훈련 샘플을 만들다가 머리가 깨졌습니다. 성공적인 진입점을 찾기 위한 올바른 방향이나 생각해야 할 방향을 알려주세요.
내 네트워크는 5개의 형성된 양초를 기반으로 성장하는 막대의 모양을 예측할 수 있는 것 같지만 성공적인 거래를 위해서는 충분하지 않습니다. 정지와 이익으로 모든 것이 파괴됩니다.
좋은 진입점을 결정하는 훈련 샘플을 만드는 방법은 무엇입니까?
다음 공식을 사용하여 역사적 선택(SIH3-18분 도구를 사용)에 모든 성장하는 양초 를 표시했습니다.
ifOpen + 4 < Close and // тело свечи растущее и более 4-х пунктовOpen + 10 < High and // От Open до High цена вырастет более чем на 10 пунктов5 < Open - Low < 10// Нижний хвост свечи от 5 до 10 пунктов
그런 바의 출현을 예측하도록 네트워크를 훈련시켰지만 엔트리는 항상 오픈보다 높고 손절매는 이익보다 높고 종종 작동합니다. 대부분의 양초는 개봉 후 먼저 내려가는 경향이 있다가 발에 먼저 닿으면서 커지기 시작합니다. 그래서 뉴런에 즉시 올라가는 진입점을 표시하는 방법에 대해 고민하고 있습니다.
oh yes I xs, 곡선 자체가 마음에 들지 않습니다. 진주의 성장에서 적어도 5년이 될 일을 한다면. 여기 우연이 있다
내가 이미 확실히 알고 돌이킬 수 없는 것은 NS를 자신의 마크에 사용하는 것은 완전한 절망이라는 것입니다.. 운이 좋을 확률은 100만 분의 1입니다. 전체 스레드가 그 증거입니다.
사실 이유를 물었다. 차량이 배수되기 시작하면 문제가 발생합니다. 복원할 수 있습니까? 배수가 멈추고 저울의 성장 구간이 시작됩니까? 전략을 고수해야 할까요 아니면 다시 선택해야 할까요??? 이러한 질문은 배수 시 발생합니다. 드로다운 또는 완전한 드레인이란 무엇입니까??? 글쎄, 그것은 너무 ... 큰 소리로 생각 ..
사실 이유를 물었다. 차량이 배수되기 시작하면 문제가 발생합니다. 복원할 수 있습니까? 배수가 멈추고 저울의 성장 구간이 시작됩니까? 전략을 고수해야 할까요 아니면 다시 선택해야 할까요??? 이러한 질문은 배수 시 발생합니다. 드로다운 또는 완전한 드레인이란 무엇입니까??? 글쎄, 그것은 너무 ... 큰 소리로 생각 ..
음, 교차 검증 없이는 결코 이해할 수 없습니다
나는 시스템의 몇 가지 특성을 따랐습니다. 예를 들어 기록에서 연속 으로 손실되는 거래의 최대 횟수가 더 많아지면 줄입니다. 결과적으로 손실은 일반적으로 최소화되지만 이익도 작습니다. 그러나 내 봇은 3개월 만에 얇은 명주 그물을 선택하고 1000 미만을 거래하지만 여전히 OOS에 훨씬 약하게 내보냅니다. :)
그런 바의 출현을 예측하도록 네트워크를 훈련시켰지만 엔트리는 항상 오픈보다 높고 손절매는 이익보다 높고 종종 작동합니다. 대부분의 양초는 개봉 후 먼저 내려가는 경향이 있다가 발에 먼저 닿으면서 커지기 시작합니다. 그래서 뉴런에 즉시 올라가는 진입점을 표시하는 방법에 대해 고민하고 있습니다.
먼저 mt5의 테스터에서 거래를 시작하기 위해 그러한 전략을 테스트하는 것이 좋을 것입니다. 테스터가 손실을 보여도 뉴런을 훈련시킬 가치가 없으며 의미가 없습니다.
예를 들어, 저는 뉴런에게 막대당 가격 상승을 예측하도록 가르칩니다(Open[0] - Open[1], Open[1]-Open[2] 등). 이것을 회귀라고 합니다. 뉴런에서 좋은 결과를 얻으면 이익을 기대할 수 있습니다.
네, 마무리해야 할 주제가 하나 남아 있고 성배가 있을 것입니다. 하지만 거기에는 할 일이 많습니다 :)
아니요, 분포가 있거나 거기에 있다면 표본 크기를 계산하는 방법 또는 거래 강도를 고려하는 방법을 물어보십시오. 나는 이미 노인이고 젊었을 때의 비밀이 없습니다.
아니요, 분포가 있거나 거기에 있다면 표본 크기를 계산하는 방법 또는 거래 강도를 고려하는 방법을 물어보십시오. 나는 이미 노인이고 젊었을 때의 비밀이 없습니다.
아니, 시장 자체를 연구하는 독학 쓰레기가 있고, 내가 끝내면 더 자세히 서명 할 것입니다.
안녕하세요!
훈련 샘플을 만들다가 머리가 깨졌습니다. 성공적인 진입점을 찾기 위한 올바른 방향이나 생각해야 할 방향을 알려주세요.
내 네트워크는 5개의 형성된 양초를 기반으로 성장하는 막대의 모양을 예측할 수 있는 것 같지만 성공적인 거래를 위해서는 충분하지 않습니다. 정지와 이익으로 모든 것이 파괴됩니다.
좋은 진입점을 결정하는 훈련 샘플을 만드는 방법은 무엇입니까?
다음 공식을 사용하여 역사적 선택(SIH3-18분 도구를 사용)에 모든 성장하는 양초 를 표시했습니다.
그런 바의 출현을 예측하도록 네트워크를 훈련시켰지만 엔트리는 항상 오픈보다 높고 손절매는 이익보다 높고 종종 작동합니다. 대부분의 양초는 개봉 후 먼저 내려가는 경향이 있다가 발에 먼저 닿으면서 커지기 시작합니다. 그래서 뉴런에 즉시 올라가는 진입점을 표시하는 방법에 대해 고민하고 있습니다.
나는 약간의 진전이있다.
아웃샘플에
글쎄, 주제를 지원하기 위해
그리고 즉시 이마에 질문. 여기서 당신의 결론은 무엇입니까? 드로우다운인가요 아니면 모델이 가능성을 다한건가요????
그리고 즉시 이마에 질문. 여기서 당신의 결론은 무엇입니까? 드로우다운인가요 아니면 모델이 가능성을 다한건가요????
oh yes I xs, 곡선 자체가 마음에 들지 않습니다. 진주의 성장에서 적어도 5년이 될 일을 한다면. 여기 우연이 있다
내가 이미 확실히 알고 돌이킬 수 없는 것은 NS를 자신의 마크에 사용하는 것은 완전한 절망이라는 것입니다.. 운이 좋을 확률은 100만 분의 1입니다. 전체 스레드가 그 증거입니다.
oh yes I xs, 곡선 자체가 마음에 들지 않습니다. 진주의 성장에서 적어도 5년이 될 일을 한다면. 여기 우연이 있다
내가 이미 확실히 알고 돌이킬 수 없는 것은 NS를 자신의 마크에 사용하는 것은 완전한 절망이라는 것입니다.. 운이 좋을 확률은 100만 분의 1입니다. 전체 스레드가 그 증거입니다.
사실 이유를 물었다. 차량이 배수되기 시작하면 문제가 발생합니다. 복원할 수 있습니까? 배수가 멈추고 저울의 성장 구간이 시작됩니까? 전략을 고수해야 할까요 아니면 다시 선택해야 할까요??? 이러한 질문은 배수 시 발생합니다. 드로다운 또는 완전한 드레인이란 무엇입니까??? 글쎄, 그것은 너무 ... 큰 소리로 생각 ..
사실 이유를 물었다. 차량이 배수되기 시작하면 문제가 발생합니다. 복원할 수 있습니까? 배수가 멈추고 저울의 성장 구간이 시작됩니까? 전략을 고수해야 할까요 아니면 다시 선택해야 할까요??? 이러한 질문은 배수 시 발생합니다. 드로다운 또는 완전한 드레인이란 무엇입니까??? 글쎄, 그것은 너무 ... 큰 소리로 생각 ..
음, 교차 검증 없이는 결코 이해할 수 없습니다
나는 시스템의 몇 가지 특성을 따랐습니다. 예를 들어 기록에서 연속 으로 손실되는 거래의 최대 횟수가 더 많아지면 줄입니다. 결과적으로 손실은 일반적으로 최소화되지만 이익도 작습니다. 그러나 내 봇은 3개월 만에 얇은 명주 그물을 선택하고 1000 미만을 거래하지만 여전히 OOS에 훨씬 약하게 내보냅니다. :)
메모리 셀이 추가되면서 더 재미있어졌지만 여전히 같은 코트가 아니므로 더 복잡해야합니다.
그런 바의 출현을 예측하도록 네트워크를 훈련시켰지만 엔트리는 항상 오픈보다 높고 손절매는 이익보다 높고 종종 작동합니다. 대부분의 양초는 개봉 후 먼저 내려가는 경향이 있다가 발에 먼저 닿으면서 커지기 시작합니다. 그래서 뉴런에 즉시 올라가는 진입점을 표시하는 방법에 대해 고민하고 있습니다.
먼저 mt5의 테스터에서 거래를 시작하기 위해 그러한 전략을 테스트하는 것이 좋을 것입니다. 테스터가 손실을 보여도 뉴런을 훈련시킬 가치가 없으며 의미가 없습니다.
예를 들어, 저는 뉴런에게 막대당 가격 상승을 예측하도록 가르칩니다(Open[0] - Open[1], Open[1]-Open[2] 등). 이것을 회귀라고 합니다. 뉴런에서 좋은 결과를 얻으면 이익을 기대할 수 있습니다.
먼저 mt5의 테스터에서 거래를 시작하기 위해 그러한 전략을 테스트하는 것이 좋을 것입니다. 테스터가 손실을 보여도 뉴런을 훈련시킬 가치가 없으며 의미가 없습니다.
예를 들어, 저는 뉴런에게 막대당 가격 상승을 예측하도록 가르칩니다(Open[0] - Open[1], Open[1]-Open[2] 등). 이것을 회귀라고 합니다. 뉴런에서 좋은 결과를 얻으면 이익을 기대할 수 있습니다.
정상적으로 인식되는데 진입점을 제대로 선택하지 못합니다. 나는 촛불의 모양이 아니라 실제로 침강 없이 진입하는 순간을 인식하도록 네트워크를 훈련시키고 싶습니다. 내 발에 모든 것이 무너지고 있습니다.
여기에 나는 그런 조건을 쓸 수 없습니다. 아마도 누군가가 말할 것입니까?
하지만 테스터에서는 뉴런과의 통합으로 인해 테스터에서 작동하지 않기 때문에 확인할 수 없습니다. 파이썬으로 작성되었으며 파일을 통해 정보 교환이 이루어지며 테스터는 이 파일을 생성하지 않습니다.
자동화 가능성이 있다고 생각하십니까?