ニューラルネットワークの入力に投入する指標群を見つけること。ディスカッションを行います。結果を評価するためのツールです。 - ページ 2

[Andrey Dik]

指の上に。

一方が話し、他方が答える。

身長(cm)。

1-ありえない

10- それはありえない

可能性が高い

ひゃくまんえん

176-真

200-スモールチャンス

230-ありえません。

300-ありえない。

これは、非線形変換の例である。

[Alexey]

そして、幸運の猿の原理でやると。例えば、CCIを利用して、すべての履歴をチェックし、利益の出るところを選択すれば、ずっと負けることはない。そして、モメンタム、ボリンジャー、ミューウィングスを用いて、収益性の高いエリアを選択します。取引はバーチャルで行われ、最初の選択と同じように良い結果を示すシステムが実際の取引に認められます。歴史が繰り返されるなら、うまくいくはずです。また、この方法の利点は、良好な状況の継続時間をおおよそ推定できることです。取引回数、平均取引額、最大ドローダウン、利益が出ている期間など、利益が出ているエリアを選択する基準は何ですか？ちょっとしたアイデアがあるのですが、後でお話しします。

[ilyaa]

ivandurak >> :
幸運のサルの原理でやるとしたらどうだろう。例えば、CCIを利用し、利用可能なすべての履歴でチェックすることで、常に負けることのない収益性の高いセクターを選択することができます。そして、モメンタム、ボリンジャー、ムービングを取り、利益の出るエリアを選択します。取引はバーチャルで行われ、最初の選択と同じように良い結果を示すシステムが実際の取引に認められます。歴史が繰り返されるなら、うまくいくはずです。また、この方法の利点は、良好な状況の継続時間をおおよそ推定できることです。取引回数、平均取引額、最大ドローダウン、利益が出ている期間など、利益が出ているエリアを選択する基準は何ですか、ちょっと考えてみました、後でお話します。

こちらの 別スレッドでどうぞ。

[gumgum]

Run >> :

こんにちは

NSについて学びたいと常々思っていたのですが、いざ文献を読み始めると頭が沸騰し、ついにはNSとは何なのかさえ分からなくなってしまいました...。

簡単な例を挙げて説明してください（いわば指の上）。

>> ありがとうございました

キャッチする。

[Ruslan]

gumgum писал(а)>>

キャッチする。

私は、このような場合、私はそのような場合、NCを使用することをお勧めします。

チャコペコ

[gumgum]

Run >> :

I takoe uge chital mnogo navernoe mne ne dano poniat chto takoe NC

チャコペコ

何が必要なんだ！？

[Ruslan]

はい176cmが事実であることをNSがどのように理解しているかを理解すること

[gumgum]

Run >> :

176cmが事実であることをNSがどのように理解しているか>>はい理解しています。

>>.しかし、sin90% = 1は本当なのか？

[Andrey Dik]

Run >> :

に、NSが5'7 "が本当だと理解していることを理解することです。

ここからが本番!

先ほどの例は、非線形のベル型変換関数です

一般に、少なくとも私が最もよく使う関数は、(2/(1-2^(-x))-1)です。

上の例題をエクセルや数学で実験してみると、多くのことが明らかになるはずです。

[Alexey]

IlyaA писал(а)>>

をクリックすると、 別のスレッドに移動します。

私も、最低限の指標を見つけ、結果を評価することに非常に興味がありますが、自分の目的のためです。

ただ、終値の代わりに取引結果を使用する必要があります。 誰か幾何学が得意な人、コードを修正してください。

double Dispersia (int i, int N)
{
// このサブプログラムでは、終値の偏差の分散を計算します。
// 線形回帰線
// 平均値からの分散は、分布として十分とは言えない。
// 例えば、y=b*x+c で記述すると、（平均からの）分散は、傾斜角、//深さに依存します。
// サンプルとスプレッド私の場合、分散はスプレッドにのみ依存します。
私の場合，分散はスプレッドにのみ依存します． // もちろん，特に加速度に基づいてシステムを計算する場合には，べき乗または指数を使用することが望ましいです．
//駆動加速度、それなら申し訳ないが、私は頭が悪すぎる。
double Pi=3.141592653589793 ; // 同値演算子を忘れてしまった.
int j;
double a,b,Summ_x,Summ_y,Summ_x_2,Summ_xy,Deviation,StdDeviation,Sredn_y,AC;
for (int x=1;x<N;x++)
{ j=N-x+i;
Summ_x=Summ_x+x とする。
Summ_y=Summ_y+Close[j];
Summ_xy=Summ_xy+x*Close[j];
Summ_x_2=Summ_x_2+MathPow(x,2);
}
b=((N-1)*Summ_xy-Summ_x*Summ_y)/((N-1)*Summ_x_2-MathPow(Summ_x,2));
a=(Summ_y-b*Summ_x)/(N-1);
Sredn_y=Summ_y/(N-1) とする。
for ( x=N ;x>=1 ;x--)
{
j=N-x+i ;
if ( b >0 )
{
AC= MathAbs(Close[j]-(b*x+a))*MathSin(Pi/2-MathArctan(b));
}
if ( b<0 )
{
AC=MathAbs(Close[j]-(b*x+a))*MathSin(MathArctan(b)-Pi/2) ;
}
Deviation=Deviation+ MathPow(AC,2) ;
}
StdDeviation=MathSqrt(Deviation/N)。
return(StdDeviation*StdDev)
}

この式に従って推定すると、TSは回帰直線の傾き角度と擬似分散の2つのパラメータで記述され、0に近いほど良いことになる。