MO는 항상 기성품의 의미있는 모델입니다. 때로는 너무 의미가 있어서 어떻게 작동하는지 바로 알 수 없습니다. 여기에 그라디언트 부스팅에 대한 기사가 있습니다. 예를 들면 https://habrahabr.ru/company/ods/blog/327250/ 기사, 설명 및 공식이 있지만 mql로 전송하려는 욕망을 구현할 수 없었습니다. 너무 어렵다.
요점은 약간 다른데, 의미가 아니라 협소한 전문화입니다. Arima, garch - 지표 및 TA 없이 가격으로 직접 작업합니다. 이를 위해 가격 계열을 고정 벡터로 바꾸는 알고리즘이 내장되어 있으며 이전 오류(MA 구성 요소)에 따라 예측을 수정하는 등의 미묘함도 있습니다. 그러나 동시에 다른(가격이 아닌) 데이터에는 쓸모가 없으며 이러한 모델은 예를 들어 사진을 분류할 수 없습니다.
훈련을 위해 가격의 시계열을 뉴런으로 전송하면 가격의 자기 상관, 계절 및 추세 구성 요소를 찾지 않으며 뉴런은 방법을 모릅니다. 그녀는 단순히 그녀에게 주어진 것을 기억할 것이며 테스트 또는 실제 거래 중 새로운 데이터에 대해 과거의 유사한 가격 벡터를 "기억"하고 이전과 같이 거래할 것이며 이는 Forex의 손실을 의미합니다. 뉴런은 가격을 예측하는 데 도움이 필요합니다. 먼저 Arima와 같이 자기 상관, 추세, 계절성을 결정할 수 있는 지표를 직접 찾고 이러한 지표의 값을 뉴런으로 전송할 수 있습니다. 그러면 그녀는 최소한 Arima와 Garch를 따라잡을 기회를 갖게 될 것입니다. 또한 중요한 것 - Arima는 시간을 고려하여 예측합니다. 이 모델은 가격이 나온 순서를 명확하게 기억하고 예측에 일종의 슬라이딩 윈도우를 사용하여 마지막 몇 개의 가격을 가져와 예측합니다. 가격이 어떤 순서로 왔는지에 대한 단서 없이 전체 훈련 테이블과 즉시 작동하는 뉴런과 달리.
나는 우리가 여기에서 몇 가지 유용한 일을 하고 있다고 생각했지만 어쨌든 모든 명백한 진실에 영향을 받지 않았습니다 )) 많은 사람들이 이 작업을 하고 있기 때문에 Arima가 시간을 고려하여 예측을 하고 실제 사례를 보여주도록 하십시오 ?! oops... arrival :) 이것은 grub과 같은 간단한 모델로, 그 중 두 번째 과정에서 전달됩니다. 대학, 불행히도 나는 인문학에서 공부했습니다 .. 그리고 거기에는 그런 것이 없습니다. 글쎄, 그들을위한 간단한 의미에서 .. 그 타워 중 2 개를 가지고있는 내 친구는 즉시 말했습니다 - n을 잊어 버리십시오 ...이 넌센스 :)
막심 드미트리예프스키 : 나는 우리가 여기에서 몇 가지 유용한 일을 하고 있다고 생각했지만 어쨌든 모든 명백한 진실에 영향을 받지 않았습니다 )) 많은 사람들이 이 작업을 하고 있기 때문에 Arima가 시간을 고려하여 예측을 하고 실제 사례를 보여주도록 하십시오 ?! oops... arrival :) 이것은 grub과 같은 간단한 모델로, 그 중 두 번째 과정에서 전달됩니다. 대학, 불행히도 나는 인문학을 공부했습니다 .. 거기에 그런 것은 없습니다
우리는 당신의 지식을 다른 세계에 일반화하지 않을 것입니다.
간행물로 판단하면 이것이 거래의 주류입니다. 그리고 grarch는 어린 시절에 grarch를 공부하고 단순한 것이 아니라 평생을 이어온 눈이 높은 전문가들이 사용합니다.
글쎄, 모델의 큰 복잡성으로 인해 하나의 개발은 더 이상 가능하지 않습니다. 물론, 즉. 더 이상 개인 거래에 관한 것이 아닙니다.
오케이입니다. 올바른 지적. 가끔 몇몇 프로젝트가 있긴 하지만, 추산해보면 5-6명의 프로그래머와 1년의 작업 + 자금이 있는 사람입니다. 그리고 프로젝터가 없습니다.))
개인 거래자는 덜 효과적이더라도 더 간단한 것이 필요합니다. 나는 이제 고전적인 전략(논리적 의미에서)과 MO를 한 병에 결합하는 것에 대해 생각하고 있습니다. 클래식 자체는 이미 많은 것을 해결하고 있으며, 이를 보완하고 MO에 추가 기능을 할당하면 결국 둘 다 단순화 될 수 있습니다. 실제로 이것이 MO의 기술 응용 프로그램에서 수행되는 방식입니다.
오케이입니다. 올바른 지적. 가끔 몇몇 프로젝트가 있긴 하지만, 추산해보면 5-6명의 프로그래머와 1년의 작업 + 자금이 있는 사람입니다. 그리고 프로젝터가 없습니다.))
개인 거래자는 덜 효과적이더라도 더 간단한 것이 필요합니다. 나는 이제 고전적인 전략(논리적 의미에서)과 MO를 한 병에 결합하는 것에 대해 생각하고 있습니다. 클래식 자체는 이미 많은 것을 해결하고 있으며, 이를 보완하고 MO에 추가 기능을 할당하면 결국 둘 다 단순화 될 수 있습니다. 실제로 이것이 MO의 기술 응용 프로그램에서 수행되는 방식입니다.
그러나 나는 여전히 작업을 결합하고 분배하는 방법을 잘 모릅니다.
지금까지 내 생각은 이렇습니다. 이 포럼의 모든 기사를 다시 읽었습니다. :)) 필요하다고 생각하는 것을 입력했습니다. 모든 종류의 변형을 다소 고정된 형태로, + 내 경험과 기술, 이제 밀어넣습니다. 분류기와 NS에 모두 넣고 어떤 일이 일어날지 살펴봅니다. + 유전 알고리즘 을 통한 매개변수 선택 . 뭐, 간단히 말해서 첫인상은 NS를 아무리 훈련시켜도 항상 재훈련을 해야 하기 때문에 수익성을 유지하면서 장기간에 걸쳐 안정성을 달성하는 것은 매우 어렵다는 것입니다. 단기적으로는 돈을 벌 수는 있지만 장기적으로 어떻게 보일지는 미지수다.
이제 초점은 적응형 지표의 방향에 있으며, 그 값은 ns ..에 채워져 ns를 재교육하지 않도록 하고 지표 자체는 변동성에 따라 재구축됩니다 .. 그러나 작업은 사소하지 않습니다. 같은 garch mb가 도움이 될 것이지만 지금은 xs
Hui Li is Principal Staff Scientist, Data Science at SAS. This resource is designed primarily for beginner to intermediate data scientists or analysts who are interested in identifying and applying machine learning algorithms to address the problems of their interest. A typical question asked by a beginner, when facing a wide variety of machine...
그것은 모두 정상인의 이해를 넘어서는 멋지고 과학적이지만 심리학과 인형이 지배하는 시장과는 아무 관련이 없습니다.
여러분, 자신을 속이고 고도로 지능적인 장난감을 발명하지 마십시오. 글쎄, 적어도 과학자를 플레이한다면 적어도 이것이 수학 및 엄격한 공식을 초월한 시장을 이해하지 못하고 슈팅 게임이나 경주와 같은 게임이라는 것을 깨달으십시오. .
왜 이 모든 것이 필요합니까? 예측은 필요없다고 반복해서 말했고, 그것 없이는 50/50을 만들 수 있습니다. 가장 중요한 것은 자금 관리와 강철의 신경입니다. 내부자 외에는 가격이 다음에 어디로 갈지 아무도 모르고 100도 모릅니다. %, 그들은 또한 위험을 감수하지만 강철 공과 깊은 지갑을 가지고 있으며 위험을 감수하는 방법은 알지만 신경망과 랜덤 포레스트 에 대해 알지 못하거나 "고기 ".
그것은 모두 정상인의 이해를 넘어서는 멋지고 과학적이지만 심리학과 인형이 지배하는 시장과는 아무 관련이 없습니다.
DC의 주요 시장 고기 인 "클리커"라고하는 거래자 범주가 있습니다. 당신은 그녀를 돈 관리와 강철의 신경과 같은 원시 범주로 취급하는 것 같습니다.
훌륭한 예는 Timofey Martynov입니다. 그는 여전히 자신의 자원에 대한 자신의 심리와 자위 행위를 억제하려고 노력하고 있습니다. :) Algo 거래자는 이에 대해 아무런 문제가 없으며 위험이 최소화되기 때문입니다. 그들은 심리학과 모든 종류의 인형 및 기타 쓰레기와 함께이 모든 넌센스를 오랫동안 통과했습니다.
MO는 항상 기성품의 의미있는 모델입니다. 때로는 너무 의미가 있어서 어떻게 작동하는지 바로 알 수 없습니다. 여기에 그라디언트 부스팅에 대한 기사가 있습니다. 예를 들면 https://habrahabr.ru/company/ods/blog/327250/ 기사, 설명 및 공식이 있지만 mql로 전송하려는 욕망을 구현할 수 없었습니다. 너무 어렵다.
요점은 약간 다른데, 의미가 아니라 협소한 전문화입니다.
Arima, garch - 지표 및 TA 없이 가격으로 직접 작업합니다. 이를 위해 가격 계열을 고정 벡터로 바꾸는 알고리즘이 내장되어 있으며 이전 오류(MA 구성 요소)에 따라 예측을 수정하는 등의 미묘함도 있습니다. 그러나 동시에 다른(가격이 아닌) 데이터에는 쓸모가 없으며 이러한 모델은 예를 들어 사진을 분류할 수 없습니다.
훈련을 위해 가격의 시계열을 뉴런으로 전송하면 가격의 자기 상관, 계절 및 추세 구성 요소를 찾지 않으며 뉴런은 방법을 모릅니다. 그녀는 단순히 그녀에게 주어진 것을 기억할 것이며 테스트 또는 실제 거래 중 새로운 데이터에 대해 과거의 유사한 가격 벡터를 "기억"하고 이전과 같이 거래할 것이며 이는 Forex의 손실을 의미합니다.
뉴런은 가격을 예측하는 데 도움이 필요합니다. 먼저 Arima와 같이 자기 상관, 추세, 계절성을 결정할 수 있는 지표를 직접 찾고 이러한 지표의 값을 뉴런으로 전송할 수 있습니다. 그러면 그녀는 최소한 Arima와 Garch를 따라잡을 기회를 갖게 될 것입니다.
또한 중요한 것 - Arima는 시간을 고려하여 예측합니다. 이 모델은 가격이 나온 순서를 명확하게 기억하고 예측에 일종의 슬라이딩 윈도우를 사용하여 마지막 몇 개의 가격을 가져와 예측합니다. 가격이 어떤 순서로 왔는지에 대한 단서 없이 전체 훈련 테이블과 즉시 작동하는 뉴런과 달리.
+100
나는 우리가 여기에서 몇 가지 유용한 일을 하고 있다고 생각했지만 어쨌든 모든 명백한 진실에 영향을 받지 않았습니다 )) 많은 사람들이 이 작업을 하고 있기 때문에 Arima가 시간을 고려하여 예측을 하고 실제 사례를 보여주도록 하십시오 ?! oops... arrival :) 이것은 grub과 같은 간단한 모델로, 그 중 두 번째 과정에서 전달됩니다. 대학, 불행히도 나는 인문학을 공부했습니다 .. 거기에 그런 것은 없습니다
우리는 당신의 지식을 다른 세계에 일반화하지 않을 것입니다.
간행물로 판단하면 이것이 거래의 주류입니다. 그리고 grarch는 어린 시절에 grarch를 공부하고 단순한 것이 아니라 평생을 이어온 눈이 높은 전문가들이 사용합니다.
우리는 당신의 지식을 다른 세계에 일반화하지 않을 것입니다.
간행물로 판단하면 이것이 거래의 주류입니다. 그리고 grarch는 어린 시절에 grarch를 공부하고 단순한 것이 아니라 평생을 이어온 눈이 높은 전문가들이 사용합니다.
내 지식은 이 분야의 초기 수준이 낮고 항상 간접적인 신호에 의존하며 친숙한 거래자도 많이 있습니다(바보와는 거리가 멀음)
글쎄, 모델의 큰 복잡성으로 인해 하나의 개발은 더 이상 가능하지 않습니다. 물론, 즉. 더 이상 개인 거래에 관한 것이 아닙니다.
글쎄, 모델의 큰 복잡성으로 인해 하나의 개발은 더 이상 가능하지 않습니다. 물론, 즉. 더 이상 개인 거래에 관한 것이 아닙니다.
오케이입니다. 올바른 지적. 가끔 몇몇 프로젝트가 있긴 하지만, 추산해보면 5-6명의 프로그래머와 1년의 작업 + 자금이 있는 사람입니다. 그리고 프로젝터가 없습니다.))
개인 거래자는 덜 효과적이더라도 더 간단한 것이 필요합니다. 나는 이제 고전적인 전략(논리적 의미에서)과 MO를 한 병에 결합하는 것에 대해 생각하고 있습니다. 클래식 자체는 이미 많은 것을 해결하고 있으며, 이를 보완하고 MO에 추가 기능을 할당하면 결국 둘 다 단순화 될 수 있습니다. 실제로 이것이 MO의 기술 응용 프로그램에서 수행되는 방식입니다.
그러나 나는 여전히 작업을 결합하고 분배하는 방법을 잘 모릅니다.
오케이입니다. 올바른 지적. 가끔 몇몇 프로젝트가 있긴 하지만, 추산해보면 5-6명의 프로그래머와 1년의 작업 + 자금이 있는 사람입니다. 그리고 프로젝터가 없습니다.))
개인 거래자는 덜 효과적이더라도 더 간단한 것이 필요합니다. 나는 이제 고전적인 전략(논리적 의미에서)과 MO를 한 병에 결합하는 것에 대해 생각하고 있습니다. 클래식 자체는 이미 많은 것을 해결하고 있으며, 이를 보완하고 MO에 추가 기능을 할당하면 결국 둘 다 단순화 될 수 있습니다. 실제로 이것이 MO의 기술 응용 프로그램에서 수행되는 방식입니다.
그러나 나는 여전히 작업을 결합하고 분배하는 방법을 잘 모릅니다.
지금까지 내 생각은 이렇습니다. 이 포럼의 모든 기사를 다시 읽었습니다. :)) 필요하다고 생각하는 것을 입력했습니다. 모든 종류의 변형을 다소 고정된 형태로, + 내 경험과 기술, 이제 밀어넣습니다. 분류기와 NS에 모두 넣고 어떤 일이 일어날지 살펴봅니다. + 유전 알고리즘 을 통한 매개변수 선택 . 뭐, 간단히 말해서 첫인상은 NS를 아무리 훈련시켜도 항상 재훈련을 해야 하기 때문에 수익성을 유지하면서 장기간에 걸쳐 안정성을 달성하는 것은 매우 어렵다는 것입니다. 단기적으로는 돈을 벌 수는 있지만 장기적으로 어떻게 보일지는 미지수다.
이제 초점은 적응형 지표의 방향에 있으며, 그 값은 ns ..에 채워져 ns를 재교육하지 않도록 하고 지표 자체는 변동성에 따라 재구축됩니다 .. 그러나 작업은 사소하지 않습니다. 같은 garch mb가 도움이 될 것이지만 지금은 xs
어떤 기계 학습 알고리즘을 사용해야 합니까?
어떤 기계 학습 알고리즘을 사용해야 합니까?
글쎄요, 분류의 경우 지원 벡터 방법과 Bayess 및 Random Forest가 가장 ... 빠르고 화를 내며 재훈련이 없습니다. 컨볼루션도 할 수 있습니다.
Microsoft에는 자체 랜덤 포레스트도 있습니다. 이름을 잊어버렸습니다... 멋지다고 합니다. 정글 메이킹이나 그런거
주식 예측:
https://gallery.cortanaintelligence.com/browse?s=stock
아리마:
https://gallery.cortanaintelligence.com/CustomModule/Train-Score-Timeseries-1
https://gallery.cortanaintelligence.com/Experiment/Time-Series-Forecasting-8
디플러닝:
https://gallery.cortanaintelligence.com/Experiment/Neural-Network-Convolution-and-pooling-deep-net-2
글쎄요, 분류의 경우 지원 벡터 방법과 Bayess 및 Random Forest가 가장 ... 빠르고 화를 내며 재훈련이 없습니다. 컨볼루션도 할 수 있습니다.
Microsoft에는 자체 랜덤 포레스트도 있습니다. 이름을 잊어버렸습니다... 멋지다고 합니다. 정글 메이킹이나 그런거
https://gallery.cortanaintelligence.com/browse?s=stock
아리마:
https://gallery.cortanaintelligence.com/CustomModule/Train-Score-Timeseries-1
https://gallery.cortanaintelligence.com/Experiment/Time-Series-Forecasting-8
그것은 모두 정상인의 이해를 넘어서는 멋지고 과학적이지만 심리학과 인형이 지배하는 시장과는 아무 관련이 없습니다.
여러분, 자신을 속이고 고도로 지능적인 장난감을 발명하지 마십시오. 글쎄, 적어도 과학자를 플레이한다면 적어도 이것이 수학 및 엄격한 공식을 초월한 시장을 이해하지 못하고 슈팅 게임이나 경주와 같은 게임이라는 것을 깨달으십시오. .
왜 이 모든 것이 필요합니까? 예측은 필요없다고 반복해서 말했고, 그것 없이는 50/50을 만들 수 있습니다. 가장 중요한 것은 자금 관리와 강철의 신경입니다. 내부자 외에는 가격이 다음에 어디로 갈지 아무도 모르고 100도 모릅니다. %, 그들은 또한 위험을 감수하지만 강철 공과 깊은 지갑을 가지고 있으며 위험을 감수하는 방법은 알지만 신경망과 랜덤 포레스트 에 대해 알지 못하거나 "고기 ".
그것은 모두 정상인의 이해를 넘어서는 멋지고 과학적이지만 심리학과 인형이 지배하는 시장과는 아무 관련이 없습니다.
DC의 주요 시장 고기 인 "클리커"라고하는 거래자 범주가 있습니다. 당신은 그녀를 돈 관리와 강철의 신경과 같은 원시 범주로 취급하는 것 같습니다.
훌륭한 예는 Timofey Martynov입니다. 그는 여전히 자신의 자원에 대한 자신의 심리와 자위 행위를 억제하려고 노력하고 있습니다. :) Algo 거래자는 이에 대해 아무런 문제가 없으며 위험이 최소화되기 때문입니다. 그들은 심리학과 모든 종류의 인형 및 기타 쓰레기와 함께이 모든 넌센스를 오랫동안 통과했습니다.