mytarmailS #: 아직 아무도 낙서의 의미를 이해하지 못한다면 낙서의 의미를 설명해 주어야 하지 않을까요? ))
좀 더 자제해야 할 것 같아요. 인생의 좌절은 술친구나 성직자에게 맡기세요.
여기서 Pn은 예측 변수이고 K는 상관 계수입니다. 이 예는 데이터의 다른 50%가 일관성을 변경하면 계수가 어떻게 변할 수 있는지 보여줍니다. 이 접근 방식은 상관관계가 변하지 않는 고정된 데이터에만 적용할 수 있지만, 우리의 경우는 그렇지 않습니다. 따라서 비웃기 전에 잘 생각해 보시기 바랍니다.
메모리는 가중치가 훈련된 NS로, 각 단계마다 다시 훈련하고 가중치를 조금씩 이동시키므로 지연이 발생합니다.
그리고 그것을 터미널로 전송할 수 없습니다.
나는 그것을 시도했지만 작동하지 않습니다. 그것은 모두 다시 표지판에 달려 있습니다.
관심이 있으시면 스프레드, 원시 로트 및 분수 로트로 마감 포지션을 여는 힌트가있는 다중 통화 테스터의 디자인을 던지고 있습니다.
테스터가 작동하려면 ['open', 'spread'] 열이 있는 데이터 프레임을 준비하고 각 새 막대에 대한 매수/매도 확률 예측이 포함된 x(n,2) 형식의 널 배열을 신호에 던져야 합니다. 테스터는 루프에서 작동하며, 아래는 테스터를 사용하는 초기화 예시입니다.
symbols = ['EURUSD','GBPUSD']
points = [1 / mt5.symbol_info(s).point for s in symbols]
trade_agent = Agent()
for s, p in zip(symbols, points):
trade_agent.create_symbol(s, p,max_positions=6)
for index, row in dataset.iterrows():
sig = signal[index]
prices = list(row.filter(like='open'))
spreads = list(row.filter(like='spread'))
if index != len(dataset) - 1:
trade_agent.refresh(prices, [sig], spreads)
else:
trade_agent.stop = True
거래 로직과 랏은 심볼 객체의 transcript_sig 메서드에서 조정할 수 있습니다.
def transcript_sig(self,sig):
act = 0
lot = 1
revers = 0if len(sig)==4:
pass
else:
act = sig
if revers<=0.5:
if np.argmax(act) == 0:
return'buy',lot
if np.argmax(act) == 1:
return'sell',lot
else:
if np.argmax(act) == 0:
return'sell',lot
if np.argmax(act) == 1:
return'buy',lot
return self.last_action,lot
테스트 결과는 전체 테스트와 각 심볼의 trade_symbol_data에 대한 trade_history_data 딕셔너리에 있습니다.
.
접근 방식의 전체 동물원이 있습니다. 깃 허브에서 구현을 찾을 수 있으며 파이썬을위한 것을 보았습니다.
다양한 접근 방식이 있으며, 깃허브에서 구현을 찾을 수 있고, 저는 파이썬용을 보았습니다.
많은 솔루션이 있을 수 있지만 이러한 솔루션의 품질은 무엇이며 실제 작업에서 얼마나 잘 작동할까요?
알렉세이가 생각하고 듣고 싶다면 내 대본으로 2분이면 충분합니다....
흥미로운 가치 판단이군요. 제가 쓴 글을 못 들으셨군요. 예시가 필요하신가요?
흥미로운 가치 판단이군요. 제가 쓴 글을 못 들으셨군요. 예를 들어볼까요?
예, 읽었습니다 ... 오랫동안 보지 못한 많은 줄의 텍스트에 대한 생각의 오류가 너무 많습니다 ...
예를 들어주세요.)
상관관계가 뭔지 알아요? 너무 헛소리를 해서 몸이 떨릴 지경이네요.
노란색으로 잘린 샘플과 전체가 녹색인 샘플을 예로 들어 보겠습니다.
노란색으로 다듬어진 샘플과 전체가 녹색인 샘플을 예로 들어 설명해 드리겠습니다.
아직 아무도 낙서의 의미를 이해하지 못한다면 낙서의 의미를 설명해 주어야 하지 않을까요? ))
좀 더 자제해야 할 것 같아요. 인생의 좌절은 술친구나 성직자에게 맡기세요.
여기서 Pn은 예측 변수이고 K는 상관 계수입니다. 이 예는 데이터의 다른 50%가 일관성을 변경하면 계수가 어떻게 변할 수 있는지 보여줍니다. 이 접근 방식은 상관관계가 변하지 않는 고정된 데이터에만 적용할 수 있지만, 우리의 경우는 그렇지 않습니다. 따라서 비웃기 전에 잘 생각해 보시기 바랍니다.
그러니 비웃기 전에 한 번 더 생각해 보시기 바랍니다.
생각에 대하여....
문제는 0,1...0,2...0,7...0,8에서 부호의 상관 관계의 모든 변형을 검토하여 알고리즘에 대한 이미 방대한 작업을 늘리는 이유는 무엇입니까?
생성 된 무작위 노이즈조차도 예측 변수와 0.6 및 0.8의 상관 관계가있을 수 있으며 거의 그 이상은 거의 없습니다 ...
상관 관계 임계 값을 0.8 미만으로 취하는 것은 어리석은 일이지만 완전한 오버 샘플을 수행하기로 결정한 것은 당신이하고있는 일에 대해 생각하지 않는다는 것을 보여줍니다.....
그래서 나는 웃을 권리가 있다고 생각합니다 ...
분명히 Pn은 예측 변수이고 K는 상관 계수입니다.
분명히 ... ))))) 이것은 서기입니다.... 부끄럽지만 분명한 것은 무엇입니까? 분명하게하기 위해 어떤 디코딩 알고리즘을 적용해야합니까?
당신은 당신이 말하는 것을 생각조차합니까?
귀하의 접근 방식은 의존성이 변하지 않는 고정 데이터에만 적용될 수 있지만 여기서는 그렇지 않습니다.
이것은 내 접근 방식이 아니라 당신의 접근 방식이며 처음에는 사생아 였고 세 사람이 그것에 대해 이야기했습니다.
생각에 대하여....
문제는 0,1...0,2...0,7...0,8의 모든 부호 상관관계의 변형을 검색하여 알고리즘의 작업량을 늘리는 이유는 무엇일까요?
생성 된 무작위 노이즈조차도 예측 변수와 0.6 및 0.8의 상관 관계가있을 수 있으며 드물게 그 이상은 ...
상관 관계 임계 값을 0.8 미만으로 취하는 것은 어리석은 일이지만 완전한 오버 샘플을 수행하기로 결정한 것은 당신이하고있는 일에 대해 생각하지 않는다는 것을 보여줍니다....
제가 말하는 것은 제가 실험하고 결론을 도출하고 있다는 것입니다.
당연하죠. )))))))) 그게 바로 그거야 ... 질문하기 부끄럽지만 명백성이란 무엇입니까? 명백하게 만들려면 어떤 디코딩 알고리즘을 적용해야합니까?
토론의 맥락에서 볼 때 분명합니다.
내 접근 방식이 아니라 당신의 접근 방식이고, 처음부터 끔찍했고, 세 사람으로부터 그렇게 들었습니다.
당신의 접근 방식은 무엇인가요? 제 접근 방식이 뭐냐고요? 무슨 말씀인지 모르겠네요.
특히 샘플로 모델을 훈련할 수 없다고 주장했는데, 이는 잘못된 생각입니다.
메모리는 가중치가 훈련된 NS로, 각 단계마다 다시 훈련하고 가중치를 조금씩 이동시키므로 지연이 발생합니다.
그리고 그것을 터미널로 전송할 수 없습니다.
나는 그것을 시도했지만 작동하지 않습니다. 그것은 모두 다시 표지판에 달려 있습니다.
관심이 있으시면 스프레드, 원시 로트 및 분수 로트로 마감 포지션을 여는 힌트가있는 다중 통화 테스터의 디자인을 던지고 있습니다.
테스터가 작동하려면 ['open', 'spread'] 열이 있는 데이터 프레임을 준비하고 각 새 막대에 대한 매수/매도 확률 예측이 포함된 x(n,2) 형식의 널 배열을 신호에 던져야 합니다. 테스터는 루프에서 작동하며, 아래는 테스터를 사용하는 초기화 예시입니다.
거래 로직과 랏은 심볼 객체의 transcript_sig 메서드에서 조정할 수 있습니다.
테스트 결과는 전체 테스트와 각 심볼의 trade_symbol_data에 대한 trade_history_data 딕셔너리에 있습니다.
self.trade_history_data = {'step': [], 'acc_profit': [], 'acc_balance': [], 'acc_equity': [], 'lots_open': [], 'R2_balance': [0,0,0,0]}최적화하거나 변경하고 싶은 사람이 있다면 목록이 있습니다 - 환영합니다).