나는 "정확히 그렇다"라고 말하지는 않겠지만 공식 자체가 정확하지만 거래의 수익성이 아니라 모든 전략에 대해 단일 기간 동안 일일(시간당 등 동일한 단계) 수익성으로 계산해야 합니다. , 그러면 전략은 그러한 계수의 값에 따라 성과로 비교할 수 있습니다. 그렇지 않으면 그러한 숫자가 거래로 계산되고 그 수가 크게 다른 경우 예를 들어 샤프가 0.01에 대해 중요하지 않습니다. 하나의 전략과 두 번째 전략은 5입니다. 어느 것이 더 나은지/나쁜지 명확하지 않습니다. 기호만 중요합니다(위, 0보다 낮음).
따라서 pantural은 고전적인 Sharpe 비율에 대해 이야기하지 않았지만 그럼에도 불구하고 그것에 대해 중요한 질문을 제기했습니다. 저는 개인적으로 샤프 비율을 선호하지 않지만 전략 성과의 척도로 최대 손실 대비 이익 비율을 선호합니다.
나는 그것이 고문에 달려 있다고 말할 것입니다. 명확한 거래 순서를 생성하는 경우, 즉 포지션이 열리고 닫힐 때, 그리고 그 거래량이 시작과 종료 사이에 변하지 않는다면 거래로 계산하는 것이 좋습니다. 시간이 지남 에 따라 포지션의 양이 원활하게 변경되면 거래 모멘트의 할당이 덜 의미가 있고 귀하에 따라 계산될 수 있습니다.
판츄럴 방식이 차를 팔고 투자자를 찾는데 더 좋습니다) 그래서 시간이 지나면서 그 방식으로 바꾸게 될 것 같아요)
나는 그것이 고문에 달려 있다고 말할 것입니다. 명확한 거래 순서를 생성하는 경우, 즉 포지션이 열리고 닫힐 때, 그리고 그 거래량이 시작과 종료 사이에 변하지 않는다면 거래로 계산하는 것이 좋습니다. 시간이 지남 에 따라 포지션의 양이 원활하게 변경되면 거래 모멘트의 할당이 덜 의미가 있고 귀하에 따라 계산될 수 있습니다.
판츄럴 방식이 차를 팔고 투자자를 찾는데 더 좋습니다) 그래서 시간이 지나면서 그 방식으로 바꾸게 될 것 같아요)
어쨌든 팬 내츄럴은 더 이상 무언가에 반대할 기회가 없습니다 :))
지금 뭐해, 랜덤워크? MO 분야에서 일상적인 이야기를 하고 싶지 않으세요? :) 우리는 공식을 뒤적거리는 데 능숙한 사람이 필요합니다. 그리고 주제는 비어 있고, 토론할 사람이 없습니다.
나는 "정확히 그렇다"라고 말하지는 않겠지만 공식 자체가 정확하지만 거래의 수익성이 아니라 모든 전략에 대해 단일 기간 동안 일일(시간당 등 동일한 단계) 수익성으로 계산해야 합니다. , 그러면 전략은 그러한 계수의 값에 따라 성과로 비교할 수 있습니다. 그렇지 않으면 그러한 숫자가 거래로 계산되고 그 수가 크게 다른 경우 예를 들어 샤프가 0.01에 대해 중요하지 않습니다. 하나의 전략과 두 번째 전략은 5입니다. 어느 것이 더 나은지/나쁜지 명확하지 않습니다. 기호만 중요합니다(위, 0보다 낮음).
따라서 pantural은 고전적인 Sharpe 비율에 대해 이야기하지 않았지만 그럼에도 불구하고 그것에 대해 중요한 질문을 제기했습니다. 저는 개인적으로 샤프 비율을 선호하지 않지만 전략 성과의 척도로 최대 손실 대비 이익 비율을 선호합니다.
나는 그것이 고문에 달려 있다고 말할 것입니다. 명확한 거래 순서를 생성하는 경우, 즉 포지션이 열리고 닫힐 때, 그리고 그 거래량이 시작과 종료 사이에 변하지 않는다면 거래로 계산하는 것이 좋습니다. 시간이 지남 에 따라 포지션의 양이 원활하게 변경되면 거래 모멘트의 할당이 덜 의미가 있고 귀하에 따라 계산될 수 있습니다.
판츄럴 방식이 차를 팔고 투자자를 찾는데 더 좋습니다) 그래서 시간이 지나면서 그 방식으로 바꾸게 될 것 같아요)
나는 그것이 고문에 달려 있다고 말할 것입니다. 명확한 거래 순서를 생성하는 경우, 즉 포지션이 열리고 닫힐 때, 그리고 그 거래량이 시작과 종료 사이에 변하지 않는다면 거래로 계산하는 것이 좋습니다. 시간이 지남 에 따라 포지션의 양이 원활하게 변경되면 거래 모멘트의 할당이 덜 의미가 있고 귀하에 따라 계산될 수 있습니다.
판츄럴 방식이 차를 팔고 투자자를 찾는데 더 좋습니다) 그래서 시간이 지나면서 그 방식으로 바꾸게 될 것 같아요)
어쨌든 팬 내츄럴은 더 이상 무언가에 반대할 기회가 없습니다 :))
지금 뭐해, 랜덤워크? MO 분야에서 일상적인 이야기를 하고 싶지 않으세요? :) 우리는 공식을 뒤적거리는 데 능숙한 사람이 필요합니다. 그리고 주제는 비어 있고, 토론할 사람이 없습니다.지금 뭐해, 랜덤워크? MO 분야의 일상적인 이야기를 하고 싶지 않으세요? :) 우리는 공식을 뒤적거리는 데 능숙한 사람이 필요합니다. 그리고 나서 주제가 비어 있고, 토론할 사람이 없습니다.
나는 원칙적으로 어떤 문제에 대해서도 내 의견을 표명할 준비가 되어 있습니다. 그러나 내 진술에서 당신에게 의미를 보장 할 수는 없습니다)
그가 산적에 대한 정보를 던진 것 같습니까? 매우 흥미로운 주제이지만 많은 공식
네, 그랬습니다. 그러나 링크를 업데이트하고 관심 있는 항목에 대해 작성하십시오.
네, 그랬습니다. 그러나 링크를 업데이트하고 예를 들어 관심 있는 내용을 작성하십시오.
위의 링크는 조합 알고리즘(분명히 mgua와 같은 것)을 사용하여 고정되지 않은 프로세스에 대한 경쟁적인 도적에 관심이 있습니다. 나 자신은 아직 정보를 알아가는 과정에 있다
정확히 나중에 포스팅하겠습니다.
그들의 책에서 나는 즉시 다음과 같은 사실을 알게 되었습니다.
학습자가 아는 것은 진정한 환경이 환경 클래스라고 하는 일부 집합 E에 있다는 것입니다.
거래를 위해 이 E 세트를 어떻게 보십니까?
그들의 책에서 나는 즉시 다음과 같은 사실을 알게 되었습니다.
학습자가 아는 것은 진정한 환경이 환경 클래스라고 하는 일부 집합 E에 있다는 것입니다.
거래를 위해 이 E 세트를 어떻게 보십니까?
음, 이것은 적기에 대해 임의로 설정된 환경입니다. 예를 들어 표시기 세트
예를 들어, 단순성을 위해 하나의 rsi 지표, 가격 증분, 여러 증분 세트음, 이것은 적기에 대해 임의로 설정된 환경입니다. 예를 들어 표시기 세트
예를 들어, 단순성을 위해 하나의 rsi 지표, 가격 증분, 여러 증분 세트그럼에도 불구하고 나는 그들의 모델과 거래의 상관 관계를 이해하지 못합니다. 정책에 대한 정의에 따르면 취한 조치와 결과만 봅니다. 그들은 환경을 보지 않거나 (당신의 의견으로는 - 지표 세트) 그것을 볼 수도 없습니다.
At 는 히스토리 Ht−1 = (A1 , X1 , ... , At−1 , Xt−1 )에만 의존해야 합니다. 정책은 기록에서 작업으로의 매핑입니다.
더욱이 그들의 환경은 우리의 행동을 추적할 수 있는 것 같으므로 보상은 행동 자체뿐만 아니라 선사 시대 전체에 달려 있습니다.
환경은 행동으로 끝나는 기록 시퀀스에서 보상으로의 매핑입니다.
그럼에도 불구하고 나는 그들의 모델과 거래의 상관 관계를 이해하지 못합니다. 정책에 대한 정의에 따르면 취한 조치와 결과만 봅니다. 그들은 환경을 보지 않거나 (당신의 의견으로는 - 지표 세트) 그것을 볼 수도 없습니다.
At 는 히스토리 Ht−1 = (A1 , X1 , ... , At−1 , Xt−1 )에만 의존해야 합니다. 정책은 기록에서 작업으로의 매핑입니다.
더욱이 그들의 환경은 우리의 행동을 추적할 수 있는 것 같으므로 보상은 행동 자체뿐만 아니라 선사 시대 전체에 달려 있습니다.
환경은 행동으로 끝나는 기록 시퀀스에서 보상으로의 매핑입니다.
정책이 일부 모델(예: 선형)에 의해 근사화되는 경우 새 데이터에 대한 솔루션을 얻기만 하면 됩니다.
당신이 설명하는 것은 가장 높은 보상을 찾는 과정입니다
비정상성의 주요 문제는 새 데이터에 대한 작업을 중단할 때입니다. 비정상 도적에 대해 설명되어 있지만 아직 도달하지 못했습니다. 솔직히 말해서 아직 모르는 것은 없습니다. :) 하지만 적절한 보상을 제공하는 방법에 대한 몇 가지 아이디어/해결책이 필요합니다.
그건 그렇고, 어제 정확히 선형 적기를 구현했는데 결과는 다음과 같습니다.
사실, 예제는 내 기사에도 설명되어 있지만 선형 대신 임의의 포리스트가 사용됩니다. 라인맨은 재교육을 덜 받아야 합니다.
미래에 가르치고 과거에 테스트하십시오. 이것은 이 포럼에서만 찾을 수 있습니다)))