위에 추가하겠습니다. MO에 참여하려면 해당 분야를 철저히 알아야 합니다. 우리의 경우 거래. 많은 사람들은 고정되지 않은 시계열 로 katir를 보고 이것이 시장이고 특정 규칙과 뉘앙스가 있다는 사실을 잊고 있습니다. 어떤 프로세스를 자동화하려고 할 때 이 프로세스의 기술을 아주 세세하게 알아야 합니다. 다년간의 경험을 가진 KIPovets로서 말씀드립니다.
기계 학습은 매우 대략적으로 클러스터링이라고 할 수 있습니다. 예측 변수의 특정 초공간이 있으며 이를 여러 하위 공간으로 나눌 필요가 있습니다. 여기서 특정 하위 공간(클래스)에 대한 한 점의 소속은 외환 거래를 의미합니다(3개 클래스의 경우). "매수", "매도", "종료". 비디오는 자동 클러스터링이 데이터 양에 따라 부분 공간의 경계를 어떻게 변경하는지 두 개의 예측 변수(X 및 Y)에 대한 비지도 학습을 명확하게 보여줍니다. Forex와 관련하여 이것은 백 테스트의 기간과 그 (기간) 변경이 클러스터링 결과에 미치는 영향을 은유적으로 보여줍니다. 1주일 동안의 데이터로 훈련된 모델은 2주, 3주 등으로 훈련된 모델보다 훨씬 적게 보고 알고 있습니다.
비디오의 두 번째 부분에서는 전문가가 클러스터링 결과를 평가하고 모델을 직접 수정하는 방법을 볼 수 있습니다. 전문가는 수신한 3개의 클래스로는 부족하고 6개 이상의 클래스는 육안으로 볼 수 있음을 확인한 후 경험에 따라 이 6개의 클래스를 정확하게 인식하도록 모델 매개변수를 수정합니다. 이것은 일반적입니다. Forex에서는 예측 변수가 두 개 아니라 수십 개이고 3차원 이상의 시각적 인식이 어렵기 때문에 이 단계는 제 생각에 불가능합니다. 내가 이해하기로는 이 단계는 수동 조정이 아닌 자동 조정의 경험을 포함합니다. 모델 매개변수를 변경할 때 잘 선택된 매개변수 의 기준이 좋은 거래인 거래 시뮬레이션이 동반될 때입니다.
다양한 모델로 eurusd를 실험한 결과 브로커와 은행에 더 많은 이익을 주기 위해 가격이 매우 엄격하게 규제되는 것 같습니다.
일반적인 상황 - 우리는 몇 주 동안의 데이터에 대해 모델을 훈련한 다음 새 데이터에 대해 수익성 있는 거래(사실상 무작위)의 50%만 얻고 스프레드는 천천히 소진합니다. 그러나 모델을 실험하고 패턴을 찾으려고 하면 약간 다른 그림을 보게 됩니다. 일부 패턴은 몇 주 동안 수익을 냈다가 갑자기 50% 성공률로 떨어집니다. 무작위의. 그러나 한두 달 후에 다시 작동하지만 예측과 반대로 거래해야 합니다. 그리고 몇 주 후에 그들의 예측은 다시 50% 무작위로 바뀝니다. 그리고 미래 어딘가에서 그들은 다시 이익을 얻을 것입니다. 등.
이 모든 것에서 나는 그러한 결론을 얻었습니다. 은행은 일부 프로그램, 알고리즘에 따라 가격을 설정합니다. 그들은 주기적으로 이러한 프로그램을 변경하고, 다른 조합을 사용하고, 프로그램 제안과 반대 방향으로 가격을 변경하는 등 새로운 시장 상황을 창출하기 위해 이 모든 것을 수행합니다. 그렇지 않으면 그들의 알고리즘이 풀리고 그들에 대항하여 사용되었을 것입니다. 그리고 동시에 기술적 분석이나 머신 러닝을 가진 사람들은 오랫동안 존재했던 패턴을 찾으려고 합니다. 그리고 패턴은 결국 누군가의 손가락 클릭으로 바뀌거나 자체적으로 모순되지만 거래가 그렇게 어려운 것은 놀라운 일이 아닙니다.
작업 모델은 이 모든 것과 패턴이 특정 시간 세그먼트에서만 작동하고 때로는 반대 방향으로 작동한다는 사실을 고려해야 하며 현재 상황에 따라 사용할 패턴 세트를 이해할 수 있어야 합니다.
다양한 모델로 eurusd를 실험한 결과 브로커와 은행에 더 많은 이익을 주기 위해 가격이 매우 엄격하게 규제되는 것 같습니다.
일반적인 상황 - 우리는 몇 주 동안의 데이터에 대해 모델을 훈련한 다음 새 데이터에 대해 수익성 있는 거래(사실상 무작위)의 50%만 얻고 스프레드는 천천히 소진합니다. 그러나 모델을 실험하고 패턴을 찾으려고 하면 약간 다른 그림을 보게 됩니다. 일부 패턴은 몇 주 동안 수익을 냈다가 갑자기 50% 성공률로 떨어집니다. 무작위의. 그러나 한두 달 후에 다시 작동하지만 예측과 반대로 거래해야 합니다. 그리고 몇 주 후에 그들의 예측은 다시 50% 무작위로 바뀝니다. 그리고 미래의 어딘가에서 그들은 다시 이익을 얻을 것입니다. 등.
이 모든 것에서 나는 그러한 결론을 얻었습니다. 은행은 일부 프로그램, 알고리즘에 따라 가격을 설정합니다. 그들은 주기적으로 이러한 프로그램을 변경하고, 다른 조합을 사용하고, 프로그램 제안과 반대 방향으로 가격을 변경하는 등 새로운 시장 상황을 창출하기 위해 이 모든 것을 수행합니다. 그렇지 않으면 그들의 알고리즘이 풀리고 그들에 대항하여 사용되었을 것입니다. 그리고 동시에 기술적 분석이나 머신 러닝을 가진 사람들은 오랫동안 존재했던 패턴을 찾으려고 합니다. 그리고 패턴은 결국 누군가의 손가락 클릭으로 바뀌거나 자체적으로 모순되지만 거래가 그렇게 어려운 것은 놀라운 일이 아닙니다.
작업 모델은 이 모든 것과 패턴이 특정 시간 세그먼트에서만 작동하고 때로는 반대 방향으로 작동한다는 사실을 고려해야 하며 현재 상황에 따라 사용할 패턴 세트를 이해할 수 있어야 합니다.
http://radikal.ru/video/6X0MyhuW8Bp
재미있는 비디오. 점은 무엇인가?
점은 무엇인가?
클러스터링에서.
기계 학습은 매우 대략적으로 클러스터링이라고 할 수 있습니다. 예측 변수의 특정 초공간이 있으며 이를 여러 하위 공간으로 나눌 필요가 있습니다. 여기서 특정 하위 공간(클래스)에 대한 한 점의 소속은 외환 거래를 의미합니다(3개 클래스의 경우). "매수", "매도", "종료".
비디오는 자동 클러스터링이 데이터 양에 따라 부분 공간의 경계를 어떻게 변경하는지 두 개의 예측 변수(X 및 Y)에 대한 비지도 학습을 명확하게 보여줍니다. Forex와 관련하여 이것은 백 테스트의 기간과 그 (기간) 변경이 클러스터링 결과에 미치는 영향을 은유적으로 보여줍니다. 1주일 동안의 데이터로 훈련된 모델은 2주, 3주 등으로 훈련된 모델보다 훨씬 적게 보고 알고 있습니다.
비디오의 두 번째 부분에서는 전문가가 클러스터링 결과를 평가하고 모델을 직접 수정하는 방법을 볼 수 있습니다. 전문가는 수신한 3개의 클래스로는 부족하고 6개 이상의 클래스는 육안으로 볼 수 있음을 확인한 후 경험에 따라 이 6개의 클래스를 정확하게 인식하도록 모델 매개변수를 수정합니다.
이것은 일반적입니다. Forex에서는 예측 변수가 두 개 아니라 수십 개이고 3차원 이상의 시각적 인식이 어렵기 때문에 이 단계는 제 생각에 불가능합니다. 내가 이해하기로는 이 단계는 수동 조정이 아닌 자동 조정의 경험을 포함합니다. 모델 매개변수를 변경할 때 잘 선택된 매개변수 의 기준이 좋은 거래인 거래 시뮬레이션이 동반될 때입니다.
기계 학습은 매우 대략적으로 클러스터링이라고 할 수 있습니다. 예측 변수의 특정 하이퍼스페이스가 있으며 이를 여러 하위 공간으로 나눌 필요가 있습니다....
그리고 누가 이러한 네트워크의 코드 품질을 확인합니까?
https://www.mql5.com/ru/forum/190948
예, 또는 이것 또는 저것, 그러나 둘 다 아닙니다.
최소 3명이 필요합니다. 매니저, 트레이더, 소프트웨어 개발자, 긴밀한 팀, 매니저는 팀 빌딩 연습, 트레이더는 평균, 개발자는 어디에서나 디자인 패턴을 사용해야 합니다. 프로그래밍하면 잘 될 것입니다.기록 보관소는 여전히 필요합니다. 그리고 보류...
다양한 모델로 eurusd를 실험한 결과 브로커와 은행에 더 많은 이익을 주기 위해 가격이 매우 엄격하게 규제되는 것 같습니다.
일반적인 상황 - 우리는 몇 주 동안의 데이터에 대해 모델을 훈련한 다음 새 데이터에 대해 수익성 있는 거래(사실상 무작위)의 50%만 얻고 스프레드는 천천히 소진합니다.
그러나 모델을 실험하고 패턴을 찾으려고 하면 약간 다른 그림을 보게 됩니다. 일부 패턴은 몇 주 동안 수익을 냈다가 갑자기 50% 성공률로 떨어집니다. 무작위의. 그러나 한두 달 후에 다시 작동하지만 예측과 반대로 거래해야 합니다. 그리고 몇 주 후에 그들의 예측은 다시 50% 무작위로 바뀝니다. 그리고 미래 어딘가에서 그들은 다시 이익을 얻을 것입니다. 등.
이 모든 것에서 나는 그러한 결론을 얻었습니다. 은행은 일부 프로그램, 알고리즘에 따라 가격을 설정합니다. 그들은 주기적으로 이러한 프로그램을 변경하고, 다른 조합을 사용하고, 프로그램 제안과 반대 방향으로 가격을 변경하는 등 새로운 시장 상황을 창출하기 위해 이 모든 것을 수행합니다. 그렇지 않으면 그들의 알고리즘이 풀리고 그들에 대항하여 사용되었을 것입니다.
그리고 동시에 기술적 분석이나 머신 러닝을 가진 사람들은 오랫동안 존재했던 패턴을 찾으려고 합니다. 그리고 패턴은 결국 누군가의 손가락 클릭으로 바뀌거나 자체적으로 모순되지만 거래가 그렇게 어려운 것은 놀라운 일이 아닙니다.
작업 모델은 이 모든 것과 패턴이 특정 시간 세그먼트에서만 작동하고 때로는 반대 방향으로 작동한다는 사실을 고려해야 하며 현재 상황에 따라 사용할 패턴 세트를 이해할 수 있어야 합니다.
다 쓰레기야?
나는 여기에서도 비록 느리고 어렵지만 이해가 점차적으로 다가오고 있음을 봅니다.
시장은 통제된 동적 시스템이다
그러나 이 사실을 깨닫는 것은 우리로 하여금 그것의 고려와 서술에 대한 접근을 재고하게 한다.
또한 통계적 방법은 적절한 시장 모델을 구축할 수 있는 적절한 방법이 아니며 꼬리에 대해 "대화"하는 데에만 적합하다는 사실을 이해하게 될 것입니다. 꼬리가 가늘거나 두껍습니다.
;)
다양한 모델로 eurusd를 실험한 결과 브로커와 은행에 더 많은 이익을 주기 위해 가격이 매우 엄격하게 규제되는 것 같습니다.
일반적인 상황 - 우리는 몇 주 동안의 데이터에 대해 모델을 훈련한 다음 새 데이터에 대해 수익성 있는 거래(사실상 무작위)의 50%만 얻고 스프레드는 천천히 소진합니다.
그러나 모델을 실험하고 패턴을 찾으려고 하면 약간 다른 그림을 보게 됩니다. 일부 패턴은 몇 주 동안 수익을 냈다가 갑자기 50% 성공률로 떨어집니다. 무작위의. 그러나 한두 달 후에 다시 작동하지만 예측과 반대로 거래해야 합니다. 그리고 몇 주 후에 그들의 예측은 다시 50% 무작위로 바뀝니다. 그리고 미래의 어딘가에서 그들은 다시 이익을 얻을 것입니다. 등.
이 모든 것에서 나는 그러한 결론을 얻었습니다. 은행은 일부 프로그램, 알고리즘에 따라 가격을 설정합니다. 그들은 주기적으로 이러한 프로그램을 변경하고, 다른 조합을 사용하고, 프로그램 제안과 반대 방향으로 가격을 변경하는 등 새로운 시장 상황을 창출하기 위해 이 모든 것을 수행합니다. 그렇지 않으면 그들의 알고리즘이 풀리고 그들에 대항하여 사용되었을 것입니다.
그리고 동시에 기술적 분석이나 머신 러닝을 가진 사람들은 오랫동안 존재했던 패턴을 찾으려고 합니다. 그리고 패턴은 결국 누군가의 손가락 클릭으로 바뀌거나 자체적으로 모순되지만 거래가 그렇게 어려운 것은 놀라운 일이 아닙니다.
작업 모델은 이 모든 것과 패턴이 특정 시간 세그먼트에서만 작동하고 때로는 반대 방향으로 작동한다는 사실을 고려해야 하며 현재 상황에 따라 사용할 패턴 세트를 이해할 수 있어야 합니다.
다 쓰레기야?
제정신인 사람에게 이런 생각을 할 줄은 몰랐네요 :)
Occam's Razor: "불필요한 개체를 불필요하게 생성해서는 안 됩니다."