알렉세이 테렌테프 : 이 청중을 이해하는 모델은 데이터 세트 매개변수(열, 변수) + 수학적 방법(함수) + 결과(함수 응답)의 집합입니다. 나는 당신이 데이터 세트에 대해 이야기하고 있다는 것을 이해합니다.
데이터 세트의 길이는 학습(문자열)의 품질과 속도에 영향을 줍니다. 예측의 품질은 매개변수(열)의 품질에 영향을 받습니다.
여기 데이터 세트의 길이가 있는 순간이 있습니다. 어떻게 해야 할지 모르겠습니다. 제 경우에는 하나의 동일한 모델이 예를 들어 길이가 500바이고 하루에 예를 들어 200바가 될 수 있습니다. 매시간 데이터 세트를 제공하는 스크립트를 만들지만 길이가 다를 것이라고 가정해 보겠습니다. 어떻게 이를 신경망에 푸시할 수 있습니까? 도저히 짐작이 안 가네요... 모델의 길이만으로도 신경망의 질적 지표가 되는 것 같아요...
여기 데이터 세트의 길이가 있는 순간이 있습니다. 어떻게 해야 할지 모르겠습니다. 제 경우에는 하나의 동일한 모델이 예를 들어 길이가 500바이고 하루에 예를 들어 200바가 될 수 있습니다. 매시간 데이터 세트를 제공하는 스크립트를 만들지만 길이가 다를 것이라고 가정해 보겠습니다. 어떻게 이를 신경망에 푸시할 수 있습니까? 도저히 짐작이 안 가네요... 모델의 길이만으로도 신경망의 질적 지표가 되는 것 같아요...
데이터세트는 열이 예를 들어 시가/종가 이고 행이 시점, 막대인 테이블입니다. 신경망의 기본 아키텍처에서는 입력으로 한 줄씩 입력되며 각 줄에 대해 결과를 생성해야 하며, 표준과 비교하여 최적화 기능이 신경망을 "훈련"할 것입니다.
한 번에 여러 줄을 제출하면 이미 임시 시리즈이므로 특정 알고리즘에 따라 데이터를 입력에 제출해야 합니다.
나는 추가할 것입니다: 이 문제 에 대한 연구 기사 , 많은 질문이 더 명확해질 것이라고 생각합니다.
데이터세트는 열이 예를 들어 시가/종가 이고 행이 시점, 막대인 테이블입니다. 신경망의 기본 아키텍처에서는 입력으로 한 줄씩 입력되며 각 줄에 대해 결과를 생성해야 하며, 표준과 비교하여 최적화 기능이 신경망을 "훈련"할 것입니다.
한 번에 여러 줄을 제출하면 이미 임시 시리즈이므로 특정 알고리즘에 따라 데이터를 입력에 제출해야 합니다.
내 어리석음에 대해 유감스럽게 생각합니다. 신경망에 대한 내 지식은 아마도 너무 피상적일 것입니다. 예를 들어, 100개 막대에 대한 일련의 종가가 있고 선도 가격 종가가 있습니다. 예를 들어 5개 막대가 있다고 가정해 보겠습니다. 100은 신경망의 입력으로 이동하고 5는 출력으로 이동합니다. 그러나 이제 한 시간 앞선 다음 샘플에는 예를 들어 200개의 막대 시퀀스가 있고 앞으로의 샘플에도 5개의 막대가 있습니다. 한 시간 앞선 세 번째 샘플에는 입력은 250, 출력은 5입니다. 그런 신경망을 만드는 방법? 어디에서나 입력 데이터가 동일한 양이라고 설명하는 예가 있습니다.
페어 트레이딩을 위해 글을 쓰기 시작했는데.. 게으름과 어떻게 하는게 더 맞을까 하는 오해로 인해 멈췄습니다 :)
안녕하세요 페어링 방법은 지인분의 소개로 들어왔지만 페어링 방법은 없습니다. 요즘은 포트폴리오 트레이딩을 하고 있는데, 그 이유는 언제든 나에게 편리한 설정(모델)을 위한 포트폴리오를 만들기 때문입니다. 그리고 원칙적으로 포트폴리오 시리즈가 시장 시리즈와 다르지 않다는 것을 알았을 때 신경망을 사용하여 동일한 설정(시각적으로 동일)에 대한 가능한 패턴을 찾고자 하는 욕구가 있었습니다.
내 어리석음에 대해 유감스럽게 생각합니다. 신경망에 대한 내 지식은 아마도 너무 피상적일 것입니다. 예를 들어, 100개 막대에 대한 일련의 종가가 있고 선도 가격 종가가 있습니다. 예를 들어 5개 막대가 있다고 가정해 보겠습니다. 100은 신경망의 입력으로 이동하고 5는 출력으로 이동합니다. 그러나 이제 한 시간 전의 다음 샘플에는 예를 들어 200개의 막대 시퀀스가 있고 앞으로의 샘플에도 5개의 막대가 있습니다. 한 시간 앞선 세 번째 샘플은 입력은 250, 출력은 5입니다. 그런 신경망을 만드는 방법? 어디에서나 입력 데이터가 동일한 양이라고 설명하는 예가 있습니다.
그런 다음 지속적으로 입력에 100bar를 적용합니다. 신경망 모델은 입력 - 100, 숨김 - x, 출력 - 5와 같습니다.
귀하의 질문에 대한 답변은 분류입니다. 매수/매도/전달 신호.
이미지의 경우 선이 무엇인지 명확하지 않습니다.
MetaTrader 거래 플랫폼의 스크린샷
AUDUSD, H1, 2018.01.28
RoboForex (CY) Ltd., MetaTrader 5, 데모
동의합니다. 사진은 차트에서 잘라낸 것입니다.
분류를 희생하면서 이것을 동일한 신경망에 적용할 수 있습니까?
이 청중을 이해하는 모델은 데이터 세트 매개변수(열, 변수) + 수학적 방법(함수) + 결과(함수 응답)의 집합입니다.
나는 당신이 데이터 세트에 대해 이야기하고 있다는 것을 이해합니다.
데이터 세트의 길이는 학습(문자열)의 품질과 속도에 영향을 줍니다. 예측의 품질은 매개변수(열)의 품질에 영향을 받습니다.
여기 데이터 세트의 길이가 있는 순간이 있습니다. 어떻게 해야 할지 모르겠습니다. 제 경우에는 하나의 동일한 모델이 예를 들어 길이가 500바이고 하루에 예를 들어 200바가 될 수 있습니다. 매시간 데이터 세트를 제공하는 스크립트를 만들지만 길이가 다를 것이라고 가정해 보겠습니다. 어떻게 이를 신경망에 푸시할 수 있습니까? 도저히 짐작이 안 가네요... 모델의 길이만으로도 신경망의 질적 지표가 되는 것 같아요...
https://charts.mql5.com/17/376/audusd-h1-roboforex-cy-ltd.png
동의합니다. 사진은 차트에서 잘라낸 것입니다.
분류를 희생하면서 이것을 동일한 신경망에 적용할 수 있습니까?
어떤 종류의 데이터가 이미지에서 명확하지 않습니까? 예보는 어디? 그는 거기에 있습니까? 수직선 은 무엇을 의미합니까? 일반적으로 그들이 말했듯이 차트에는 범례가 없습니다.
사실, 예, 신경망 모델의 구조에서 출력 레이어(뉴런 수, 활성화 함수)를 변경하고 훈련 데이터를 클래스로 변환해야 합니다(예: 지표 신호, 정규화된 가격 증분).
어떤 종류의 데이터가 이미지에서 명확하지 않습니까? 예보는 어디? 그는 거기에 있습니까? 수직선 은 무엇을 의미합니까? 일반적으로 그들이 말했듯이 차트에는 범례가 없습니다.
사실, 예, 신경망 모델의 구조에서 출력 레이어(뉴런 수, 활성화 함수)를 변경하고 훈련 데이터를 클래스로 변환해야 합니다(예: 지표 신호, 정규화된 가격 증분).
그림에서 수직선은 모델 자체를 보여주고 오른쪽 수직선 이후의 모든 것을 보여줍니다. 그래서 포워드는 다르게 행동하고 신경망의 도움으로 저는 포워드의 행동에 대한 가능한 설명을 찾고 싶습니다. 신경망에 대한 데이터는 모델 섹션의 가격 증분을 푸시하고 싶습니다.
여기 데이터 세트의 길이가 있는 순간이 있습니다. 어떻게 해야 할지 모르겠습니다. 제 경우에는 하나의 동일한 모델이 예를 들어 길이가 500바이고 하루에 예를 들어 200바가 될 수 있습니다. 매시간 데이터 세트를 제공하는 스크립트를 만들지만 길이가 다를 것이라고 가정해 보겠습니다. 어떻게 이를 신경망에 푸시할 수 있습니까? 도저히 짐작이 안 가네요... 모델의 길이만으로도 신경망의 질적 지표가 되는 것 같아요...
데이터세트는 열이 예를 들어 시가/종가 이고 행이 시점, 막대인 테이블입니다.
신경망의 기본 아키텍처에서는 입력으로 한 줄씩 입력되며 각 줄에 대해 결과를 생성해야 하며, 표준과 비교하여 최적화 기능이 신경망을 "훈련"할 것입니다.
한 번에 여러 줄을 제출하면 이미 임시 시리즈이므로 특정 알고리즘에 따라 데이터를 입력에 제출해야 합니다.
나는 추가할 것입니다: 이 문제 에 대한 연구 기사 , 많은 질문이 더 명확해질 것이라고 생각합니다.그림에서 수직선은 모델 자체를 보여주고 오른쪽 수직선 이후의 모든 것을 보여줍니다. 따라서 포워드는 다르게 동작하고 신경망의 도움으로 포워드의 동작에 대한 가능한 설명을 찾고 싶습니다. 신경망에 대한 데이터는 모델 섹션의 가격 증분을 푸시하고 싶습니다.
페어 트레이딩을 위해 글을 쓰기 시작했는데.. 게으름과 어떻게 하는게 더 맞을까 하는 오해로 인해 멈췄습니다 :)
데이터세트는 열이 예를 들어 시가/종가 이고 행이 시점, 막대인 테이블입니다.
신경망의 기본 아키텍처에서는 입력으로 한 줄씩 입력되며 각 줄에 대해 결과를 생성해야 하며, 표준과 비교하여 최적화 기능이 신경망을 "훈련"할 것입니다.
한 번에 여러 줄을 제출하면 이미 임시 시리즈이므로 특정 알고리즘에 따라 데이터를 입력에 제출해야 합니다.
내 어리석음에 대해 유감스럽게 생각합니다. 신경망에 대한 내 지식은 아마도 너무 피상적일 것입니다. 예를 들어, 100개 막대에 대한 일련의 종가가 있고 선도 가격 종가가 있습니다. 예를 들어 5개 막대가 있다고 가정해 보겠습니다. 100은 신경망의 입력으로 이동하고 5는 출력으로 이동합니다. 그러나 이제 한 시간 앞선 다음 샘플에는 예를 들어 200개의 막대 시퀀스가 있고 앞으로의 샘플에도 5개의 막대가 있습니다. 한 시간 앞선 세 번째 샘플에는 입력은 250, 출력은 5입니다. 그런 신경망을 만드는 방법? 어디에서나 입력 데이터가 동일한 양이라고 설명하는 예가 있습니다.
페어 트레이딩을 위해 글을 쓰기 시작했는데.. 게으름과 어떻게 하는게 더 맞을까 하는 오해로 인해 멈췄습니다 :)
안녕하세요 페어링 방법은 지인분의 소개로 들어왔지만 페어링 방법은 없습니다. 요즘은 포트폴리오 트레이딩을 하고 있는데, 그 이유는 언제든 나에게 편리한 설정(모델)을 위한 포트폴리오를 만들기 때문입니다. 그리고 원칙적으로 포트폴리오 시리즈가 시장 시리즈와 다르지 않다는 것을 알았을 때 신경망을 사용하여 동일한 설정(시각적으로 동일)에 대한 가능한 패턴을 찾고자 하는 욕구가 있었습니다.
Maxim, 단일 쌍에서 신경망을 실행하고 있습니까? 나중에 포워드에서 더 잘 보일 편안한 행을 만들 수 있다는 사실에 대해 생각해 본 적이 있습니까? 실제로, 예를 들어 머리와 어깨 그림이 그렇게 일반적이지 않지만 매시간 할 수 있다고 상상해 봅시다 ...
내 어리석음에 대해 유감스럽게 생각합니다. 신경망에 대한 내 지식은 아마도 너무 피상적일 것입니다. 예를 들어, 100개 막대에 대한 일련의 종가가 있고 선도 가격 종가가 있습니다. 예를 들어 5개 막대가 있다고 가정해 보겠습니다. 100은 신경망의 입력으로 이동하고 5는 출력으로 이동합니다. 그러나 이제 한 시간 전의 다음 샘플에는 예를 들어 200개의 막대 시퀀스가 있고 앞으로의 샘플에도 5개의 막대가 있습니다. 한 시간 앞선 세 번째 샘플은 입력은 250, 출력은 5입니다. 그런 신경망을 만드는 방법? 어디에서나 입력 데이터가 동일한 양이라고 설명하는 예가 있습니다.