글쎄, grarch는 기성품 의미있는 모델이고 MO는 MO 일뿐입니다. 나는 탑에서 교과서를 샀고 거기에는 땅벌레가 있습니다. 나는 그것을 읽었습니다)
MO는 항상 기성품의 의미있는 모델입니다. 때로는 너무 의미가 있어서 어떻게 작동하는지 바로 알 수 없습니다. 여기에 그라디언트 부스팅에 대한 기사가 있습니다. 예를 들면 https://habrahabr.ru/company/ods/blog/327250/ 기사, 설명 및 공식이 있지만 mql로 전송하려는 욕망을 구현할 수 없었습니다. 너무 어렵다.
요점은 약간 다릅니다. 의미가 아니라 협소한 전문화입니다. Arima, garch - 지표 및 TA 없이 가격으로 직접 작업합니다. 이를 위해 가격 계열을 고정 벡터로 바꾸는 알고리즘이 내장되어 있으며 이전 오류(MA 구성 요소)에 따라 예측을 수정하는 등의 미묘함도 있습니다. 그러나 동시에 가격이 아닌 다른 데이터에는 쓸모가 없으며 이러한 모델은 예를 들어 사진을 분류할 수 없습니다.
훈련을 위해 가격의 시계열을 뉴런으로 전송하면 가격의 자기 상관, 계절 및 추세 구성 요소를 찾지 않으며 뉴런은 방법을 모릅니다. 그녀는 단순히 그녀에게 주어진 것을 기억할 것이며 테스트 또는 실제 거래 중 새로운 데이터에 대해 과거의 유사한 가격 벡터를 "기억"하고 이전과 같이 거래할 것이며 이는 Forex의 손실을 의미합니다. 뉴런은 가격을 예측하는 데 도움이 필요합니다. 먼저 Arima와 같이 자기 상관, 추세, 계절성을 결정할 수 있는 지표를 직접 찾고 이러한 지표의 값을 뉴런으로 전송할 수 있습니다. 그러면 그녀는 최소한 Arima와 Garch를 따라잡을 기회를 갖게 될 것입니다. 또한 중요한 것은 Arima가 시간을 고려하여 예측합니다. 이 모델은 가격이 나온 순서를 명확하게 기억하고 예측에 일종의 슬라이딩 윈도우를 사용하여 마지막 몇 개의 가격을 가져와 예측합니다. 가격이 어떤 순서로 왔는지에 대한 단서 없이 전체 훈련 테이블과 즉시 작동하는 뉴런과 달리.
MO는 항상 기성품의 의미있는 모델입니다. 때로는 너무 의미가 있어서 어떻게 작동하는지 바로 알 수 없습니다. 여기에 그라디언트 부스팅에 대한 기사가 있습니다. 예를 들면 https://habrahabr.ru/company/ods/blog/327250/ 기사, 설명 및 공식이 있지만 mql로 전송하려는 욕망을 구현할 수 없었습니다. 너무 어렵다.
요점은 약간 다릅니다. 의미가 아니라 협소한 전문화입니다. Arima, garch - 지표 및 TA 없이 가격으로 직접 작업합니다. 이를 위해 가격 계열을 고정 벡터로 바꾸는 알고리즘이 내장되어 있으며 이전 오류(MA 구성 요소)에 따라 예측을 수정하는 등의 미묘함도 있습니다. 그러나 동시에 가격이 아닌 다른 데이터에는 쓸모가 없으며 이러한 모델은 예를 들어 사진을 분류할 수 없습니다.
훈련을 위해 가격의 시계열을 뉴런으로 전송하면 가격의 자기 상관, 계절 및 추세 구성 요소를 찾지 않으며 뉴런은 방법을 모릅니다. 그녀는 단순히 그녀에게 주어진 것을 기억할 것이며 테스트 또는 실제 거래 중 새로운 데이터에 대해 과거의 유사한 가격 벡터를 "기억"하고 이전과 같이 거래할 것이며 이는 Forex의 손실을 의미합니다. 뉴런은 가격을 예측하는 데 도움이 필요합니다. 먼저 Arima와 같이 자기 상관, 추세, 계절성을 결정할 수 있는 지표를 직접 찾고 이러한 지표의 값을 뉴런으로 전송할 수 있습니다. 그러면 그녀는 최소한 Arima와 Garch를 따라잡을 기회를 갖게 될 것입니다. 또한 중요한 것은 Arima가 시간을 고려하여 예측합니다. 이 모델은 가격이 나온 순서를 명확하게 기억하고 예측에 일종의 슬라이딩 윈도우를 사용하여 마지막 몇 개의 가격을 가져와 예측합니다. 가격이 어떤 순서로 왔는지에 대한 단서 없이 전체 훈련 테이블과 즉시 작동하는 뉴런과 달리.
MO는 이미 만들어진 의미있는 모델이 아니라 과정입니다 :) 그리고 grarch는 모델입니다. 어떻게 비교할 수 있습니까? :)
나는 일어나는 모든 것을 완벽하게 이해합니다. 나는 그것이 존재한다는 것을 알기도 전에 어떤 종류의 garch에갔습니다. 그리고 뉴런은 무엇을 합니까? 나는 오랫동안 MEANINGful 모델을 구축해왔습니다.
MO는 항상 기성품의 의미있는 모델입니다. 때로는 너무 의미가 있어서 어떻게 작동하는지 바로 알 수 없습니다. 여기에 그라디언트 부스팅에 대한 기사가 있습니다. 예를 들면 https://habrahabr.ru/company/ods/blog/327250/ 기사, 설명 및 공식이 있지만 mql로 전송하려는 욕망을 구현할 수 없었습니다. 너무 어렵다.
요점은 약간 다릅니다. 의미가 아니라 협소한 전문화입니다. Arima, garch - 지표 및 TA 없이 가격으로 직접 작업합니다. 이를 위해 가격 계열을 고정 벡터로 바꾸는 알고리즘이 내장되어 있으며 이전 오류(MA 구성 요소)에 따라 예측을 수정하는 등의 미묘함도 있습니다. 그러나 동시에 가격이 아닌 다른 데이터에는 쓸모가 없으며 이러한 모델은 예를 들어 사진을 분류할 수 없습니다.
훈련을 위해 가격의 시계열을 뉴런으로 전송하면 가격의 자기 상관, 계절 및 추세 구성 요소를 찾지 않으며 뉴런은 방법을 모릅니다. 그녀는 단순히 그녀에게 주어진 것을 기억할 것이며 테스트 또는 실제 거래 중 새로운 데이터에 대해 과거의 유사한 가격 벡터를 "기억"하고 이전과 같이 거래할 것이며 이는 Forex의 손실을 의미합니다. 뉴런은 가격을 예측하는 데 도움이 필요합니다. 먼저 Arima와 같이 자기 상관, 추세, 계절성을 결정할 수 있는 지표를 직접 찾고 이러한 지표의 값을 뉴런으로 전송할 수 있습니다. 그러면 그녀는 최소한 Arima와 Garch를 따라잡을 기회를 갖게 될 것입니다. 또한 중요한 것은 Arima가 시간을 고려하여 예측합니다. 이 모델은 가격이 나온 순서를 명확하게 기억하고 예측에 일종의 슬라이딩 윈도우를 사용하여 마지막 몇 개의 가격을 가져와 예측합니다. 가격이 어떤 순서로 왔는지에 대한 단서 없이 전체 훈련 테이블과 즉시 작동하는 뉴런과 달리.
그리고 예측은 "만세!"가 될 것입니다.
그건 그렇고, 그들은 "예"가 견딜 만하게 예측하지만 변동성은 낮다고 말합니다.
코드가 보이시나요?
코드가 보이시나요?
이전 페이지의 링크를 따르십시오.
아무것도 이해하지 못했습니다.
"전략" 차트와 "매수 및 보류" 차트가 있습니다. EURUSD 차트는 어디에 있습니까?
아무것도 이해하지 못했습니다.
"전략" 차트와 "매수 및 보류" 차트가 있습니다. EURUSD 차트는 어디에 있습니까?
죄송합니다. 다음 게시물로 이동 하여 다음 차트 를 찾았습니다.
아주 흥미로운 것들.
관련 기능의 적용 가능성을 정당화할 수 있는 테스트가 충분하지 않습니다.
글쎄, grarch는 기성품 의미있는 모델이고 MO는 MO 일뿐입니다. 나는 탑에서 교과서를 샀고 거기에는 땅벌레가 있습니다. 나는 그것을 읽었습니다)
MO는 항상 기성품의 의미있는 모델입니다. 때로는 너무 의미가 있어서 어떻게 작동하는지 바로 알 수 없습니다. 여기에 그라디언트 부스팅에 대한 기사가 있습니다. 예를 들면 https://habrahabr.ru/company/ods/blog/327250/ 기사, 설명 및 공식이 있지만 mql로 전송하려는 욕망을 구현할 수 없었습니다. 너무 어렵다.
요점은 약간 다릅니다. 의미가 아니라 협소한 전문화입니다.
Arima, garch - 지표 및 TA 없이 가격으로 직접 작업합니다. 이를 위해 가격 계열을 고정 벡터로 바꾸는 알고리즘이 내장되어 있으며 이전 오류(MA 구성 요소)에 따라 예측을 수정하는 등의 미묘함도 있습니다. 그러나 동시에 가격이 아닌 다른 데이터에는 쓸모가 없으며 이러한 모델은 예를 들어 사진을 분류할 수 없습니다.
훈련을 위해 가격의 시계열을 뉴런으로 전송하면 가격의 자기 상관, 계절 및 추세 구성 요소를 찾지 않으며 뉴런은 방법을 모릅니다. 그녀는 단순히 그녀에게 주어진 것을 기억할 것이며 테스트 또는 실제 거래 중 새로운 데이터에 대해 과거의 유사한 가격 벡터를 "기억"하고 이전과 같이 거래할 것이며 이는 Forex의 손실을 의미합니다.
뉴런은 가격을 예측하는 데 도움이 필요합니다. 먼저 Arima와 같이 자기 상관, 추세, 계절성을 결정할 수 있는 지표를 직접 찾고 이러한 지표의 값을 뉴런으로 전송할 수 있습니다. 그러면 그녀는 최소한 Arima와 Garch를 따라잡을 기회를 갖게 될 것입니다.
또한 중요한 것은 Arima가 시간을 고려하여 예측합니다. 이 모델은 가격이 나온 순서를 명확하게 기억하고 예측에 일종의 슬라이딩 윈도우를 사용하여 마지막 몇 개의 가격을 가져와 예측합니다. 가격이 어떤 순서로 왔는지에 대한 단서 없이 전체 훈련 테이블과 즉시 작동하는 뉴런과 달리.
MO는 항상 기성품의 의미있는 모델입니다. 때로는 너무 의미가 있어서 어떻게 작동하는지 바로 알 수 없습니다. 여기에 그라디언트 부스팅에 대한 기사가 있습니다. 예를 들면 https://habrahabr.ru/company/ods/blog/327250/ 기사, 설명 및 공식이 있지만 mql로 전송하려는 욕망을 구현할 수 없었습니다. 너무 어렵다.
요점은 약간 다릅니다. 의미가 아니라 협소한 전문화입니다.
Arima, garch - 지표 및 TA 없이 가격으로 직접 작업합니다. 이를 위해 가격 계열을 고정 벡터로 바꾸는 알고리즘이 내장되어 있으며 이전 오류(MA 구성 요소)에 따라 예측을 수정하는 등의 미묘함도 있습니다. 그러나 동시에 가격이 아닌 다른 데이터에는 쓸모가 없으며 이러한 모델은 예를 들어 사진을 분류할 수 없습니다.
훈련을 위해 가격의 시계열을 뉴런으로 전송하면 가격의 자기 상관, 계절 및 추세 구성 요소를 찾지 않으며 뉴런은 방법을 모릅니다. 그녀는 단순히 그녀에게 주어진 것을 기억할 것이며 테스트 또는 실제 거래 중 새로운 데이터에 대해 과거의 유사한 가격 벡터를 "기억"하고 이전과 같이 거래할 것이며 이는 Forex의 손실을 의미합니다.
뉴런은 가격을 예측하는 데 도움이 필요합니다. 먼저 Arima와 같이 자기 상관, 추세, 계절성을 결정할 수 있는 지표를 직접 찾고 이러한 지표의 값을 뉴런으로 전송할 수 있습니다. 그러면 그녀는 최소한 Arima와 Garch를 따라잡을 기회를 갖게 될 것입니다.
또한 중요한 것은 Arima가 시간을 고려하여 예측합니다. 이 모델은 가격이 나온 순서를 명확하게 기억하고 예측에 일종의 슬라이딩 윈도우를 사용하여 마지막 몇 개의 가격을 가져와 예측합니다. 가격이 어떤 순서로 왔는지에 대한 단서 없이 전체 훈련 테이블과 즉시 작동하는 뉴런과 달리.
MO는 이미 만들어진 의미있는 모델이 아니라 과정입니다 :) 그리고 grarch는 모델입니다. 어떻게 비교할 수 있습니까? :)
나는 일어나는 모든 것을 완벽하게 이해합니다. 나는 그것이 존재한다는 것을 알기도 전에 어떤 종류의 garch에갔습니다. 그리고 뉴런은 무엇을 합니까? 나는 오랫동안 MEANINGful 모델을 구축해왔습니다.
그건 그렇고, Forex 시스템의 복잡성은 어떤 식 으로든 효율성을 특징 짓지 않습니다.어떻게 비교할 수 있습니까? :)
MO는 항상 일부 모델을 포함하고 거의 항상 일종의 작업 시간 테스트를 거칩니다. 예를 들어 뉴런 또는 그래디언트 부스팅 , 생성에 많은 노력과 시간(수십 년의 알고리즘 진화)이 투자되어 Arima보다 훨씬 더 의미가 있습니다.
MO는 항상 일부 모델을 포함하고 거의 항상 일종의 작업 시간 테스트를 거칩니다. 예를 들어, 뉴런 또는 그래디언트 부스팅은 생성에 너무 많은 노력과 시간(수십 년의 알고리즘 진화)이 투자되어 Arima보다 훨씬 더 의미가 있습니다.
자, 어떤 종류의 모델이 있는지 - 회귀 또는 분류 :) 이것이 뉴런이 할 수 있는 전부입니다.
MO는 항상 기성품의 의미있는 모델입니다. 때로는 너무 의미가 있어서 어떻게 작동하는지 바로 알 수 없습니다. 여기에 그라디언트 부스팅에 대한 기사가 있습니다. 예를 들면 https://habrahabr.ru/company/ods/blog/327250/ 기사, 설명 및 공식이 있지만 mql로 전송하려는 욕망을 구현할 수 없었습니다. 너무 어렵다.
요점은 약간 다릅니다. 의미가 아니라 협소한 전문화입니다.
Arima, garch - 지표 및 TA 없이 가격으로 직접 작업합니다. 이를 위해 가격 계열을 고정 벡터로 바꾸는 알고리즘이 내장되어 있으며 이전 오류(MA 구성 요소)에 따라 예측을 수정하는 등의 미묘함도 있습니다. 그러나 동시에 가격이 아닌 다른 데이터에는 쓸모가 없으며 이러한 모델은 예를 들어 사진을 분류할 수 없습니다.
훈련을 위해 가격의 시계열을 뉴런으로 전송하면 가격의 자기 상관, 계절 및 추세 구성 요소를 찾지 않으며 뉴런은 방법을 모릅니다. 그녀는 단순히 그녀에게 주어진 것을 기억할 것이며 테스트 또는 실제 거래 중 새로운 데이터에 대해 과거의 유사한 가격 벡터를 "기억"하고 이전과 같이 거래할 것이며 이는 Forex의 손실을 의미합니다.
뉴런은 가격을 예측하는 데 도움이 필요합니다. 먼저 Arima와 같이 자기 상관, 추세, 계절성을 결정할 수 있는 지표를 직접 찾고 이러한 지표의 값을 뉴런으로 전송할 수 있습니다. 그러면 그녀는 최소한 Arima와 Garch를 따라잡을 기회를 갖게 될 것입니다.
또한 중요한 것은 Arima가 시간을 고려하여 예측합니다. 이 모델은 가격이 나온 순서를 명확하게 기억하고 예측에 일종의 슬라이딩 윈도우를 사용하여 마지막 몇 개의 가격을 가져와 예측합니다. 가격이 어떤 순서로 왔는지에 대한 단서 없이 전체 훈련 테이블과 즉시 작동하는 뉴런과 달리.
++++