1) 분류 또는 회귀? 퇴보하는 것 같습니다. 여기 코드 예제에서 나는 종종 다음 막대의 성장을 모델 훈련의 목표로 삼고 그것을 -1과 1로 반올림했습니다(즉, 막대의 색상 또는 가격의 상승/하강). 나중에 분류를 사용할 수 있습니다. 최근에 목표를 반올림(분류)하고 목표를 반올림하지 않은(회귀) 다른 모델의 훈련 결과와 예측을 비교했습니다. 회귀와 함께 그것은 어떻게 든 더 나은 것으로 판명되었습니다. 하지만 R^2와 같은 회귀모형을 평가하는 표준적인 방법은 나에게 적합하지 않았고, 모형을 평가하기 위해 거래할 때 대차대조표를 작성하고 회복계수를 계산했다.
2) 새로운 데이터에 대한 모델 평가. 나는 시장의 고문들에게 어떻게든 최적화할 때 거의 완벽하게 성장하는 자금 라인을 달성하고 새로운 데이터에 대해 비슷하게 아름다운 라인업을 얻을 수 있다는 것에 익숙해졌습니다. 그러나 이것은 이상적인 경우입니다. 실생활에서 모델이 충분하지 않으면 때때로 거래에서 손실이 발생하며 최적화가 이를 고칠 수 없으며 모델은 단순히 시장 패턴을 이해하지 못합니다.
다음은 약하지만 흥미로운 전략의 예입니다. 그 예에서는 새로운 데이터에 병합되지만 갑자기 복구되기 시작하지만 이것은 가장 흥미로운 것이 아닙니다. Expert Advisor 최적화 창을 끝까지 이동하면 훨씬 더 흥미로운 일이 발생할 것입니다. 장기적 최적화를 사용하더라도 모델이 마지막 부분을 플러스로 교환할 수 없다는 것이 밝혀졌습니다. 일반적으로 이 전략에 반하는 일이 시장에서 발생했으며 어떤 최적화로도 이를 고칠 수 없습니다.
이것은 흥미로운 결론으로 이어집니다. 모델에서 새 데이터에 대한 자금의 이상적인 성장을 달성하는 것이 아니라 새 데이터의 잔액 그래프 모양이 새 최적화가 적용된 그래프와 일치한다는 사실이 필요합니다. 이러한 데이터는 모델이 일부 올바른 시장 패턴을 포착했음을 의미하지만 너무 단순하고 모든 것을 설명할 수 없습니다. 나쁜 모델과 전략은 그런 우연의 일치가 없을 것입니다.
다음은 최적화 및 전면 테스트의 예입니다.
이제 최적화 창이 오른쪽으로 완전히 이동했고 차트의 날짜는 동일하지만 거래의 차이로 인해 수평 스케일이 약간 탄력이 있습니다.
두 차트의 오른쪽은 첫 번째 경우에는 모델에 대한 새 데이터이고 두 번째 경우에는 mt5 옵티마이저가 이 섹션에서 약 하루 동안 더 나은 거래를 달성하려고 시도했음에도 불구하고 매우 유사합니다.
1) 분류 또는 회귀? 퇴보하는 것 같습니다. 여기 코드 예제에서 나는 종종 다음 막대의 성장을 모델 훈련의 목표로 삼고 그것을 -1과 1로 반올림했습니다(즉, 막대의 색상 또는 가격의 상승/하강). 나중에 분류를 사용할 수 있습니다. 최근에 목표를 반올림(분류)하고 목표를 반올림하지 않은(회귀) 다른 모델의 훈련 결과와 예측을 비교했습니다. 회귀와 함께 그것은 어떻게 든 더 나은 것으로 판명되었습니다. 하지만 R^2와 같은 회귀모형을 평가하는 표준적인 방법은 나에게 적합하지 않았고, 모형을 평가하기 위해 거래할 때 대차대조표를 작성하고 회복계수를 계산했다.
2) 새로운 데이터에 대한 모델 평가. 나는 시장의 고문들에게 어떻게든 최적화할 때 거의 완벽하게 성장하는 자금 라인을 달성하고 새로운 데이터에 대해 비슷하게 아름다운 라인업을 얻을 수 있다는 것에 익숙해졌습니다. 그러나 이것은 이상적인 경우입니다. 실생활에서 모델이 충분하지 않으면 때때로 거래에서 손실이 발생하며 최적화가 이를 고칠 수 없으며 모델은 단순히 시장 패턴을 이해하지 못합니다.
다음은 약하지만 흥미로운 전략의 예입니다. 그 예에서는 새로운 데이터에 병합되지만 갑자기 복구되기 시작하지만 이것은 가장 흥미로운 것이 아닙니다. Expert Advisor 최적화 창을 끝까지 이동하면 훨씬 더 흥미로운 일이 발생할 것입니다. 장기적 최적화를 사용하더라도 모델이 마지막 부분을 플러스로 교환할 수 없다는 것이 밝혀졌습니다. 일반적으로 이 전략에 반하는 일이 시장에서 발생했으며 어떤 최적화로도 이를 고칠 수 없습니다.
이것은 흥미로운 결론으로 이어집니다. 모델에서 새 데이터에 대한 자금의 이상적인 성장을 달성하는 것이 아니라 새 데이터의 잔액 그래프 모양이 새 최적화가 적용된 그래프와 일치한다는 사실이 필요합니다. 이러한 데이터는 모델이 일부 올바른 시장 패턴을 포착했음을 의미하지만 너무 단순하고 모든 것을 설명할 수 없습니다. 나쁜 모델과 전략은 그런 우연의 일치가 없을 것입니다.
다음은 최적화 및 전면 테스트의 예입니다.
이제 최적화 창이 오른쪽으로 완전히 이동했고 차트의 날짜는 동일하지만 거래의 차이로 인해 수평 스케일이 약간 탄력이 있습니다.
두 차트의 오른쪽은 첫 번째 경우에는 모델에 대한 새 데이터이고 두 번째 경우에는 mt5 옵티마이저가 이 섹션에서 약 하루 동안 더 나은 거래를 달성하려고 시도했음에도 불구하고 매우 유사합니다.
앞서 언급했듯이 모든 것은 입력 데이터에 따라 다릅니다. 입력 데이터가 종료의 이유인 경우 최적화 및 샘플 외 네트워크의 성능은 거의 동일합니다. 입력 데이터가 그렇지 않으면 결과가 크게 달라집니다. 나는 또한 내 모델을 구성하면서 여기에서 약간의 조작을 했고 결과가 크게 향상되었습니다. 시간이 말해줄 것입니다 ....... Vazard가 계속 내 신호를 따르기를 바랍니다 ????
이게 포인트!!!! 그는 초보자에게 좋은 트레이너입니다. 그는 지식이 있지만 그의 포퓰리즘은 고정 관념입니다. 상인, 여자, 비싼 차. 나처럼 되고 싶니? 등. 우리의 경우 상인은 모니터 앞에서 씻지 않은 얼굴로 반바지를 입은 유형입니다. 내 머리에는 많은 공식이 있습니다. 거래는 지옥 같은 직업입니다. 내 친구와 친척들은 모두 내가 컴퓨터 앞에 앉아서 아무것도 하지 않는다는 강한 인상을 받습니다. 하지만 생각해보면. 보통 8시에 일어나서 볼륨을 확인하고 모델을 만들기 시작하고 최대 12시간을 선택하고 나서 하루 동안 동결되지 않으면 :-(. 모델을 만들고 설정합니다....앉아 모니터링합니다. 일반적으로 시장에서 돈을 벌기 위해서는 열심히 일해야 합니다. 하지만 결국에는 모든 것이 잘 될 것이라고 믿습니다!
그건 확실합니다. 하루 12~14시간 일합니다. 글쎄, 때때로 당신은 휴식을 취해야합니다. 이 활동을 하는 동안 그는 척추를 비틀었습니다(
나는 후추도 믿지 않는다. 아름답게 노래하는 사람은 대개 거짓말을 합니다. smartlab에 가면 그러한 "야심찬" 전문가들이 많이 있습니다.
그러나 그럼에도 불구하고 성공은 가능하며 Larry Williams는 10K로 백만 달러 이상을 벌었고 이는 공식적으로 챔피언십 결과와 Ed Sekota와 같은 다른 사람들의 결과로 기록됩니다.
영화 월스트리트의 늑대는 거래에 적용되지 않으며, 유동성이 없는 주식을 판매하는 사기도 있습니다. 실제로 존재하지 않는 회사는 레버모어에 대한 더 나은 영화를 만들 것이고 훨씬 더 흥미로울 것입니다.
다시 한번 말하지만, 그걸 원하고 알아내려고 하는 사람들, 주제에 있는 사람들, 이미 할 말이 있다면 똑똑한 말을 하거나 적어도 주제에 대해 !!!!
MO 란 무엇입니까? ) 물어보는 것이 부끄러웠다.
기계 학습
이제 Gerchik이 말하는 내용을 이해할 수 없었던 이유가 명확해졌습니다. 주전자가 끓지 않아요 :)
"교환의 성배 또는 상인 피노키오의 모험"이라는 훌륭한 책으로 시작하여 코스를 보고 수정하기에는 너무 이릅니다. 이것은 당신의 레벨을 위한 좋은 시작입니다.
블랙리스트에 있는 파다완은 모두 이미 스팸을 받았습니다. :)
최소한 이 책을 주의 깊게 읽은 다음 자신을 덮고 블랙리스트를 채워야 합니다. 이렇게 실험해 보세요. 책이 작습니다.
처음에 한두번 정도 수익이 나는 거래를 하고 나서 조언을 해주거나) 아니면 택시기사로 시작해서 무에서 위대한 구루까지 가세요.. 그 군인이 나쁘기 때문입니다..
추신: Mukhanchikov가 일하는 곳을 아십니까?
MO 란 무엇입니까? ) 물어보는 것이 부끄러웠다.
머신러닝은 마치...
내가 최근 몇 달 동안 받은 몇 가지 흥미로운 결론은 -
1) 분류 또는 회귀?
퇴보하는 것 같습니다. 여기 코드 예제에서 나는 종종 다음 막대의 성장을 모델 훈련의 목표로 삼고 그것을 -1과 1로 반올림했습니다(즉, 막대의 색상 또는 가격의 상승/하강). 나중에 분류를 사용할 수 있습니다. 최근에 목표를 반올림(분류)하고 목표를 반올림하지 않은(회귀) 다른 모델의 훈련 결과와 예측을 비교했습니다. 회귀와 함께 그것은 어떻게 든 더 나은 것으로 판명되었습니다. 하지만 R^2와 같은 회귀모형을 평가하는 표준적인 방법은 나에게 적합하지 않았고, 모형을 평가하기 위해 거래할 때 대차대조표를 작성하고 회복계수를 계산했다.
2) 새로운 데이터에 대한 모델 평가.
나는 시장의 고문들에게 어떻게든 최적화할 때 거의 완벽하게 성장하는 자금 라인을 달성하고 새로운 데이터에 대해 비슷하게 아름다운 라인업을 얻을 수 있다는 것에 익숙해졌습니다. 그러나 이것은 이상적인 경우입니다. 실생활에서 모델이 충분하지 않으면 때때로 거래에서 손실이 발생하며 최적화가 이를 고칠 수 없으며 모델은 단순히 시장 패턴을 이해하지 못합니다.
다음은 약하지만 흥미로운 전략의 예입니다. 그 예에서는 새로운 데이터에 병합되지만 갑자기 복구되기 시작하지만 이것은 가장 흥미로운 것이 아닙니다. Expert Advisor 최적화 창을 끝까지 이동하면 훨씬 더 흥미로운 일이 발생할 것입니다. 장기적 최적화를 사용하더라도 모델이 마지막 부분을 플러스로 교환할 수 없다는 것이 밝혀졌습니다. 일반적으로 이 전략에 반하는 일이 시장에서 발생했으며 어떤 최적화로도 이를 고칠 수 없습니다.
이것은 흥미로운 결론으로 이어집니다. 모델에서 새 데이터에 대한 자금의 이상적인 성장을 달성하는 것이 아니라 새 데이터의 잔액 그래프 모양이 새 최적화가 적용된 그래프와 일치한다는 사실이 필요합니다. 이러한 데이터는 모델이 일부 올바른 시장 패턴을 포착했음을 의미하지만 너무 단순하고 모든 것을 설명할 수 없습니다. 나쁜 모델과 전략은 그런 우연의 일치가 없을 것입니다.
다음은 최적화 및 전면 테스트의 예입니다.
이제 최적화 창이 오른쪽으로 완전히 이동했고 차트의 날짜는 동일하지만 거래의 차이로 인해 수평 스케일이 약간 탄력이 있습니다.
두 차트의 오른쪽은 첫 번째 경우에는 모델에 대한 새 데이터이고 두 번째 경우에는 mt5 옵티마이저가 이 섹션에서 약 하루 동안 더 나은 거래를 달성하려고 시도했음에도 불구하고 매우 유사합니다.
마을 사람들 사이에 약간의 침묵. AAA, 이해했습니다 .... 내 기사가 발표되면서 확인하고 테스트해야 할 사항이 나타났습니다. 그래서 모두가 침묵합니까?
내가 최근 몇 달 동안 받은 몇 가지 흥미로운 결론은 -
1) 분류 또는 회귀?
퇴보하는 것 같습니다. 여기 코드 예제에서 나는 종종 다음 막대의 성장을 모델 훈련의 목표로 삼고 그것을 -1과 1로 반올림했습니다(즉, 막대의 색상 또는 가격의 상승/하강). 나중에 분류를 사용할 수 있습니다. 최근에 목표를 반올림(분류)하고 목표를 반올림하지 않은(회귀) 다른 모델의 훈련 결과와 예측을 비교했습니다. 회귀와 함께 그것은 어떻게 든 더 나은 것으로 판명되었습니다. 하지만 R^2와 같은 회귀모형을 평가하는 표준적인 방법은 나에게 적합하지 않았고, 모형을 평가하기 위해 거래할 때 대차대조표를 작성하고 회복계수를 계산했다.
2) 새로운 데이터에 대한 모델 평가.
나는 시장의 고문들에게 어떻게든 최적화할 때 거의 완벽하게 성장하는 자금 라인을 달성하고 새로운 데이터에 대해 비슷하게 아름다운 라인업을 얻을 수 있다는 것에 익숙해졌습니다. 그러나 이것은 이상적인 경우입니다. 실생활에서 모델이 충분하지 않으면 때때로 거래에서 손실이 발생하며 최적화가 이를 고칠 수 없으며 모델은 단순히 시장 패턴을 이해하지 못합니다.
다음은 약하지만 흥미로운 전략의 예입니다. 그 예에서는 새로운 데이터에 병합되지만 갑자기 복구되기 시작하지만 이것은 가장 흥미로운 것이 아닙니다. Expert Advisor 최적화 창을 끝까지 이동하면 훨씬 더 흥미로운 일이 발생할 것입니다. 장기적 최적화를 사용하더라도 모델이 마지막 부분을 플러스로 교환할 수 없다는 것이 밝혀졌습니다. 일반적으로 이 전략에 반하는 일이 시장에서 발생했으며 어떤 최적화로도 이를 고칠 수 없습니다.
이것은 흥미로운 결론으로 이어집니다. 모델에서 새 데이터에 대한 자금의 이상적인 성장을 달성하는 것이 아니라 새 데이터의 잔액 그래프 모양이 새 최적화가 적용된 그래프와 일치한다는 사실이 필요합니다. 이러한 데이터는 모델이 일부 올바른 시장 패턴을 포착했음을 의미하지만 너무 단순하고 모든 것을 설명할 수 없습니다. 나쁜 모델과 전략은 그런 우연의 일치가 없을 것입니다.
다음은 최적화 및 전면 테스트의 예입니다.
이제 최적화 창이 오른쪽으로 완전히 이동했고 차트의 날짜는 동일하지만 거래의 차이로 인해 수평 스케일이 약간 탄력이 있습니다.
두 차트의 오른쪽은 첫 번째 경우에는 모델에 대한 새 데이터이고 두 번째 경우에는 mt5 옵티마이저가 이 섹션에서 약 하루 동안 더 나은 거래를 달성하려고 시도했음에도 불구하고 매우 유사합니다.
앞서 언급했듯이 모든 것은 입력 데이터에 따라 다릅니다. 입력 데이터가 종료의 이유인 경우 최적화 및 샘플 외 네트워크의 성능은 거의 동일합니다. 입력 데이터가 그렇지 않으면 결과가 크게 달라집니다. 나는 또한 내 모델을 구성하면서 여기에서 약간의 조작을 했고 결과가 크게 향상되었습니다. 시간이 말해줄 것입니다 ....... Vazard가 계속 내 신호를 따르기를 바랍니다 ????
이게 포인트!!!! 그는 초보자에게 좋은 트레이너입니다. 그는 지식이 있지만 그의 포퓰리즘은 고정 관념입니다. 상인, 여자, 비싼 차. 나처럼 되고 싶니? 등. 우리의 경우 상인은 모니터 앞에서 씻지 않은 얼굴로 반바지를 입은 유형입니다. 내 머리에는 많은 공식이 있습니다. 거래는 지옥 같은 직업입니다. 내 친구와 친척들은 모두 내가 컴퓨터 앞에 앉아서 아무것도 하지 않는다는 강한 인상을 받습니다. 하지만 생각해보면. 보통 8시에 일어나서 볼륨을 확인하고 모델을 만들기 시작하고 최대 12시간을 선택하고 나서 하루 동안 동결되지 않으면 :-(. 모델을 만들고 설정합니다....앉아 모니터링합니다. 일반적으로 시장에서 돈을 벌기 위해서는 열심히 일해야 합니다. 하지만 결국에는 모든 것이 잘 될 것이라고 믿습니다!
그건 확실합니다. 하루 12~14시간 일합니다. 글쎄, 때때로 당신은 휴식을 취해야합니다. 이 활동을 하는 동안 그는 척추를 비틀었습니다(
나는 후추도 믿지 않는다. 아름답게 노래하는 사람은 대개 거짓말을 합니다. smartlab에 가면 그러한 "야심찬" 전문가들이 많이 있습니다.
그러나 그럼에도 불구하고 성공은 가능하며 Larry Williams는 10K로 백만 달러 이상을 벌었고 이는 공식적으로 챔피언십 결과와 Ed Sekota와 같은 다른 사람들의 결과로 기록됩니다.
영화 월스트리트의 늑대는 거래에 적용되지 않으며, 유동성이 없는 주식을 판매하는 사기도 있습니다. 실제로 존재하지 않는 회사는 레버모어에 대한 더 나은 영화를 만들 것이고 훨씬 더 흥미로울 것입니다.