트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2130

새 코멘트
 
알렉세이 비아즈미킨 :

나는 이미 몇 분없이 훈련을 시작했습니다. 우리는 보게 될 것입니다.

나는 또한 1/4 바 시간(시간, 4시간, 일)을 사용합니다.

일반적으로 목조 모델에는 이전에 가능한 한 많이 분할된 많은 입력이 제공되어야 합니다. 가능한 적절한 분할의 최소 수를 갖습니다.

 
도서관 :

일반적으로 목조 모델에는 이전에 가능한 한 많이 분할된 많은 입력이 제공되어야 합니다. 가능한 적절한 분할의 최소 수를 갖습니다.

양자화를 직접 수행하면 그렇습니다. 그러나 자동화도 내장되어 있습니다.

위의 히스토그램에서 이들은 예측 변수당 다른 수의 양자이며 최종 결과에 어떤 영향을 미치는지 확인할 수 있습니다.

별도의 예측자 퀀텀의 형태로 가치 있는 정보의 줄무늬를 추출하면 이 줄무늬를 이진 특성으로 인코딩하여 별도로 제출할 수 있습니다.

 
도서관 :

일반적으로 목조 모델에는 이전에 가능한 한 많이 분할된 많은 입력이 제공되어야 합니다. 가능한 적절한 분할의 최소 수를 갖습니다.

잔액 - T1(분 포함) 및 T2(분 제외) - 평균 결과: 3384/3126/3890

회상 - 평균 점수: 0.0459/0.0424/0.0458


정밀도 - 평균 결과: 0.5216/0.5318/0.5389

집계 T2의 평균 지표에 따르면 최악의 옵션이 나타났습니다.

예측변수의 중요성에 대한 테이블을 열어보고 놀랐습니다.



어쩐지 최근에 달라진 교수법이 마음에 들지 않는 건지, 내가 제대로 하지 못한 건 아닐까?

 //день недели, час = ввести через 2 предиктора sin и cos угла от полного цикла 360/7,  360/24
   double tmp[ 4 ];
   int nInd= 0 ;
   MqlDateTime dts;
   double pi= 3.1415926535897932384626433832795 ;
   for ( int buf= 0 ; buf< 2 ; buf++)
   {
       TimeToStruct ( iTime ( Symbol (), PERIOD_CURRENT , 0 ),dts);
       //tmp[buf]=(double)(dts.hour*60+dts.min)*360.0/1440.0;
      tmp[buf]=( double )(dts.hour* 60 +dts.min)* 360.0 / 24.0 ;
      tmp[buf]=(buf== 0 ? MathSin (tmp[ 0 ]*pi/ 180.0 ): MathCos (tmp[ 0 ]*pi/ 180.0 ));

       TimeToStruct ( iTime ( Symbol (), PERIOD_CURRENT , 0 ),dts);
       //tmp[buf+2]=(double)(dts.day_of_week*1440+dts.hour*60+dts.min)*360.0/10080.0;
      tmp[buf+ 2 ]=( double )dts.day_of_week* 360.0 / 7.0 ;
      tmp[buf+ 2 ]=(buf== 0 ? MathSin (tmp[ 0 ]*pi/ 180.0 ): MathCos (tmp[ 0 ]*pi/ 180.0 ));
   }


개봉된 샘플



그리고 나는 TimeHG 칼럼에서 시간이 있다는 것을 보았습니다. 내 실수입니다. 모든 테스트를 다시 해야 합니다.


 
알렉세이 비아즈미킨 :

잔액 - T1(분 포함) 및 T2(분 제외) - 평균 결과: 3384/3126/3890

회상 - 평균 점수: 0.0459/0.0424/0.0458


정밀도 - 평균 결과: 0.5216/0.5318/0.5389

집계 T2의 평균 지표에 따르면 최악의 옵션이 나타났습니다.

예측변수의 중요성에 대한 테이블을 열어보고 놀랐습니다.



어쩐지 최근에 달라진 교수법이 마음에 들지 않는 건지, 내가 제대로 하지 못한 건 아닐까?


개봉된 샘플



그리고 나는 TimeHG 칼럼에서 시간이 있다는 것을 보았습니다. 내 실수입니다. 모든 테스트를 다시 해야 합니다.


몇 시간이 남았는지 몇 분이 남았습니다. 

 tmp[buf]=( double )(dts.hour* 60 +dts.min)* 360.0 / 24.0 ;

이렇게 되어야 한다 

 tmp[buf]=( double )(dts.hour)* 360.0 / 24.0 ;
TimeHG - 시계의 나머지 부분이 사용되지 않았기 때문에 분명히 모든 것을 인수했습니다.
 
도서관 :

몇 시간이 남았는지 몇 분이 남았습니다.

이렇게 되어야 한다

좋은.

 

훈련 3개월 - 순전히 재미를 위해 시도했습니다 - 처음에는 훈련했습니다. 모든 일정 2014-2020.

시간이 오래 걸리면 평범한 모델을 얻습니다. 이 경우 전체 기간에 대해 3개월의 다른 기간을 사용할 수 있습니다.

예를 들어 여기에서 훈련 기간을 볼 수 있습니다. 역학이 긍정적이기 전과 후입니다.


현재 선물

체크메이트 기대치는 실제 틱에서 6.15를 보여줍니다.

새 모델을 얻었습니다.


흥미롭게도 그것들은 서로 다르며 이것이 위원회에서 함께 모일 수 있는 가능성을 제공합니다. 여기서 기대 체크메이트는 12.64입니다.

아래는 훈련 창 번호에 따라 훈련 샘플을 포함하여 계산된 균형 표시기가 있는 히스토그램입니다. 숫자가 클수록 우리 시간에 가까울수록 샘플이 2014년부터 2020년 10월까지임을 상기시켜 드리겠습니다.

어떤 곳에서는 이익이 최대 값에서 거의 두 배나 떨어지는 것이 흥미 롭습니다. 그것은 무엇을 의미합니까 - 훈련에서 더 시끄러운 영역?

 
도서관 :

몇 시간이 남았는지 몇 분이 남았습니다.

이렇게 되어야 한다

TimeHG - 시계의 나머지 부분이 사용되지 않았기 때문에 분명히 모든 것을 인수했습니다.

잔액 - T1(분 포함) 및 T2(분 제외) - 평균 결과: 4209.70/2882.50/3889.90


회상 - 평균 점수: 0.0479/0.0391/0.0458


정밀도 - 평균 결과: 0.5318/0.5168/0.5389

예측 변수의 중요성



평균적으로 분(T2)이 없는 옵션이 병합됩니다.

 
알렉세이 비아즈미킨 :

잔액 - T1(분 포함) 및 T2(분 제외) - 평균 결과: 4209.70/2882.50/3889.90


회상 - 평균 점수: 0.0479/0.0391/0.0458


정밀도 - 평균 결과: 0.5318/0.5168/0.5389

예측 변수의 중요성



평균적으로 분(T2)이 없는 옵션이 병합됩니다.

결론은 무엇입니까?
분이 추가됩니다.
사인과 코사인 형태의 시간, 아니면 단순히 일, 시, 분의 형태로 된 시간이 더 나은지 이해하지 못했습니다.
 
도서관 :
결론은 무엇입니까?
분이 추가됩니다.
사인과 코사인 형태의 시간, 아니면 단순히 일, 시, 분 형태의 시간이 더 낫습니까?

지금까지 우리는 T2가 분명히 더 나쁘고 사인과 코사인의 추가가 선형 시간과 동일하지 않다는 결론을 내릴 수 있습니다. 숫자의 표현, 즉 숫자 사이의 거리 때문에 결과가 다르다고 생각합니다. 다른 거리는 클러스터링 그리드의 형성에 영향을 미치므로 불일치가 발생합니다.

 
알렉세이 비아즈미킨 :

지금까지 우리는 T2가 분명히 더 나쁘고 사인과 코사인의 추가가 선형 시간과 동일하지 않다는 결론을 내릴 수 있습니다. 숫자의 표현, 즉 숫자 사이의 거리 때문에 결과가 다르다고 생각합니다. 다른 거리는 클러스터링 그리드의 형성에 영향을 미치므로 불일치가 발생합니다.

이론적으로 - 트리에 대해 동일해야 합니다.
일, 시간 및 분의 다른 옵션 수는 사인 및 코사인 옵션의 수와 같습니다. 그리고 7일 동안 10080개의 다른 값이 있고 1분에 한 번 변경됩니다.
훈련 중에 어떤 종류의 무작위화가 있다면 이 차이 때문에 가능합니다.

그들은 무엇을 가르쳤습니까, 캣버스트?

NS의 경우 사인과 코사인이 확실히 더 좋습니다. 59와 1분이 다음으로, 숫자 표현에서 가능한 한 멀리 떨어져 있습니다. 이것을 이해하기 위해 트리는 몇 가지 추가 분할을 수행해야 합니다. 아마도 이것은 깊이 제한이 있는 트리에 충분하지 않을 것입니다.

1...212321242125212621272128212921302131213221332134213521362137...3399
새 코멘트
사유: