별도의 양자 세그먼트에 대해 샘플의 각 월에서 한 유형의 신호 비율을 측정하고 수익성있는 신호의 평균 비율을 빼고 데이터에 균형을 구축하면 다음을 볼 수 있습니다.
이것은 제 방법에 따라 선택한 양자 세그먼트이며, 우리가 보는 것은 38 개월부터 127 개월까지 안정적인 추세가 있었고 그 후 변동이 시작되었다는 것입니다.
따라서 샘플을 고전적인 60 + 20 + 20 방법에 따라 나누면 약 100 개월까지 모든 것이 잘 될 것이고 40 개월에서 140 개월까지 우리는 플러스에있을 것이고 이미 테스트를위한 독립 샘플에서 우리는 반등과 함께 하락세를 포착 할 것입니다. 동시에 38 개월 이전에 훈련 용 샘플에서 유사한 움직임이 있음을 알 수 있지만 어떤 모델이이를 고려하고 이러한 변동에 대한 "설명"을 찾을 수 있습니까? 일반 나무 모델은 전체 샘플의 일부를 꺼내기 시작하지만 일부에만주의를 기울여야합니다.
위에서 설명한 뉘앙스를 고려하고 전체 조각이 아니라 동일한 분할 후 각 섹션의 변경 사항을 개별적으로 고려하는 것처럼 분할하는 모델을 구축하는 방법에 대해 생각하고있는 것이 바로 제가 생각하고있는 것입니다.
제가 다시 바퀴를 재발명하고 있는데 이미 해결책이 있을까요? 이미 종이에 시스템 개요를 작성했지만 코드는 아직 멀었습니다....
Maxim Dmitrievsky #: 어딘가에서 성능이 좋지 않은 퀀텀 크랩 컷이 있는데 어떻게해야합니까? 성능이 좋지 않은 새 데이터가 주어지면 신호를 평균화하여 거기에서 그렇게 나쁘지 않지만 과거 데이터에서도 그렇게 잘 수행되지 않도록합니다. 질문이 뭐야, 그게 답이야, 미안해하지 마세요.
알렉세이 니콜라 예프 R의 블로그에서 게임 카페 또는 시장 측면에서 유사한 소수의 승리 모델을 구현했는데, 플레이어의 위치가 참여자가 적은 사회에 있으면 그가 승리합니다 (카페에서는 날짜에 따라 방문자 수가 가장 적은 날에 온 플레이어가 승리하고 방문자 수가 많은 플레이어가 패배합니다), 이것은 너무 단순한 모델이며 실제 생활에서는 여전히 국가 및 기타 대형 플레이어와 많은 수의 작은 플레이어에 이르기까지 많은 유형의 플레이어가 있습니다. 이 모델은 아직 대략적으로 만들어지지 않았습니다.)
그러나 그래프는 틱 방황과 매우 유사합니다.
가격 책정의 SB 모델은 물리학의 아날로그인 이상 기체처럼 현실에서는 절대 발생하지 않는 기본적이고 제한적인 변형입니다. 이 모델은 a) 많은 수의 참가자, b) 다른 참가자와의 거래 전략이 절대적으로 독립적이라는 두 가지 조건에서 얻을 수 있습니다. 두 번째 조건은 충족하기 어렵기 때문에 예를 들어 시장에 서로 다른 전략을 가진 여러 참가자 그룹(클러스터)이 있는 경우 SB 모델에서 편차가 어떻게 영향을 받는지 조사할 수 있습니다. 또는 참여자 중 일부가 내부 정보를 가지고 있을 수도 있습니다. 정의상 순수한 SB로 수익을 창출하는 것은 불가능하며, 편차를 통해서만 수익을 창출할 수 있습니다.
저는 평균과 분산의 불변성이라는 일반적인 계량경제학 용어를 정태성이라고 부릅니다. 시장에는 당연히 그런 것이 없으며 "기념비"가 아닙니다. 이질적 공적분은 제거되고 나머지는 SB에 가깝습니다.
일반적으로 분포 유형은 예측 가능성에 대해 거의 알려주지 않습니다. 트레이딩과는 거리가 먼 수학적 게임입니다. 스프레드를 커버하는 호가에 약간의 솜털을 추가합니다. 또는 하루 중 특정 시간대에 평균으로 꾸준히 복귀합니다. 스프레드는 변하지 않고 돈을 벌 수 있습니다. 대략 이와 같은 것을 비효율적이라고 할 수 있습니다. 이렇게하려면 모든 것을 예측할 수없고 그럴 필요도 없다는 사실을 고려하여 알고리즘을 작성하십시오. 나는 거기에 그런 저주가 있다고 말하지 않고 아무것도 얻을 수없는 정말 효율적인 도구가 있다고 말하고 싶습니다.
임호 물론 SB에서 이해할 수있는 편차가있는 가격 모델을 구축하면 예를 들어 천년 동안에도이를 기반으로 인공 견적을 생성 할 수 있습니다. 그런 다음이 견적에서 MO의 도움을 받아 편차가있는 곳을 확인한 다음 실제 견적에서 동일한 작업을 시도하십시오. 또는.
별도의 양자 세그먼트에 대해 샘플의 각 월에서 한 유형의 신호 비율을 측정하고 수익성있는 신호의 평균 비율을 빼고 데이터에 균형을 구축하면 다음을 볼 수 있습니다.
이것은 제 방법에 따라 선택한 양자 세그먼트이며, 우리가 보는 것은 38 개월부터 127 개월까지 안정적인 추세가 있었고 그 후 변동이 시작되었다는 것입니다.
따라서 샘플을 고전적인 60 + 20 + 20 방법에 따라 나누면 약 100 개월까지 모든 것이 잘 될 것이고 40 개월에서 140 개월까지 우리는 플러스에있을 것이고 이미 테스트를위한 독립 샘플에서 우리는 반등과 함께 하락세를 포착 할 것입니다. 동시에 38 개월 이전에 훈련 용 샘플에서 유사한 움직임이 있음을 알 수 있지만 어떤 모델이이를 고려하고 이러한 변동에 대한 "설명"을 찾을 수 있습니까? 일반 나무 모델은 전체 샘플의 일부를 꺼내기 시작하지만 일부에만주의를 기울여야합니다.
위에서 설명한 뉘앙스를 고려하고 전체 조각이 아니라 동일한 분할 후 각 섹션의 변경 사항을 개별적으로 고려하는 것처럼 분할하는 모델을 구축하는 방법에 대해 생각하고있는 것이 바로 제가 생각하고있는 것입니다.
제가 다시 바퀴를 재발명하고 있는데 이미 해결책이 있을까요? 이미 종이에 시스템 개요를 작성했지만 코드는 아직 멀었습니다....
히스토그램은 다음과 같습니다 (엑셀 버전에 따라).
패턴이 작동하지 않는 달이 있음을 알 수 있습니다.... 다른 분할로 설명해야하지만 누적되는 곳에서 제거하는 것이 바람직합니다.
그리고 제가 원하는 것은 모델을 그렇게 열심히 훈련시키지 않더라도 적어도 확률적으로 유리한 결과의 양자 구간에서 긍정적인 변화에서 부정적인 변화로 바뀌는 부분을 미리 감지하는 것입니다.
여기서 목표에 대해 생각해 보면 이미 샘플이 형성되고 있습니다.
한 달 동안 퀀텀 세그먼트에서 긍정적인 결과와 부정적인 결과의 델타 비율을 +1/-1로 표현하면 그래프에 이미 이 그림이 나타나고 더 흥미로워 보입니다.
질문이 뭐야, 그게 답이야, 미안해하지 마세요.
어딘가에서 성능이 좋지 않은 퀀텀 크랩 컷이 있는데 어떻게해야합니까? 성능이 좋지 않은 새 데이터가 주어지면 신호를 평균화하여 거기에서 그렇게 나쁘지 않지만 과거 데이터에서도 그렇게 잘 수행되지 않도록합니다.
질문이 뭐야, 그게 답이야, 미안해하지 마세요.
평균, 빼기 및 나누기 :)
어쨌든, 제가 알기로는 "나쁜"신호가있는 사이트에서 대상을 변경하라는 제안입니까?
알렉세이 니콜라 예프 R의 블로그에서 게임 카페 또는 시장 측면에서 유사한 소수의 승리 모델을 구현했는데, 플레이어의 위치가 참여자가 적은 사회에 있으면 그가 승리합니다 (카페에서는 날짜에 따라 방문자 수가 가장 적은 날에 온 플레이어가 승리하고 방문자 수가 많은 플레이어가 패배합니다), 이것은 너무 단순한 모델이며 실제 생활에서는 여전히 국가 및 기타 대형 플레이어와 많은 수의 작은 플레이어에 이르기까지 많은 유형의 플레이어가 있습니다. 이 모델은 아직 대략적으로 만들어지지 않았습니다.)
그러나 그래프는 틱 방황과 매우 유사합니다.
가격 책정의 SB 모델은 물리학의 아날로그인 이상 기체처럼 현실에서는 절대 발생하지 않는 기본적이고 제한적인 변형입니다. 이 모델은 a) 많은 수의 참가자, b) 다른 참가자와의 거래 전략이 절대적으로 독립적이라는 두 가지 조건에서 얻을 수 있습니다. 두 번째 조건은 충족하기 어렵기 때문에 예를 들어 시장에 서로 다른 전략을 가진 여러 참가자 그룹(클러스터)이 있는 경우 SB 모델에서 편차가 어떻게 영향을 받는지 조사할 수 있습니다. 또는 참여자 중 일부가 내부 정보를 가지고 있을 수도 있습니다. 정의상 순수한 SB로 수익을 창출하는 것은 불가능하며, 편차를 통해서만 수익을 창출할 수 있습니다.
개인적으로는 SB 모델의 필요성을 전혀 느끼지 못합니다.
아무것도 제공하지 않고, 좋은 속성을 강조하지도 않으며, 나쁜 속성을 억제하지도 않고, 단순화하지도 않습니다.
그래프가 가격처럼 보이긴 하지만 그게 뭐 어때서요?
물론 SB 모델 자체는 거의 사용되지 않으며 모델에서 편차가 진단될 때만 유용합니다.
저는 평균과 분산의 불변성이라는 일반적인 계량경제학 용어를 정태성이라고 부릅니다. 시장에는 당연히 그런 것이 없으며 "기념비"가 아닙니다. 이질적 공적분은 제거되고 나머지는 SB에 가깝습니다.
일반적으로 분포 유형은 예측 가능성에 대해 거의 알려주지 않습니다. 트레이딩과는 거리가 먼 수학적 게임입니다. 스프레드를 커버하는 호가에 약간의 솜털을 추가합니다. 또는 하루 중 특정 시간대에 평균으로 꾸준히 복귀합니다. 스프레드는 변하지 않고 돈을 벌 수 있습니다. 대략 이와 같은 것을 비효율적이라고 할 수 있습니다. 이렇게하려면 모든 것을 예측할 수없고 그럴 필요도 없다는 사실을 고려하여 알고리즘을 작성하십시오. 나는 거기에 그런 저주가 있다고 말하지 않고 아무것도 얻을 수없는 정말 효율적인 도구가 있다고 말하고 싶습니다.
임호 물론 SB에서 이해할 수있는 편차가있는 가격 모델을 구축하면 예를 들어 천년 동안에도이를 기반으로 인공 견적을 생성 할 수 있습니다. 그런 다음이 견적에서 MO의 도움을 받아 편차가있는 곳을 확인한 다음 실제 견적에서 동일한 작업을 시도하십시오. 또는.
물론 SB 모델 자체는 거의 사용되지 않으며이 모델에서 편차가 진단 (발견)될 때만 유용합니다.