Традиционно подведем итоги прошедшего года. Напоминаю, мы работаем исключительно высокочастотными роботами на всех доступных биржах (ну почти 🙂 ). Выше показан результат по ФОРТС + валютная секция МОЕКС. График представлен в долях от использованного ГО, учитывается только результат на конец дня. Комиссия биржи учтена, комиссия брокера - нет...
タンバリンダンスはもう流行らないという噂もありますが
仮に正しいとしても、それは前提の問題であって、構築の問題ではありません。しかし、あなたの戦略にはキャッチボールがあるのでしょうね。例えば、利益が預金利息よりあまり高くなかったり、ボラティリティが高すぎたりする場合です。そうでなければ、そのような戦略をたくさん見つけて、より大きなポートフォリオに組み入れていくことが望まれるでしょう。
利益率は3桁、ボラティリティは最小。しかし、拡張性がなく、商品(市場)の数を増やすことでしかポートフォリオを組めない可能性があります。この戦略は 私のものではありません)。
利益率は3桁、ボラティリティは最小。しかし、スケールしないので、ポートフォリオは商品(市場)の数を増やすことでしか構築できません。この戦略は 私のものではありません))。
そこに書かれていることは、すべて無条件に信じます。過去2年間の実績がないことだけが残念です)
そこに書かれていることは、すべて無条件に信じます。過去2年間の実績がないことだけが残念です)
著者は狭き門で広く知られている。20XX年の結果はあるのか」という質問には、「毎年同じ結果なので、書いても意味がない」と答えるのが常である。2021.03.29付けのリソースの最終エントリ
著者は狭き門で広く知られている。20XX年の結果はあるのか」という質問には、「毎年同じ結果なので、書いても意味がない」と答えるのが常である。リソースの最後のエントリは2021.03.29のものです。
が流出した...。
1) 歴史の中で確立されたパターンが、将来も必ず通用することを証明する方法はないし、ありえないことは明らかだと思います。
2)過去のデータから未来の決定論的(非ランダム)なパターンを確立する方法が存在すれば、(1)を否定することになる。
クロスバリデーションしかないので、履歴上のパターンの均質性しか立証できない。私たちができるのはパターンを補間することであって、外挿することではありません。うまく補間されたパターンはうまく外挿される、という非常に弱い仮説しかないのです。これは演繹的推論ではなく、単なる帰納的推論であり、類推による推論の一種である。
哲学するのではなく、システムを書いていけば、規則性が出てくる。
もう一度言います。
は、沈まないように、儲からないように、という意識でシステムを書きます。
---
根拠がないように、システムの特定の動作に対するコチエの反応を理解/検出/確認することができるようになります
通常これらは
- ジーイーピー
- 黒鳥
- 動向
- 平坦
- ヘアピン&ロングテール
これらの規則性はすべて、理論家が一般に受け入れている原因とは何ら関係がないものである
トレーディングシステムを構築するために必要な理論や知識をここで 学ぶことができます。著者は狭き門で広く知られている。20XX年の結果はあるのか」という質問には、「毎年同じ結果なので、書いても意味がない」と答えるのが常である。リソースの最後のエントリーは2021.03.29の日付です。
誤解しないでいただきたいのは、この人が書いたことや、あなたが彼に与えた推薦を疑問視しているわけではないのです。ただ、このフォーラムは他の多くのフォーラムと同様、「こんなデバイスがあるんだけど、教えないよ!」というような形の発言ばかりです。もし、あるケースを信じるとしたら、他の似たようなケースを信じない理由は何だろう?しかし、この非常に不安定な地盤の上に、意味のあるものを構築することは全く不可能である。だから、弱くても、実質的で、少なくとも何らかの形で検証可能な主張を ベースにするのがいいんです。
そこに書かれていることは、すべて無条件に信じます。過去2年間の実績がないことだけが残念です)
Ahahah 5s ±.
両方やろうとしているのですが、今のところ理論に著しく偏ってきています。
こんな疑問があります。
2つのモデルを使用します。一方は「買う」「売る」、もう一方は「取引する」「取引しない」を予測する。
まず、1つ目のモデルを学習させ、予測精度の低い例を「取引しない」、それ以外の良い例を「取引する」とマークし、次に2つ目のモデルを学習させます。
1つ目のモデルは訓練エリアだけでなく追加エリアでもテストされ、2つ目のモデルは両方のエリアで訓練されます。
これを数回繰り返し、同じデータセットで両モデルを再トレーニングする。サンプルで徐々に結果が良くなっていく。しかし、コントロールサンプルではそうとは限らない。
これと並行して、すべてのパスについて累積した不良取引のログを保存し、「取引しない」ためのすべての「不良」取引を第2モデルの学習のために収集し、すべてのパスについて不良取引のコピーが多いほど、それらを「取引しない」としてマークする機会が増えるという特定の原則に従ってフィルターにかけます。
例えば、各日付ごとに、すべての反復学習において、ある量の悪い取引が蓄積され、この量が閾値(平均、平均)を超える場合、それらの取引は「取引しない」とマークされます。残りの取引はスキップされます。そうでなければ、多くの学習反復がある場合、すべての取引を除外することが可能です。
coefficientで出力時のトレード数を 調整することができ、値が低いほど多くのトレードがフィルタリングされます
...この辺でもう書き飽きた.
このようなモデルの組み合わせをどのように改善すれば、新しい独立したプロットでの結果を向上させることができるのでしょうか?
なぜこのようなことができるのか、何か哲学的なものがあるのでしょうか。その他、再トレーニングのたびにモデルが自然に改善(誤差が減少)していくのですが、フィット感をなくすにはどうしたらいいのでしょうか?
イラストはこちらグラフは3つのパートに分かれています。最後の1枚は1号機、最後から2番目の1枚は2号機、最初の3枚は試験用のサンプルです。当然、最後のセクションが最も良く、最初の3分の1が最も悪くなる。
ここでは、バッドトレードのログを使用して、両方のモデルの再トレーニングを15回繰り返しました。