데이터의 모든 헛소리와 TS에서 MO 배기의 구현, 50% 이상의 acurasi를 가진 NS가 있는 시끄러운 예측자가 적어도 위의 TS로 바뀔 수 있는 방법에 대해 이야기하는 것이 더 나은 것 같습니다. 확산.
저도 그것에 대해 많이 생각합니다.
회귀 모델이 막대당 가격의 증가를 예측하고 R2 점수가 전면 및 후면 테스트에서 0보다 높으면 이미 좋은 시작입니다. 문제는 그 결과가 안정적이기는 하지만 그 확산을 극복할 수 없다는 점이다.
분석적으로 문제는 R2가 큰 오류에 대해 모델에 더 많은 페널티를 부여하고 작은 오류와 잘못된 거래 방향 을 무시한다는 것입니다. 이익 분포를 보면 대부분의 가격 변동은 몇 핍에 불과합니다. 그리고 모델은 이러한 미세한 움직임의 올바른 방향을 예측하는 대신 더 높은 R2를 받을 분포의 긴 꼬리를 예측하는 방법을 학습합니다. 결과적으로 모델은 어떻게 든 큰 움직임을 예측하지만 작은 움직임에서는 끊임없이 방향을 실수하고 확산에 따라 병합합니다.
결론 - 외환에 대한 표준 회귀 추정치는 좋지 않습니다. 일종의 적합성 함수를 자체적으로 개발하여 거래의 방향을 고려하고 확산, 정확성, 심지어 기능까지 매끄럽게 해야 합니다. 그러면 정확도가 50%를 약간 넘더라도 이미 이익을 얻을 수 있는 기회가 있습니다. 정확도, 샤프 비율, 회복 계수 및 거래 차트를 분석하는 기타 기능은 너무 이산적이며, 표준 백프롭이 있는 뉴런은 로컬 최소값을 벗어나지 않고 실제로 학습하지 않습니다.
대안적인 결론은 뉴런의 약한 신호를 완전히 무시하는 것입니다. 강한 사람에게만 거래하십시오. 여기서 문제는 백테스트에서 우수한 결과를 보여줄 임계값을 항상 선택할 수 있지만, 이를 사용하면 전면 테스트에서는 나쁜 결과가 나타날 수 있다는 것입니다. 여기서도 한 가지 생각해볼 필요가 있습니다.
박사 상인 : 대안적인 결론은 뉴런의 약한 신호를 완전히 무시하는 것입니다. 강한 사람에게만 거래하십시오. 여기서 문제는 백테스트에서 우수한 결과를 보여줄 임계값을 항상 선택할 수 있지만, 이를 사용하면 전면 테스트에서는 나쁜 결과가 나타날 수 있다는 것입니다. 여기서도 한 가지 생각해볼 필요가 있습니다.
강한 - 거래하는 것이 논리적입니다. 그리고 포워드에 나쁜 결과가 있다는 사실 - 분명히 국회는 백테스트에 있었던 것을 기억하고 일반화하지 않았습니다. 검증 사이트를 도입해야 할까요? 그러나 검증 사이트에 조정이있을 것으로 판명 될 수 있습니다. 그리고 포워드는 다시 나빠질 것입니다.
유리, 걱정하지 마십시오. 당신의 도움과 희망은 제가 고려하고 있으며 알고리즘을 완전히 설명하는 데 방해가 됩니다. 어떻게 대처해야 할 것 같아요... 아직 모르겠습니다. 어쨋든 이 글을 남깁니다. 피아니스트를 꾸짖지 마십시오. 그는 최선을 다해 연주합니다.
예, Doc - 여전히 신경망을 구동하는 경우 변환된 샘플에서 구동합니다. 거기에서 균일하게 그리고 기하급수적 으로 읽을 수 있습니다. 지금 - 실제로 모두. 나는 집에 갈 것이다 - 여기, 기분이 좋아진 것 같다.
일반적으로 여기의 모든 것에 대해 이야기하고 있지 않습니다 ...
데이터의 모든 헛소리와 TS에서 MO 배기의 구현, 50% 이상의 acurasi를 가진 NS가 있는 시끄러운 예측자가 적어도 위의 TS로 바뀔 수 있는 방법에 대해 이야기하는 것이 더 나은 것 같습니다. 확산.
일반적으로 여기의 모든 것에 대해 이야기하고 있지 않습니다 ...
데이터의 모든 헛소리와 TS에서 MO 배기의 구현, 50% 이상의 acurasi를 가진 NS가 있는 시끄러운 예측자가 적어도 위의 TS로 바뀔 수 있는 방법에 대해 이야기하는 것이 더 나은 것 같습니다. 확산.
***
이 시점에서 증거로:
데모?
그래서 14g 이전에 루블은 어디에 있었습니까?))))))
일반적으로 여기의 모든 것에 대해 이야기하고 있지 않습니다 ...
데이터의 모든 헛소리와 TS에서 MO 배기의 구현, 50% 이상의 acurasi를 가진 NS가 있는 시끄러운 예측자가 적어도 위의 TS로 바뀔 수 있는 방법에 대해 이야기하는 것이 더 나은 것 같습니다. 확산.
저도 그것에 대해 많이 생각합니다.
회귀 모델이 막대당 가격의 증가를 예측하고 R2 점수가 전면 및 후면 테스트에서 0보다 높으면 이미 좋은 시작입니다. 문제는 그 결과가 안정적이기는 하지만 그 확산을 극복할 수 없다는 점이다.
분석적으로 문제는 R2가 큰 오류에 대해 모델에 더 많은 페널티를 부여하고 작은 오류와 잘못된 거래 방향 을 무시한다는 것입니다. 이익 분포를 보면 대부분의 가격 변동은 몇 핍에 불과합니다. 그리고 모델은 이러한 미세한 움직임의 올바른 방향을 예측하는 대신 더 높은 R2를 받을 분포의 긴 꼬리를 예측하는 방법을 학습합니다. 결과적으로 모델은 어떻게 든 큰 움직임을 예측하지만 작은 움직임에서는 끊임없이 방향을 실수하고 확산에 따라 병합합니다.
결론 - 외환에 대한 표준 회귀 추정치는 좋지 않습니다. 일종의 적합성 함수를 자체적으로 개발하여 거래의 방향을 고려하고 확산, 정확성, 심지어 기능까지 매끄럽게 해야 합니다. 그러면 정확도가 50%를 약간 넘더라도 이미 이익을 얻을 수 있는 기회가 있습니다.
정확도, 샤프 비율, 회복 계수 및 거래 차트를 분석하는 기타 기능은 너무 이산적이며, 표준 백프롭이 있는 뉴런은 로컬 최소값을 벗어나지 않고 실제로 학습하지 않습니다.
대안적인 결론은 뉴런의 약한 신호를 완전히 무시하는 것입니다. 강한 사람에게만 거래하십시오. 여기서 문제는 백테스트에서 우수한 결과를 보여줄 임계값을 항상 선택할 수 있지만, 이를 사용하면 전면 테스트에서는 나쁜 결과가 나타날 수 있다는 것입니다. 여기서도 한 가지 생각해볼 필요가 있습니다.
대안적인 결론은 뉴런의 약한 신호를 완전히 무시하는 것입니다. 강한 사람에게만 거래하십시오. 여기서 문제는 백테스트에서 우수한 결과를 보여줄 임계값을 항상 선택할 수 있지만, 이를 사용하면 전면 테스트에서는 나쁜 결과가 나타날 수 있다는 것입니다. 여기서도 한 가지 생각해볼 필요가 있습니다.
강한 - 거래하는 것이 논리적입니다. 그리고 포워드에 나쁜 결과가 있다는 사실 - 분명히 국회는 백테스트에 있었던 것을 기억하고 일반화하지 않았습니다.
검증 사이트를 도입해야 할까요?
그러나 검증 사이트에 조정이있을 것으로 판명 될 수 있습니다. 그리고 포워드는 다시 나빠질 것입니다.
잘못된 거래 .
관심이 있을 수 있습니다: rugarch::DACTest - 방향 정확도 테스트. 가장 흥미로운 점은 작가가 우리 시대의 러시아인 Anatolyev라는 것입니다.
Anatolyev S. 예측 가능성 테스트. Quantile #1, 2006년 9 월, p . 39-43.