В настоящее время известно большое количество различных методов прогнозирования, основывающихся только на анализе прошлых значений временной последовательности, то есть методов, использующих принципы, принятые в техническом анализе. Основным инструментом этих методов является схема экстраполяции, когда свойства последовательности, выявленные на...
ところで、繰り返しのない配列からランダムに数字を出力するジェネレータを見たことがありますか?まさに私が必要としているものです。
次のランダムがあったかどうかを確認する条件でジェネレーターに手を入れるべきで、ちなみにジェネレーターのクオリティはすぐにわかると思います。
試験用サンプルでは、60%以上の精度で、より多くの木を得ることができました。
それは貿易を見つけるのすべての同じ時間、停止し、終了は、論理的である絡み合っていることが判明 - 貿易はすでに長い場合、停止は、おそらく彼らが大きいという事実から、ノックアウトされていません...
モデルを添付した方が良いですか?
はい、添付してください。
エントリー曜日、エントリー時間、SL、TPに依存すると思われます。
テスターで終了時間までにシステムを動かして、どうなるか見てみるべきですね。終了時間と期間は間接的なパラメータであり、SLまたはTPがトリガーされたときにのみ知ることができますが。ブルートフォースしなければならないだろう。
もう一度。
コルモゴロフによれば、時系列を予測する ためには、2つのことが必要である。
1.期待値=定数
2.ACFが0にならないこと。
"ホワイトノイズ "や "コイン "などは、ACF=0なので、原理的に予測できない。
市場時系列の増分のACFが0にならないのは非常に幸運である。したがって、増分を予測することができる。
しかし、1つ目の条件である「期待ペイオフ=const」 については、運が悪かったとしか言いようがありません。標準的なTFのサンプルの増分の平均値は、0に対して非常に強く "浮く"。
結論:期待値の分散を0に対して最小にするためには、BPの前処理(間引き)が必要である。そうすれば、次の増分の予測(価格ではない!)に基づいた有益なTSを行う機会が何倍にも増える。
それだけです。
もう一度。
コルモゴロフによれば、時系列を予測する ためには、2つのことが必要である。
1.期待値=定数
2.ACFが0にならないこと。
"ホワイトノイズ "や "コイン "などは、ACF=0なので、原理的に予測できない。
市場時系列の増分のACFが0にならないのは非常に幸運である。したがって、増分を予測することができる。
しかし、1つ目の条件である「期待ペイオフ=const」 については、運が悪かったとしか言いようがありません。標準的なTFのサンプルの増分の平均値は、0に対して非常に強く "浮く"。
結論:期待値の分散を0に対して最小にするためには、BPの前処理(間引き)が必要である。そうすれば、次の増分の予測(価格ではない!)に基づいた有益なTSを行う機会が何倍にも増える。
すべてです。
どうやらこれらの反省は別のスレッドで議論した方がよさそうです。MOやNSは戦略ロジックの話からは少し離れますが、今はパッケージの履歴で学習して、その結果を実データで検討するというやり方が主流です。
本題ですが、静的な期待値という条件には反対です。もし行列が誤差を少なくして系列を記述するならば、その系列は安定していると同時に、数学的な期待値は常に静的であったり、必要以上であったりするわけではありません。少ないかもしれないが、数学的モデルは最小限の誤差で記述できるかもしれない。
どうやらこれらの反省は別のスレッドで議論した方がよさそうです。IOやNSは戦略ロジックの話題からは少し離れますが、今日はパケットの履歴から学習し、その結果を実データで考察するという実践です。
本題ですが、静的な期待値という条件には反対です。もし行列が誤差を少なくして系列を記述するならば、その系列は安定していると同時に、数学的な期待値は常に静的であったり、必要以上に高かったりするわけではありません。少ないかもしれないが、数学モデルは最小限の誤差で記述することができる。
私はここにほとんど登場しないので、何も議論する気はない。
ありのままを伝える。標準的なTF(M1、H1、...)のデータセットを扱えるスーパーエンジニアリングニューロネットは存在しない。それは公理である。
BPインクリメントの前処理だけが、「聖杯への 道」を与えるかもしれない。アーメン。
あまりここには来ないし、何も議論したくない。
ありのままを伝えているんです。標準的なTF(M1、H1、...)のデータセットには、どんな超技術を駆使したニューラルネットワークも対応できない。それは公理である。
BPインクリメントの前処理だけが、「聖杯への道」を与えるかもしれない。アーメン。
できるが、精度は60-70%になるだろう。H,H4,Dタイムフレームで十分です。
うーん...拝見させていただきます。M15より上のタイムフレームはまだ扱ったことがないのですが...。
はい、添付してください。
エントリー曜日、エントリー時間、SL、TPに依存すると思われます。
テスターで終了時間までにシステムを動かして、どうなるかを確認する必要があります。終了時間と期間は間接的なパラメータであり、SLまたはTPがトリガーされたときにのみ知ることができますが。ブルートフォース(力ずく)でやるしかないでしょう。
つまり、この実験によって「損切りして利益を出す」という法則が本質的に確認されたわけです。
モデルを添付しています。
うーん...見てみるよ。M15以上のTFはまだ扱ったことがないのですが...。
つまり、「損切りして利益を出す」という法則が、この実験で本質的に確認されたわけだ。
付属のモデル。
ノーム
の損失は、わずかに少ない