허용하지 않습니다. 정확도가 충분하지 않으면 클래스 "1"을 0으로 덤프하지만 분리하고 이러한 분할을 개선하기 때문에 비슷한 방법을 찾고 있습니다. 그렇지 않으면 1에 대한 재현율이 매우 작습니다.
장중 패턴을 찾는 데 있어 변동성의 장중 변동이 간섭합니다. 어떻게든 제거해야 합니다. 가능한 방법:
1) 시간의 변동성을 고려한 증분의 재정규화.
2) 분산이 고르게 증가하는 새로운 일중 시간으로 전환합니다.
3) 지그재그를 사용합니다. 무릎 값은 변동성의 변동에 의존하지 않습니다. 피크의 시간은 물론 변동성에 따라 다르지만(높은 곳에 더 자주 나타남) 균일한 시간으로 이동하면 이러한 누적이 사라집니다.
이것은 이론상 .. 그러나 실제로는 안경을 비틀지 마십시오 ..)
변동성에 대한 정규화된 증분, 균일한 분산. 정보 손실만 있을 뿐이었다.
40%의 정확도로 좋은 돈을 버는 전략, 트렌드 전략이 있지만 표준 ML 방법은 훈련을 허용하지 않습니다. 정확도가 충분하지 않으면 클래스 "1"을 0으로 덤프 하지만 분리하고 이러한 분할을 개선하기 때문에 비슷한 방법을 찾고 있습니다. 그렇지 않으면 1에 대한 재현율이 매우 작습니다.
덤프은 무슨 뜻 인가요? 70%의 오류는 0등급에 덤프된 것 같지만, 1등급의 나머지 30%는 이미 돈을 벌 수 있습니다.
Maxim, C++용 모델이 CatBoost에서 올바르게 언로드되지 않은 것 같습니다. 파이썬용 모델과 비교할 수 있습니까?
나는 지표를 CPP 모델에서 가져오고 지표를 이진 모델에서 가져온 MQL5의 모델 해석 지표에 동의하지 않습니다. 델타 약 0.15 - 많은 것입니다.
pythonic은 래퍼의 cpp입니다. 모든 것이 잘 작동합니다
계획에서 python 형식과 cpp로 저장할 수 있습니다. cpp로 저장한 다음 간단한 단계를 통해 mql로 변환합니다. 모델 자체는 여러 배열입니다.