TS는 R에서 다음 막대를 예측한 다음 MKL4의 Expert Advisor에서 이 예측을 사용하는 것을 기반으로 합니다.
R의 모델.
H1에서 작동하며, 교사가 추세(ZZ)이고 다음 막대를 예측합니다. 각 막대에서 모델이 다시 계산되므로 OutOfSampe는 사용되지 않습니다.
다음 막대 예측의 효율성 78-80%
다음 8개 막대 중 하나에 대한 포지티브 예측 성능은 95% 이상입니다.
모델이 우수합니다.
하지만.
이 모델에서 실행 가능한 TS를 구축하는 것은 불가능합니다. 우리는 수익성있는 거래의 약 78 %를 얻지 만 작습니다. 그러나 손실은 훨씬 더 큽니다.
전문가 고문 자체에서 우리는 손실을 줄이고 이익을 증가시킵니다. 따라서 수익이 나는 거래는 증가하고 손실이 나는 거래는 감소하면서 수익이 나는 거래의 수가 줄어듭니다. 그러나 여전히 문제가 해결되지는 않습니다.
다음은 TR과 SL을 사용한 연습의 많은 결과 중 하나입니다.
거래가 있는 차트를 보면 잘못된 예측이 강한 시장 움직임, 즉 어떤 이유로 모델이 강한 시장 움직임의 방향을 잘못 예측하는 것을 볼 수 있습니다. 모델 자체가 샘플로 얻은 샘플로 훈련되었기 때문에 그 이유는 명확하지 않습니다.
그런 것들이 제 접근 방식을 바꾸게 했습니다. 숫자가 아닌 확률 분포(또는 확률 분포에서 파생된 함수)를 출력으로 하는 알고리즘이 필요하다고 생각했습니다. 생존 이론의 MO 모델을 예로 들 수 있습니다. 분포를 기반으로 입력-출력 지점이 논리적으로 결정되는데, 예를 들어 분포의 '꼬리 자르기' 필요성 등을 알 수 있습니다.
TS는 R에서 다음 막대를 예측한 다음 MKL4의 Expert Advisor에서 이 예측을 사용하는 것을 기반으로 합니다.
2개월의 테스트는 충분하지 않습니다. 저는 최근 5년 동안 테스트했습니다. 트렌드 버전도 있었습니다. 그래서 최대 2년 동안은 마이너스 상태였죠. 그러나 강한 움직임이 2-3 년 만에 5 년 동안 시작되었을 때 플러스에 나왔습니다. 사실, 그들은 희귀 한 백조입니다 한 달의 드로 다운 후에는 인내심이 부족하고 그러한 전문가 고문을 끄기 때문에 거래에도 적합하지 않습니다. 게다가 M5에 있고 1 거래의 평균 수익은 0.00005입니다. 5 년 동안 테스트하십시오. 어쩌면 더 잘 작동 할 것입니다.
2개월의 테스트는 충분하지 않습니다. 저는 최근 5년 동안 테스트하고 있습니다. 트렌드 버전도 있었습니다. 그래서 최대 2 년 동안 드로 다운에 앉아 있습니다. 그러나 강한 움직임이 2-3 년에 5 년 동안 시작되었을 때 플러스에서 나왔습니다. 사실, 그들은 희귀 한 백조입니다 한 달의 드로 다운 후에는 인내심이 부족하고 그러한 전문가 고문을 끄기 때문에 거래에도 적합하지 않습니다. 게다가 M5에 있고 1 거래의 평균 수익은 0.00005입니다. 5 년 동안 테스트하십시오. 어쩌면 더 잘 작동 할 것입니다.
2 년 동안 드로 다운 된 TS는 아무도 필요하지 않습니다. 당신은 테스트에 대해 이야기하고 있지만 실제 거래는 더 나빠질 것입니다.
이런 일로 인해 접근 방식을 바꾸게 되었습니다. IMHO에서는 숫자가 아닌 확률 분포(또는 확률 분포에서 파생된 함수)를 출력으로 하는 알고리즘이 필요합니다. 생존 이론의 MO 모델을 예로 들 수 있습니다. 분포를 기반으로 입력-출력 지점이 논리적으로 결정되는데, 예를 들어 분포의 '꼬리 자르기' 필요성 등을 알 수 있습니다.
8 막대를 언급했습니다. 이것은 접근 방식의 일부 변형입니다. 8개 막대 각각에 대한 예측 확률을 플롯했습니다. 확률이 점차 떨어졌습니다. 8번째 막대의 경우 약 40%였습니다.
TS는 R에서 다음 막대를 예측한 다음 MKL4의 Expert Advisor에서 이 예측을 사용하는 것을 기반으로 합니다.
R의 모델.
H1에서 작동하며, 교사는 추세(ZZ)이며 다음 막대를 예측합니다. 각 막대에서 모델이 다시 계산되므로 OutOfSampe는 사용되지 않습니다.
그렇다면 막대의 결과를 예측할까요, 아니면 ZZ 벡터를 예측할까요?
후자의 경우 실제로 다음 막대에서 추세 변화 확률을 추정하는 것이며, 기본 지속 확률이 더 높기 때문에 강한 움직임의 문제인 ZZ 벡터 변경 지점에 빠르게 도달한다는 것이 분명합니다. 벡터 변경 지점은 모델에 알려져 있으며 평균 가격 변동도 알려져 있습니다 (동일한 ATR).... 이 두 가지 매개 변수를 알면 예측의 정확도는 어떻게 될까요?
드문 이벤트를 분류하는 것이 더 가치있을 수 있습니다. 다음 막대에서 또는 일반적으로 하루 동안 강한 움직임이있을 것입니까?
몇 가지 질문이 있습니다.
다음 막대가 예측되는 경우 ZZ는 무엇인가요?
모델이 다음 막대, 즉 하나의 막대만 예측하는 경우 8개의 막대는 무엇을 의미하나요?
그 이유는 논쟁의 여지가 없습니다. 이 교사는 추세를 보이고 있으므로 8개 막대, 즉 추세를 포착합니다.
8명 중 1명이 백인이라는 사실처럼 :-)
일반적으로 이상한 점이 많이 있습니다. 모델이 테스트 중이지만 포물선과 AMA가 동시에 로봇에 추가됩니다. R과 다른 것들을 제거하면 결과가 근본적으로 변하지 않을 것이라는 강한 의심이 있습니다. 포물선과 AMA를 한 쌍으로 사용하면 비슷한 결과를 얻을 수 있습니다.
포물선은 사용되지 않고 전혀 사용되지 않으며 자체적이며 생각이 있었고 매개 변수에 꼬리가 남아 있으며 알고리즘에 사용되지 않습니다.
AMA는 정지에 사용되며 R은 입력에 사용됩니다. 나는 오래 전에 시도했지만 AMA에서 전문가 조언자를 완전히 만들지 못했습니다.
포물선은 사용되지 않으며 일반적으로 자체적이며, 생각이 있었고, 매개 변수에 꼬리가 왼쪽 꼬리가 있었고, 알고리즘에서 사용되지 않습니다.
AMA는 정지에 사용되며 R은 입력에 사용됩니다. 나는 오래 전에 시도했지만 AMA에서 전적으로 전문가 조언자를 만들지 못했습니다.
일반적으로 문제는 AMA가 아니라 한 시간에 30 핍 이상의 강한 시장 움직임을 잘못 예측한다는 사실에 있습니다.
이제 10 개의 강한 움직임을 잘못 보았고 더 많은 움직임이 있었지만 그 중 어느 것도 신호가 없었습니다. 이것은 두 달 동안입니다.
TS는 R에서 다음 막대를 예측한 다음 MKL4의 Expert Advisor에서 이 예측을 사용하는 것을 기반으로 합니다.
R의 모델.
H1에서 작동하며, 교사가 추세(ZZ)이고 다음 막대를 예측합니다. 각 막대에서 모델이 다시 계산되므로 OutOfSampe는 사용되지 않습니다.
다음 막대 예측의 효율성 78-80%
다음 8개 막대 중 하나에 대한 포지티브 예측 성능은 95% 이상입니다.
모델이 우수합니다.
하지만.
이 모델에서 실행 가능한 TS를 구축하는 것은 불가능합니다. 우리는 수익성있는 거래의 약 78 %를 얻지 만 작습니다. 그러나 손실은 훨씬 더 큽니다.
전문가 고문 자체에서 우리는 손실을 줄이고 이익을 증가시킵니다. 따라서 수익이 나는 거래는 증가하고 손실이 나는 거래는 감소하면서 수익이 나는 거래의 수가 줄어듭니다. 그러나 여전히 문제가 해결되지는 않습니다.
다음은 TR과 SL을 사용한 연습의 많은 결과 중 하나입니다.
거래가 있는 차트를 보면 잘못된 예측이 강한 시장 움직임, 즉 어떤 이유로 모델이 강한 시장 움직임의 방향을 잘못 예측하는 것을 볼 수 있습니다. 모델 자체가 샘플로 얻은 샘플로 훈련되었기 때문에 그 이유는 명확하지 않습니다.
그런 것들이 제 접근 방식을 바꾸게 했습니다. 숫자가 아닌 확률 분포(또는 확률 분포에서 파생된 함수)를 출력으로 하는 알고리즘이 필요하다고 생각했습니다. 생존 이론의 MO 모델을 예로 들 수 있습니다. 분포를 기반으로 입력-출력 지점이 논리적으로 결정되는데, 예를 들어 분포의 '꼬리 자르기' 필요성 등을 알 수 있습니다.
TS는 R에서 다음 막대를 예측한 다음 MKL4의 Expert Advisor에서 이 예측을 사용하는 것을 기반으로 합니다.
2개월의 테스트는 충분하지 않습니다. 저는 최근 5년 동안 테스트했습니다. 트렌드 버전도 있었습니다. 그래서 최대 2년 동안은 마이너스 상태였죠. 그러나 강한 움직임이 2-3 년 만에 5 년 동안 시작되었을 때 플러스에 나왔습니다. 사실, 그들은 희귀 한 백조입니다
한 달의 드로 다운 후에는 인내심이 부족하고 그러한 전문가 고문을 끄기 때문에 거래에도 적합하지 않습니다. 게다가 M5에 있고 1 거래의 평균 수익은 0.00005입니다.
5 년 동안 테스트하십시오. 어쩌면 더 잘 작동 할 것입니다.
2개월의 테스트는 충분하지 않습니다. 저는 최근 5년 동안 테스트하고 있습니다. 트렌드 버전도 있었습니다. 그래서 최대 2 년 동안 드로 다운에 앉아 있습니다. 그러나 강한 움직임이 2-3 년에 5 년 동안 시작되었을 때 플러스에서 나왔습니다. 사실, 그들은 희귀 한 백조입니다
한 달의 드로 다운 후에는 인내심이 부족하고 그러한 전문가 고문을 끄기 때문에 거래에도 적합하지 않습니다. 게다가 M5에 있고 1 거래의 평균 수익은 0.00005입니다.
5 년 동안 테스트하십시오. 어쩌면 더 잘 작동 할 것입니다.
2 년 동안 드로 다운 된 TS는 아무도 필요하지 않습니다. 당신은 테스트에 대해 이야기하고 있지만 실제 거래는 더 나빠질 것입니다.
이런 일로 인해 접근 방식을 바꾸게 되었습니다. IMHO에서는 숫자가 아닌 확률 분포(또는 확률 분포에서 파생된 함수)를 출력으로 하는 알고리즘이 필요합니다. 생존 이론의 MO 모델을 예로 들 수 있습니다. 분포를 기반으로 입력-출력 지점이 논리적으로 결정되는데, 예를 들어 분포의 '꼬리 자르기' 필요성 등을 알 수 있습니다.
8 막대를 언급했습니다. 이것은 접근 방식의 일부 변형입니다. 8개 막대 각각에 대한 예측 확률을 플롯했습니다. 확률이 점차 떨어졌습니다. 8번째 막대의 경우 약 40%였습니다.
그는 확률론과 나비에-스토크스에 대한 비디오를 만든 적이 없습니다.
글쎄요, 아마 그럴지도 모르죠-누가 알겠습니까?
저는 이 함수가 '머리와 어깨' 그림과 매우 유사하다는 사실에 또 한 번 놀랐고 호기심이 생겼습니다:
1. 다른 패턴에 대한 공식 상수를 찾을 수 있을까요?
2. 막대 형성과 공식의 타당성을 평가하는 방법.
TS는 R에서 다음 막대를 예측한 다음 MKL4의 Expert Advisor에서 이 예측을 사용하는 것을 기반으로 합니다.
R의 모델.
H1에서 작동하며, 교사는 추세(ZZ)이며 다음 막대를 예측합니다. 각 막대에서 모델이 다시 계산되므로 OutOfSampe는 사용되지 않습니다.
그렇다면 막대의 결과를 예측할까요, 아니면 ZZ 벡터를 예측할까요?
후자의 경우 실제로 다음 막대에서 추세 변화 확률을 추정하는 것이며, 기본 지속 확률이 더 높기 때문에 강한 움직임의 문제인 ZZ 벡터 변경 지점에 빠르게 도달한다는 것이 분명합니다. 벡터 변경 지점은 모델에 알려져 있으며 평균 가격 변동도 알려져 있습니다 (동일한 ATR).... 이 두 가지 매개 변수를 알면 예측의 정확도는 어떻게 될까요?
드문 이벤트를 분류하는 것이 더 가치있을 수 있습니다. 다음 막대에서 또는 일반적으로 하루 동안 강한 움직임이있을 것입니까?
어쨌든 잘 작동하고 있습니다.
하지만 장기적인 추세를 이해해야 합니다. 그리고 항상 50 대 50으로 추측하는 게임입니다.
완전 자동이라면 좋아 보이네요.