Продолжаем изучение нейронных сетей. Ранее мы уже рассмотрели многослойный перцептрон и сверточные нейронный сети. Все они работают со статичными данными в рамках марковских процессов, когда последующее состояние системы зависит только от ее текущего состояния и не зависит от состояния системы в прошлом. Сейчас я предлагаю посмотреть в сторону...
同じように再教育される
googleで調べると色々な情報があります。
はこちらです。
https://towardsdatascience.com/gate-recurrent-units-explained-using-matrices-part-1-3c781469fc18
英語))が苦手で、ロシア語には冠詞がほとんどない。
正確には，ニューロンの出力からその入力に向かう重みをどのように更新するかが不明である．おそらくテスターでも同じような失敗をしたのだろう。
そんなことはないだろう。そういえば、彼は他のデータでテストを始めて、ブーリアン関数か何かを探していましたね......。...すべて順調でした)。
テスターでやっとバグを発見。これですべて納得です。
急遽、ランプの点灯を延期しました。
結論は？うまくいっていないのか、何を書き直せばいいのか？
CatBoostはこのデータを飲み込みます。大きなファイルには効果的です。ただ、ターゲットが何なのかが分からない...。
ターゲットとなるデータをcsv形式で用意していただければ、自分で実行することができます。
まだ復号化されていません。
私のオプションは、入力された情報から取引 結果の±を決定したり、正確な値を予測したりします。
やり方が分からないので、有利なパラメータ：エントリー時間、ホールド/エグジット時間、方向、SL、TPの情報を得たいのですが。
さらに面白いのは、ストラテジービルダーを作りたいことです。表にはすべてのデータがあり、体積と方向の係数が必要なだけで、リバース、マーチンなど、どんなシステムでも作ることができます。
そして、TPがSLの2-3倍高いシステムを作ることに成功しましたが、別の問題があります。勝ちトレードが20％-25％で、採算の合わないエントリーをふるい落とすためにモデルを適切に教えることができません。
SL=TPは非常に視覚的で正直で比較しやすいと思いますが、マーチンゲールによるものかもしれませんが、観察しているとSL>TPの方が良いような気がします。
そして、TPがSLの2-3倍大きいシステムを作ることに成功しましたが、別の問題があります。20-25％の勝ちトレードがあり、利益を生まないエントリーを除外するためにモデルを適切に訓練することができないのです。
より複雑な表現として、一度に4つのパラメータでターゲットを表現することも可能です。
例えば、買うと決めたら...。
とグリッドは私たちに売買を指示するだけではありません。
ということです。
何時何分に買い、何時何分に売り、何時何分に買い、何時何分に売り。
ストップロスを追加することができます。
そんなことはないだろう。そういえば、彼は他のデータでテストを始めて、ブーリアン関数か何かを探していましたね......。と元気でした)
で、結論から言うと、使えないのか、それとも何か書き直さないといけないのか？
負けトレードを利益トレードとしてテスターに漏らしていました。書き直しました - チャートが逆になっている、まさか )
上辺だけではどうにもならない
ブール関数で5フェイント、4ライン...ごめんなさい...何百回も繰り返し追いかけるものがあるんです。面白くもなんともない。あなたがやったようなことは、ほとんどないんですよ。どうなんでしょうねぇ。
英語は難しい))、ロシア語は冠詞がほとんどないんです。
また、利用可能なものは、接続の重みをどのように更新するかは不明である。https://www.mql5.com/ru/articles/8385
良い実装であることは事実ではありません )
ロシア語で
より複雑な表現として、一度に4つのパラメータでターゲットを表現することも可能です。
買うと決めたら...
そして、グリッドは私たちに売買を指示するだけでなく
ということです。
何時何分に買い、何時何分に売り、何時何分に買い、何時何分に売り。
また、ストップロスを追加することもできます。
あらゆる形式の基本戦略をベースにして、それに従ってトレーニングファイルを構築してみてはいかがでしょうか。この場合、ターゲットのものには問題はありません。しかし、最終的には1つのグリッドではなく、4つのグリッドを作り、そのすべてを把握するようにしたいのです。
特に興味深いのは、価格は最小限の配給でよいとして、どのような価格でグリッドから回答を得たいのか、ということです。最初の基準点がある場合のみ可能で、それはトレーニングの次のバーであり、結果として得られたターゲットは、具体的な価格の数字を得るためにさらに変形する必要があると思います。
何かいい方法はないでしょうか？まだ結果を読み切れていません。
私の選択肢は、トレードの結果を+/-で判断するか、エントリー情報から正確な値を予測するかです。
エントリー時間、ホールド/エグジット時間、方向、SL、TPなど、有利なパラメータの情報を得たいのですが、どうすればよいでしょうか？
さらに面白いのは、ストラテジービルダーを作りたいことです。テーブルにはすべてのデータがあり、あとは体積や方向の係数を加えるだけで、マーティンを使ったリバースなど、どんなシステムでも作ることができるのです。
成功を祈っています :)
リグレッションは必要ですか？このようなモデルの経験はあまりありません。
このコンセプトはよく知っていますし、やっている人もいます。問題は、どの方法でストラテジーを作るか、エンジン自体に...です。
SL=TPは非常にわかりやすく、公平で、比較するのに便利ですが、観察によるとSL>TPの方が良いようです、これはマーチンゲールに起因していると思われますが
相場は変動しやすく、固定TP/SLは同じようなチャート条件では必ずしも有効ではありません。だからこそ、特定のエントリーポイントに縛られた方が、その考え方に沿った学習ができるはずです。