중간 결론을 내리기 위해, 코줄과 변형 모두에서 그리고 베이지안 분류기 및 일반화된 선형 모델과 같이 MO에 적용되는 다른 모든 방향에서 앙상블이 사용됩니다.
코줄에서는 어떤 이유에서인지 보통 하나의 분류기 또는 회귀자(또는 두 개)로 제한되며, 메타 러너라고도 합니다. 반면 캣버스트 및 기타 라이브러리에 관한 논문에서는 앙상블이 사용됩니다. 코줄라에서 정확히 왜 이것을 밝히지 않는지는 조금 이상합니다. 앙상블의 경우로 일반화하지 않습니다. 기본적으로 모델에 대한 통계일 뿐입니다. 특별한 마법은 없지만 결과는 때때로 만족스럽습니다.
이 모든 것에 대한 일반적인 참고서는 아직 보지 못했습니다. 머신러닝과 비슷하죠.
그리고 이 모든 것을 시계열 분류에 적용하는 방법과 특수한 경우인 거래용 BP 분류에 적용하는 방법에 대한 갈림길이 있는데, 후자의 주제는 실제로 어디에도 공개되거나 언급되지 않았습니다.
A professionally curated list of awesome Conformal Prediction videos, tutorials, books, papers, PhD and MSc theses, articles and open-source libraries. - GitHub - valeman/awesome-conformal-predicti...
Maxim Dmitrievsky #: 온실 조건에서 작동하는 모델이 있다면. 스프레드가 있는 모든 브로커 하우스에 적용하고 싶습니다. 거래 마크 업에 더 큰 스프레드를 넣고 재교육하는 것이 더 쉬워 보이지만 도움이되지 않습니다. 그것은 출력에서 더 큰 스프레드에서 이익을주는 것을 거부합니다.
따라서 온실 조건에서 낮은 매트. 기대. 알파가 정확히 어디에 있는지.
모델이라는 단어를 스 캘퍼로 바꾸어 보겠습니다. 실제로 어떤 시세에서 수익을 냈다고 가정해 봅시다. 알파는 기대치가 낮습니다.
우리는 호가를 더 낮춥니다. 그를 OOS로 훈련시킵니다. 알파가 파괴되었기 때문입니다. 훈련하는 동안 외형적으로는 수천 개의 거래가 있을 수 있습니다. 그러나 알파는 없습니다 - 운명.
ZY 좋은 호가로 수익을 낼 수 있는 모든 것이 이미 갖춰져 있는데 왜 나쁜 호가로 수익을 낼까요?
특이한 점은 실제 스프레드를 모르더라도 테스터에서 인위적으로 스프레드를 높이면 거래의 일부가 떨어진다는 것입니다.
스프레드가 증가하는 만큼 매트릭스 기대치도 그만큼 낮아집니다. 스프레드의 문제를 이해하지 못했습니다.
NHITS와 lightGBM도 일일 및 시간별 데이터에서 TimeGPT보다 RMS가 낮습니다. https://valeman.medium.com/what-truly-works-in-time-series-forecasting-the-results-from-nixtlas-mega-study-78eda5133622
컨포멀 예측을 사용해 보셨나요?
https://valeman.medium.com/how-to-predict-full-probability-distribution-using-machine-learning-conformal-predictive-f8f4d805e420
https://github.com/valeman/awesome-conformal-prediction#papers-time-series
스프레드가 증가하는 만큼 매트릭스 기대치가 감소합니다. 스프레드 문제를 이해하지 못하겠습니다.
온실 조건에서 작동하는 모델이 있다면. 스프레드가 있는 모든 브로커 하우스에 적용하고 싶습니다. 거래 마크 업에 더 큰 스프레드를 넣고 재교육하는 것이 더 쉬워 보이지만 도움이되지 않습니다. 그것은 출력에서 더 큰 스프레드에서 이익을주는 것을 거부합니다.
따라서 온실 조건에서 낮은 매트. 기대. 알파가 정확히 어디에 있는지.
모델이라는 단어를 스 캘퍼로 바꾸어 보겠습니다. 실제로 어떤 시세에서 수익을 냈다고 가정해 봅시다. 알파는 기대치가 낮습니다.
우리는 호가를 더 낮춥니다. 그를 OOS로 훈련시킵니다. 알파가 파괴되었기 때문입니다. 훈련하는 동안 외형적으로는 수천 개의 거래가 있을 수 있습니다. 그러나 알파는 없습니다 - 운명.
ZY 좋은 호가로 수익을 낼 수 있는 모든 것이 이미 갖춰져 있는데 왜 나쁜 호가로 수익을 낼까요?
따라서 온실 조건에서는 기대 행렬이 낮습니다. 정확히 알파가 있는 곳입니다.
모델이라는 단어를 스캘퍼로 바꾸어 보겠습니다. 실제로 어떤 시세에서 수익을 냈다고 가정해 봅시다. 알파는 기대치가 낮습니다.
우리는 호가를 더 나쁘게 만듭니다. 그를 OOS로 훈련시킵니다. 알파가 파괴되기 때문입니다. 훈련 중에는 수천 번의 거래가 있을 수 있습니다. 그러나 알파는 없습니다.
ZY 좋은 시세에서 수익을 낼 수 있는 모든 것이 이미 갖춰져 있는데 왜 나쁜 시세에서 수익을 내야 하나요?
거래 비용 - 슬리피지, 유동성, 수수료, 스왑. 스프레드는 현재 매수/매도 호가 사이의 값(일부러 차이를 쓰지 않았습니다)입니다.
자정부터 오전 1시까지 EURGBP의 최소 스프레드는 자정 이전의 최대 스프레드보다 수십 배 더 큽니다.
일부 스캘퍼에게는 이 시간이 하루 중 가장 수익률이 좋은 시간대입니다.
거래 비용 - 슬리피지, 유동성, 수수료, 스왑. 스프레드는 현재 매수/매도 호가 사이의 값(일부러 차이를 표기하지 않았습니다)입니다.
자정부터 오전 1시까지 EURGBP의 최소 스프레드는 자정 이전의 최대 스프레드보다 수십 배 더 큽니다.
일부 스캘퍼에게는 이 시간이 하루 중 가장 수익성이 좋은 시간대입니다.
여전히 패턴 - 스프레드 - 기타 비용을 거래합니다.
로직의 어느 곳에서도 (간접적으로라도) 스프레드 값을 사용하는 TS가 없습니다. 저만 그런 게 아닙니다.
두 개의 매수/매도 호가 형태의 원시 데이터를 가격/스프레드로 변환한 다음 가격에서 알파를 찾는 이유는 저에게는 미스터리입니다.
스프레드, 차트주기, 일본식 캔들스틱에 대해 이야기하는 것도 마찬가지입니다.
"안녕하세요!" 소스 데이터를 이해하는 분야에서 과거 기간 동안 가능한 최대 수익을 표시하는 스크립트를 작성하는 것입니다.
이것이 없다면 무엇을 하고 있는지 불분명합니다.