불행히도 아무도 찾지 못했습니다. 그렇지 않았다면 여기 대신 열대 섬에 있었을 겁니다))))
네. 나무나 회귀가 하나라도 있고 변하지 않는다면 패턴을 찾을 수 있습니다.
쉽죠. 저는 수십 개의 데이터 집합을 생성 해제할 수 있습니다. 저는 지금 TP=50과 SL=500을 탐색하고 있습니다. 교사의 마크업에는 평균 10%의 오류가 있습니다. 20%가 있으면 자두 모델이 됩니다. 따라서 중요한 것은 분류 오류가 아니라 모든 이익과 손실을 합산한 결과입니다.
보시다시피 최상위 모델의 오차는 9.1%이고, 8.3%의 오차로 무언가를 얻을 수 있습니다. 차트는 일주일에 한 번씩 재교육을 통해 5 년 동안 총 264 번의 재교육을 통해 얻은 OOS 만 보여줍니다. 모델이 분류 오류 9.1 %로 0에서 작동하고 50/500 = 0.1, 즉 10 %가되어야한다는 것이 흥미 롭습니다. 1%가 스프레드를 먹은 것으로 나타났습니다(바당 최소값, 실제는 더 클 것입니다).
이 테스트는 100개의 바에 대한 누적 거래량, 델타, 발산 및 수렴 등 CME의 EURUSD 실제 거래량을 사용했습니다. 총 400개 열 + 다른 종류의 열 5개 모델 설정을 변경하지 않고 CME 데이터의 405개 열(가격 델타와 지그재그는 그대로 유지)을 삭제하여 총 115개 열로 변경한 결과 약간 더 나은 결과를 얻었습니다. 즉, 볼륨이 때때로 분할로 선택되지만 OOS에서 노이즈로 판명되었습니다. 그리고 훈련 속도가 3.5 배 느려집니다.
비교를 위해 차트를 상단에 볼륨이 있고 하단에 볼륨이없는 차트를 남겨 두었습니다.
저는 CME가 있는 볼륨이 학습을 개선할 수 있는 추가 정보/규칙성을 가져다주기를 바랐습니다. 하지만 보시다시피 차트는 매우 비슷하지만 볼륨이 없는 모델이 조금 더 낫습니다. 이것은 CME에 대한 저의 두 번째 접근 방식이었으며 (3년 전에 시도했지만) 다시 실패했습니다. 모든 것이 가격에 고려된다는 것이 밝혀졌습니다.
다른 사람이 교육에 볼륨을 추가 해 본 적이 있습니까? 결과는 같았나요? 아니면 개선 사항이 있나요?
이 테스트는 누적 거래량, 델타, 발산 및 수렴을 100바 단위로 한 EURUSD에 대한 CME의 실제 거래량을 사용했습니다. 총 400개 열 + 다른 종류의 열 5개. 모델 설정을 변경하지 않고 CME 데이터가 있는 405개 열(가격 델타와 지그재그는 그대로 유지)을 삭제하여 총 115개 열을 만들었더니 약간 더 나은 결과를 얻었습니다. 즉, 볼륨이 때때로 분할로 선택되지만 OOS에서 노이즈로 판명되었습니다. 그리고 훈련 속도가 3.5 배 느려집니다.
비교를 위해 차트를 위에 볼륨이 있고 아래에 볼륨이없는 차트를 남겨 두었습니다.
저는 CME가 있는 볼륨이 학습을 개선할 수 있는 추가 정보/규칙성을 가져다주기를 바랐습니다. 그러나 보시다시피 차트는 매우 비슷하지만 볼륨이 없는 모델이 조금 더 낫습니다. 이것은 CME에 대한 저의 두 번째 접근 방식이었으며 (3년 전에 시도했지만) 다시 실패했습니다. 모든 것이 가격에 고려된다는 것이 밝혀졌습니다.
다른 사람이 교육에 볼륨을 추가하려고 시도한 적이 있습니까? 결과는 같았나요? 아니면 개선 사항이 있나요?
이 테스트는 누적 거래량, 델타, 발산 및 수렴을 100바 단위로 한 EURUSD에 대한 CME의 실제 거래량을 사용했습니다. 총 400개 열 + 다른 종류의 열 5개. 모델 설정을 변경하지 않고 CME 데이터가 있는 405개 열(가격 델타와 지그재그는 그대로 유지)을 삭제하여 총 115개 열을 만들었더니 약간 더 나은 결과를 얻었습니다. 즉, 볼륨이 때때로 분할로 선택되지만 OOS에서 노이즈로 판명되었습니다. 그리고 훈련 속도가 3.5 배 느려집니다.
비교를 위해 차트를 위에 볼륨이 있고 아래에 볼륨이없는 차트를 남겨 두었습니다.
저는CME가 있는 볼륨이 학습을 개선할 수 있는추가 정보/규칙성을 가져다주기를 바랐습니다. 그러나 보시다시피 차트는 매우 비슷하지만 볼륨이 없는 모델이 조금 더 낫습니다. 이것은 CME에 대한 저의 두 번째 접근 방식이었으며 (3년 전에 시도했지만) 다시 실패했습니다. 모든 것이 가격에 고려된다는 것이 밝혀졌습니다.
다른 사람이 교육에 볼륨을 추가하려고 시도한 적이 있습니까? 결과는 같았나요? 아니면 개선 사항이 있나요?
당신은 내 게시물을 완전히 오해했습니다. 특성 적합성에 대한 수치 추정치가 있든 없든 "희망"과 같은 것은 없습니다. 그리고 향후 해당 특성의 적합도에 대한 수치적 추정치가 있습니다.
불행히도 아무도 찾지 못했습니다. 그렇지 않았다면 여기 대신 열대 섬에 있었을 겁니다))))
네. 나무나 회귀가 하나라도 있고 변하지 않는다면 패턴을 찾을 수 있습니다.
쉽죠. 저는 수십 개의 데이터 집합을 생성 해제할 수 있습니다. 저는 지금 TP=50과 SL=500을 탐색하고 있습니다. 교사의 마크업에는 평균 10%의 오류가 있습니다. 20%가 있으면 자두 모델이 됩니다.
따라서 중요한 것은 분류 오류가 아니라 모든 이익과 손실을 합산한 결과입니다.
보시다시피 최상위 모델의 오차는 9.1%이고, 8.3%의 오차로 무언가를 얻을 수 있습니다.
차트는 일주일에 한 번씩 재교육을 통해 5 년 동안 총 264 번의 재교육을 통해 얻은 OOS 만 보여줍니다.
모델이 분류 오류 9.1 %로 0에서 작동하고 50/500 = 0.1, 즉 10 %가되어야한다는 것이 흥미 롭습니다. 1%가 스프레드를 먹은 것으로 나타났습니다(바당 최소값, 실제는 더 클 것입니다).
이 테스트는 100개의 바에 대한 누적 거래량, 델타, 발산 및 수렴 등 CME의 EURUSD 실제 거래량을 사용했습니다. 총 400개 열 + 다른 종류의 열 5개
모델 설정을 변경하지 않고 CME 데이터의 405개 열(가격 델타와 지그재그는 그대로 유지)을 삭제하여 총 115개 열로 변경한 결과 약간 더 나은 결과를 얻었습니다. 즉, 볼륨이 때때로 분할로 선택되지만 OOS에서 노이즈로 판명되었습니다. 그리고 훈련 속도가 3.5 배 느려집니다.
비교를 위해 차트를 상단에 볼륨이 있고 하단에 볼륨이없는 차트를 남겨 두었습니다.
저는 CME가 있는 볼륨이 학습을 개선할 수 있는 추가 정보/규칙성을 가져다주기를 바랐습니다. 하지만 보시다시피 차트는 매우 비슷하지만 볼륨이 없는 모델이 조금 더 낫습니다.
이것은 CME에 대한 저의 두 번째 접근 방식이었으며 (3년 전에 시도했지만) 다시 실패했습니다.
모든 것이 가격에 고려된다는 것이 밝혀졌습니다.
다른 사람이 교육에 볼륨을 추가 해 본 적이 있습니까? 결과는 같았나요? 아니면 개선 사항이 있나요?
이 테스트는 누적 거래량, 델타, 발산 및 수렴을 100바 단위로 한 EURUSD에 대한 CME의 실제 거래량을 사용했습니다. 총 400개 열 + 다른 종류의 열 5개.
모델 설정을 변경하지 않고 CME 데이터가 있는 405개 열(가격 델타와 지그재그는 그대로 유지)을 삭제하여 총 115개 열을 만들었더니 약간 더 나은 결과를 얻었습니다. 즉, 볼륨이 때때로 분할로 선택되지만 OOS에서 노이즈로 판명되었습니다. 그리고 훈련 속도가 3.5 배 느려집니다.
비교를 위해 차트를 위에 볼륨이 있고 아래에 볼륨이없는 차트를 남겨 두었습니다.
저는 CME가 있는 볼륨이 학습을 개선할 수 있는 추가 정보/규칙성을 가져다주기를 바랐습니다. 그러나 보시다시피 차트는 매우 비슷하지만 볼륨이 없는 모델이 조금 더 낫습니다.
이것은 CME에 대한 저의 두 번째 접근 방식이었으며 (3년 전에 시도했지만) 다시 실패했습니다.
모든 것이 가격에 고려된다는 것이 밝혀졌습니다.
다른 사람이 교육에 볼륨을 추가하려고 시도한 적이 있습니까? 결과는 같았나요? 아니면 개선 사항이 있나요?
우리 시장을 시도해 보셨습니까? 효율성이 떨어지는 것 같습니까?
또는 곡물 선물의 경우 계절적 주기가 있을 수 있습니다.
우리 시장을 사용해 보셨나요? 효율성이 떨어지지 않나요?
중소기업이 포함된 볼륨에는 학습 곡선을 개선할 수 있는 추가 정보/법령이 포함될 것으로 기대했습니다. 하지만 보시다시피 볼륨이 없는 모델이 조금 더 낫습니다...
어떤 모델을 구할 수 있나요?
이 테스트는 누적 거래량, 델타, 발산 및 수렴을 100바 단위로 한 EURUSD에 대한 CME의 실제 거래량을 사용했습니다. 총 400개 열 + 다른 종류의 열 5개.
모델 설정을 변경하지 않고 CME 데이터가 있는 405개 열(가격 델타와 지그재그는 그대로 유지)을 삭제하여 총 115개 열을 만들었더니 약간 더 나은 결과를 얻었습니다. 즉, 볼륨이 때때로 분할로 선택되지만 OOS에서 노이즈로 판명되었습니다. 그리고 훈련 속도가 3.5 배 느려집니다.
비교를 위해 차트를 위에 볼륨이 있고 아래에 볼륨이없는 차트를 남겨 두었습니다.
저는CME가 있는 볼륨이 학습을 개선할 수 있는추가 정보/규칙성을 가져다주기를 바랐습니다. 그러나 보시다시피 차트는 매우 비슷하지만 볼륨이 없는 모델이 조금 더 낫습니다.
이것은 CME에 대한 저의 두 번째 접근 방식이었으며 (3년 전에 시도했지만) 다시 실패했습니다.
모든 것이 가격에 고려된다는 것이 밝혀졌습니다.
다른 사람이 교육에 볼륨을 추가하려고 시도한 적이 있습니까? 결과는 같았나요? 아니면 개선 사항이 있나요?
당신은 내 게시물을 완전히 오해했습니다. 특성 적합성에 대한 수치 추정치가 있든 없든 "희망"과 같은 것은 없습니다. 그리고 향후 해당 특성의 적합도에 대한 수치적 추정치가 있습니다.
교사는 여러분이 작성한 것이 아니라 특성과 레이블의 집합입니다 :) 또는 일반적으로 사람 또는 해당 데이터를 생성하는 알고리즘입니다 😀
내 방향으로 침을 뱉고 싶은 억누를 수 없는 욕구가 있는데 침을 아껴야 하나요, 아니면 그냥 표시를 해야 하나요?
먼저 모델 내부가 쓰레기로 가득 차 있다는 사실을 깨달아야 합니다...
학습된 나무 모델을 내부의 규칙과 그 규칙에 대한 통계로 분해하면 다음과 같습니다.
처럼:
를 생성하고 샘플에서 오류 규칙 오류의 발생 빈도에 대한 의존성을 분석합니다.
에 대한 의존성을 분석하면
그런 다음 이 영역에 관심이 있습니다.
규칙이 매우 잘 작동하지만 10-30 개의 관찰은 통계가 아니기 때문에 통계의 신뢰성을 의심하는 것이 합리적 일 정도로 드문 경우입니다.
저에게는 그것이 맞는 방식입니다. 모델 내에서 규칙을 세분화하는 것은 모델이 '본' 것을 세분화하는 것입니다.
내 방향으로 침을 뱉고 싶은 참을 수 없는 욕구가 있는 것 같은데 침을 아껴야 할까요, 아니면 그냥 표시를 해야 할까요?
말도 안 되는 말에 대한 정상적인 반응이고 국방부의 기본입니다.
어쩌고저쩌고, 어쩌고저쩌고, 어쩌고저쩌고, 어쩌고저쩌고 하는 식으로 말이죠.