트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 325

새 코멘트
 
레나트 아크티아모프 :

흠. 시원한.

여전히 전반적으로 나쁘지 않습니다.


글쎄요, 이것은 단순한 뉴런입니다. 단순히 많은 정보를 마스터할 수 없습니다. 하지만 그렇습니다. 흥미롭습니다.
 
막심 드미트리예프스키 :

글쎄요, 이것은 단순한 뉴런입니다. 단순히 많은 정보를 마스터할 수 없습니다. 하지만 그렇습니다. 흥미롭습니다.
전단지에 도표 보이시죠? 입구에 있는 것, 중간에 있는 것, 출구가 어디입니까? 그리고 나서 이미 많은 폐지(노이즈 억제기, 인식기 등)를 다시 읽었지만 시장에서 작동하지 않는 것이 있습니다.)
 
유리 아사울렌코 :
전단지에 도표 보이시죠? 입구에 있는 것, 중간에 있는 것, 출구가 어디입니까? 그리고 나서 이미 많은 폐지(노이즈 억제기, 인식기 등)를 다시 읽었지만 시장에서 작동하지 않는 것이 있습니다.)


https://c.mql5.com/3/126/RNN_MT5.zip

거기 고문 및 설명

 
막심 드미트리예프스키 :


https://c.mql5.com/3/126/RNN_MT5.zip

거기 고문 및 설명

고맙습니다. 이것은 뉴런의 소음 억제기처럼 수행됩니다. 그것이 내가 두려웠던 것이다.

가격 시리즈의 판독값 10개 + 예측 변수 5개 - 10*5=50 + 파생 상품 - 추가 정보 50개, 추가 정보 입력 20개를 가정해 보겠습니다. 최소 총 120개의 입력. 슬퍼.)

이러한 행렬을 계산하려면 다층 네트워크의 경우 예, 1m TF의 경우 예, 그리고 촛불 내부에서도 - 감길 것입니다.

 
막심 드미트리예프스키 :


유전자 최적화 과정에서 결과가 난기류에 빠지기 시작한다는 것은 무엇을 의미합니까? :) 일정은 시간이 지남에 따라 개선되어야 합니다.

maxbalance를 선택하지 않는 것이 좋습니다. 최적화 실패는 "경계" 매개변수에 문제가 있음을 나타냅니다. 딥 존과 그림에서 약간 왼쪽에 있는 옵션으로 매개변수가 얼마나 다른지 알아내십시오.

최적화는 매우 간단하게 작동합니다. 최적화 기준을 높이는 방향으로 진행되는 동시에 "모든 소방관"에 대해 이전에 탐색하지 않은 영역을 가끔 확인하여 더 나은 결과로 가는 경로를 놓치지 않도록 합니다.

그러나 어떤 경우에도 이러한 최적화 결과 에 주의해야 합니다. 차트의 하단 영역에 드문 옵션이 있는 상단으로 옵션 클라우드가 점진적으로 이동해야 합니다.

 
유리 아사울렌코 :

고맙습니다. 이것은 뉴런의 소음 억제기처럼 수행됩니다. 그것이 내가 두려웠던 것이다.

가격 시리즈의 판독값 10개 + 예측 변수 5개 - 10*5=50 + 파생 상품 - 추가 정보 50개, 추가 정보 입력 20개를 가정해 보겠습니다. 최소 총 120개의 입력. 슬퍼.)

이러한 행렬을 계산하려면 다층 네트워크의 경우 예, 1m TF의 경우 예, 그리고 촛불 내부에서도 - 감길 것입니다.


예, 입력 매개변수가 증가하면 문제가 발생합니다. 따라서 레이어 수가 아닌 논리적 코어를 개선하는 방향을 찾아야 합니다.
 
안드레이 딕 :

maxbalance를 선택하지 않는 것이 좋습니다. 최적화 실패는 "경계" 매개변수에 문제가 있음을 나타냅니다. 딥 존과 그림에서 약간 왼쪽에 있는 옵션으로 매개변수가 얼마나 다른지 알아내십시오.

최적화는 매우 간단하게 작동합니다. 최적화 기준을 높이는 방향으로 진행되는 동시에 "모든 소방관"에 대해 이전에 탐색하지 않은 영역을 가끔 확인하여 더 나은 결과로 가는 경로를 놓치지 않도록 합니다.

그러나 어떤 경우에도 이러한 최적화 결과 에 주의해야 합니다. 차트의 하단 영역에 드문 옵션이 있는 상단으로 옵션 클라우드가 점진적으로 이동해야 합니다.


예, 도중에 후행 정지 최적화에 문제가 있습니다. 봇 로직을 다시 작성하고 다시 확인하겠습니다.
 
안드레이 딕 :

maxbalance를 선택하지 않는 것이 좋습니다. 최적화 실패는 "경계" 매개변수에 문제가 있음을 나타냅니다.


나는 그것을 전적으로 지지합니다. 최적화는 매우 위험한 것입니다. 저는 자랑스럽게 백만장자의 정상에 서 있으며, 창고의 배수구 주변에서 이것은 최적화의 일반적인 결과입니다.

위의 일반적인 잔액은 다음과 같습니다. 이것은 한 줄입니다. 그리고 왜 무작위 항목이 있는 한 줄입니까? 입력이 무작위이면 균형 선은 신뢰 구간 으로 묶인 무작위이어야 합니다!

최적화의 3차원(색상) 그래프는 신뢰 구간의 대리 역할을 할 수 있습니다. 그리고 저울이 최적화에서 이 차트를 동반하고 이 3차원 차트에 대략 하나의 색상이 있으면 성배가 가깝습니다. 그렇지 않으면 주어진 그래프는 한 푼도 가치가 없습니다.

 
산산이치 포멘코 :


나는 그것을 전적으로 지지합니다. 최적화는 매우 위험한 것입니다. 저는 자랑스럽게 백만장자의 정상에 서 있으며, 창고의 배수구 주변에서 이것은 최적화의 일반적인 결과입니다.

위의 일반적인 잔액은 다음과 같습니다. 이것은 한 줄입니다. 그리고 왜 무작위 항목이 있는 한 줄입니까? 입력이 무작위이면 균형 선은 신뢰 구간 으로 묶인 무작위이어야 합니다!

최적화의 3차원(색상) 그래프는 신뢰 구간의 대리 역할을 할 수 있습니다. 그리고 저울이 최적화에서 이 차트를 동반하고 이 3차원 차트에 대략 하나의 색상이 있으면 성배가 가깝습니다. 그렇지 않으면 주어진 그래프는 한 푼도 가치가 없습니다.


우리의 경우 옵티마이저를 통해 뉴런의 가중치를 선택하면 됩니다.

2달동안 1000%가 나쁜건가요? :) 논리가 약간 향상되었습니다.

그러나 여기에서 4 월의 주요 잭팟이 나타났습니다. 5월 중순 이후 꾸준한 추세에도


 

스레드가 거대합니다.

조언해줄사람...

여러 통화 쌍의 움직임 차트가 있습니다. 결과가 가능한 한 자주 검은색이 되도록 기계 학습을 사용하여 주문 시작/마감에 대한 매개변수(로트, 방향)를 선택하는 방법은 무엇입니까?

즉, 수행해야 할 작업, 프로그램 교육 방법은 무엇입니까?

1...318319320321322323324325326327328329330331332...3399
새 코멘트
사유: