Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 160

 
Dimitri:

10 % ist die Pfandbelastung.

Wenn Sie eine Einlage von 1.000 $ haben, laden Sie diese um 10 % auf - Sie eröffnen einen Handel für 100 $.

ACHTUNG, je nach dem von Ihrem Broker/Coach angebotenen Hebel können Sie verschiedene Lots kaufen - 10.000 $ (1:100), 5.000 $ (1:50), 20.000 $ (1:200).

P.S. fuckerbaby........


Mmmmm, ich spüre, dass es bald einen "Durchbruch" geben wird und alles auf "Spielen für alle mit einer Einzahlungserhöhung und Verdoppelung, wenn man verliert" hinausläuft, hehehe...

Was die Broker anbelangt, so können sie einen höheren Hebel haben, während trendfolgende Broker einen niedrigeren Hebel haben können, aber kaum jemand außer einem Trottel würde mehr als 2-3% des Kapitals für einen Handel in einem Portfolio riskieren, ein Portfolio kann Hunderte von Positionen haben und um mehr als zwei Drittel belastet sein, aber selbst in der Theorie sollten sie nicht erlauben, plötzlich mehr als 10% des Kapitals abzuheben, das ist Unsinn, das ist Propaganda von Wettküchen, über "Einlagenoptimierung" und ähnlichen Mist

 
mytarmailS:

Vielen Dank, aber das Skript funktioniert nicht so, wie ich dachte, es würde, Ebenen sind sogar niedriger als mit der ersten Methode....

Ich dachte mir, dass es nicht an die Preise in den Supermärkten gebunden sein sollte, sondern dass es in etwa so ablaufen sollte

aber runden Sie einfach die Preisskala ab, z.B. haben wir eine minimale Bewegung von 1 Pip und machen eine minimale Bewegung von sagen wir 20 Pips, aber jede Bewegung von 20 Pips enthält die Summe des Volumens, das innerhalb dieser 20 Pips war..... Ich würde es lieber zeichnen, sonst verstehe ich kein Wort davon.

Hier ist der Link zur Abbildung.http://prntscr.com/ct8kgg

Ich habe es 10 Mal versucht

Ich denke, es ist unmöglich, dies für ein Nicht-Tick-Chart zu tun, richtig?
 

Ich glaube, SanSanych hat nach dem Gleichgewicht zwischen Lernen und Umschulung gefragt. In dem Link spricht der Mann über interessante Ideen, wie man dies auf der Grundlage von Bayes'schen Wahrscheinlichkeiten tun kann.

https://postnauka.ru/video/55303

Построение сложных вероятностных моделей
Построение сложных вероятностных моделей
  • postnauka.ru
Математик Дмитрий Ветров о теореме Байеса, целях машинного обучения и сложных вероятностных моделях
 
sibirqk:

Ich glaube, SanSanych fragte nach der Ausgewogenheit von Lernen und Umschulung. Unter diesem Link beschreibt der Mann interessante Ideen, wie man dies auf der Grundlage von Bayes'schen Wahrscheinlichkeiten tun kann.

https://postnauka.ru/video/55303

Danke, ich habe es gelesen.

Ich glaube, der Autor ist zu optimistisch.

Das Problem des Überlernens ist im Prinzip nicht lösbar. Tatsache ist, dass "Überlernen" ein methodisches Problem der Wissenschaft als solcher ist. Alle Wissenschaft zielt darauf ab, einige verallgemeinernde Regelmäßigkeiten zu finden, die einerseits ein einzelnes Phänomen mit einer gewissen Genauigkeit gut beschreiben und andererseits eine ausreichend große Bandbreite ähnlicher Phänomene abdecken.

Nehmen wir das Newtonsche Gravitationsgesetz.

Auf Haushaltsebene funktioniert sie recht genau für eine Stahlkugel sowie für alle anderen kompakten Körper aus Materialien mit hohem spezifischem Gewicht. Aber bei Pappelflaum funktioniert es überhaupt nicht.

Wo liegt die Grenze dieses Gesetzes?

Für Modelle des maschinellen Lernens, die auf Finanzmärkte angewandt werden, habe ich hier in diesem Thread eine solche Grenze formuliert: Es sollten nur Prädiktoren für die Zielvariable verwendet werden, die für die Zielvariable "relevant" sind. Kann ein Bayes'scher Ansatz auf "relevant" angewendet werden? Ich weiß es nicht.

Aber ich möchte anmerken, dass meine Formulierung keineswegs eine Offenbarung ist. In der Statistik gilt die Grundregel: Müll rein, Müll raus. Das Problem ist jedoch, dass wir uns bei der Definition von "eine Beziehung haben" in der Statistik auf das Konzept der "Korrelation" verlassen, das immer eine gewisse Bedeutung hat. Und so etwas wie "keine Korrelation" gibt es nicht. Deshalb schreibe ich "eine Beziehung haben", was notwendigerweise eine Bedeutung von "keine Beziehung" haben muss, und dann eine qualitative Abstufung.

Zu den häufigsten Methoden des Umgangs mit Overfitting in der maschinellen Modellierung gehört das Prinzip der Vergröberung, das sich am besten anhand des folgenden Beispiels erläutern lässt.

Wir nehmen ein Polynom und verringern den Anpassungsfehler, indem wir seinen Grad erhöhen. Wir erhalten z. B. einen Fehler von 5 %. Dann verwerfen wir den letzten Term des Polynoms mit der größten Potenz - das Modell ist gröber geworden und der Fehler hat zugenommen, aber dieses Polynom kann in viel mehr Fällen angewendet werden.

Ich bin davon überzeugt, dass die "Vergröberungs"-Methode nicht funktioniert, wenn die Eingabeprädiktoren nicht zuerst von den Rauschprädiktoren getrennt werden, d. h. wenn sie für die Zielvariable "irrelevant" sind, und auch andere Methoden, die das Konzept der "Wichtigkeit" von Prädiktoren verwenden, funktionieren nicht. Algorithmen, die die "Wichtigkeit" auf der Grundlage der Häufigkeit der Verwendung eines Prädiktors bei der Modellanpassung berechnen, sind besonders schlecht.

Welchen Platz die in dem Artikel vorgeschlagene Methode zur Lösung des von mir genannten Problems einnimmt, weiß ich nicht.

 
SanSanych Fomenko:

...

Nehmen wir das Newtonsche Gravitationsgesetz.

Für eine Stahlkugel und alle anderen kompakten Körper aus Materialien mit hohem spezifischem Gewicht funktioniert sie recht genau. Aber bei Pappelflaum funktioniert es überhaupt nicht.

Wo ist die Grenze dieses Gesetzes?

...

Hier sitzt also, auf einem Forum, ein Schriftsteller aus der Wissenschaft.

Er sagt wissenschaftliche Phrasen. Er glaubt fast an sich selbst.

Und das alles nur, weil er in einem Forum "schreibt", in dem ihm niemand widersprechen kann.

Falsches Forum. Keine wissenschaftliche. Und Newton wird nicht antworten...

Und ein solcher "Autor" bringt Sätze hervor wie: "Auf Haushaltsebene funktioniert es ziemlich genau für eine Stahlkugel und für alle anderen kompakten Materialkörper mit großem spezifischem Gewicht. Aber bei Pappel-Flaum funktioniert das überhaupt nicht".

Ein Wort - Echonometrist...


 
Vladimir Soos:

Ein Wort - Echonometrist...

STOPUFF

Das Newtonsche Gesetz gilt nicht für Pappelflaum... Scheiß drauf.

 

Hallo. Newton hat sich zurückgezogen, ich bin für ihn.

Andrej Dik:

Das Newtonsche Gesetz gilt nicht für Pappelflaum... bekommst du ein dickes, fettes Ding.

Lesen Sie ihn bitte sorgfältig:

SanSanych Fomenko:

... Auf nationaler Ebene... für Pappelflaum funktioniert überhaupt nicht...

Sie sehen, ein Staubsauger ist kein Haushaltsgerät. Nun, oder Sie leben irgendwo im Weltraum, dann natürlich, ja, alltäglich
 
Wladimir Sus:

Ein Wort - Echonometrist...

Haben Sie etwas gegen Ökonometrie? Schauen Sie sich die Durchschnittsgehälter für diesen Beruf an, in den USA kann ein Ökonometriker leicht sechsstellige Beträge pro Jahr verdienen.
 
Dr. Trader:

Hallo. Newton hat sich zurückgezogen, ich bin für ihn.

Lesen Sie bitte genauer:

Sie sehen, ein Staubsauger ist kein Haushaltsgerät. Oder wenn Sie irgendwo im Weltraum leben, dann ist das natürlich alltäglich.
Das Gesetz funktioniert, auch im Falle von Fluff. Aber wenn man die Dinge "auf nationaler Ebene" betrachtet, ist es das, was man bekommt....
 
Andrej Dik:
Das Gesetz funktioniert, auch in Bezug auf den "Fluff". Aber wenn man die Dinge "auf nationaler Ebene" betrachtet, bekommt man, was man bekommt....

Was wäre, wenn ich Ihnen sagen würde, dass es so etwas wie das "Newtonsche Gesetz" in der Natur nicht gibt? Dabei handelt es sich lediglich um eine Formel, die zur Vereinfachung der Berechnungen aufgestellt wurde. Und der Satz "Das Newtonsche Gesetz funktioniert oder es funktioniert nicht" impliziert, dass diese Formel zur Berechnung eines bestimmten Prozesses verwendet werden kann, oder umgekehrt, dass sie aufgrund der Komplexität des Problems und der chaotischen Natur der Welt nicht angewendet werden kann.

Angenommen, es gibt eine Stahlkugel. Wenn man seine Masse kennt, kann man ziemlich genau bestimmen, wie schnell er fallen wird, wie schnell er den Boden erreicht usw. Im Falle eines Fluffs gibt es jedoch so viele Einflüsse, dass die Anwendung der Newtonschen Gesetze nicht hilft, zu berechnen, wo und wann der Fluff fallen wird. Selbst wenn Sie sich in einem windstillen Raum auf dem Grund des Ozeans einschließen, wird sich jede seismische Aktivität verändern und die Flusen werden nicht dorthin fallen, wo Sie sie berechnet haben. Selbst ein solch komplexes Experiment liegt bereits jenseits der Grenzen des Gewöhnlichen, ist aber noch nicht genau genug.

Das Verhalten des Flausches ist eine Analogie zum Verhalten eines Devisenhandelssymbols. Sie können einen Expert Advisor mit Tausenden von Formeln erstellen, aber sie alle werden nur die Phänomene beschreiben, die Sie bei diesem Prozess beobachten. Sie werden die zugrundeliegenden Prozesse nie vollständig verstehen, so dass jede noch so genaue Formel, die Sie erstellen, nur unter idealen Bedingungen funktioniert und nur die zuvor beobachteten Phänomene beschreibt. Und tatsächlich wird etwas Unerwartetes passieren, und der Markt wird gegen alle Ihre Formeln verstoßen und alle Ihre Stopps herausnehmen.