랜덤 워크는 예측 속성이 없고 단순히 추세를 따르는 원시적 추세 시스템을 최적화하기 위한 대안 이력으로 사용될 수 있을 것 같습니다.
예를 들어, 3000년의 대체 역사를 생성하고 이러한 데이터에서 추세 로봇을 최적화하려면 새 데이터에서 얻은 매개변수를 사용하여 로봇이 마지막에 최적화된 것보다 실제 거래에서 더 잘 보여줄 것 같습니다. 실제 역사는 몇 년이지만 실험하지 않았기 때문에 이것은 나에게 거의 관심이 없습니다.
랜덤 워크는 예측 속성이 없고 단순히 추세를 따르는 원시적 추세 시스템을 최적화하기 위한 대안 이력으로 사용될 수 있을 것 같습니다.
예를 들어, 3000년의 대체 역사를 생성하고 이러한 데이터에서 추세 로봇을 최적화하려면 새 데이터에서 얻은 매개변수를 사용하여 로봇이 마지막에 최적화된 것보다 실제 거래에서 더 잘 보여줄 것 같습니다. 실제 역사는 몇 년이지만 실험하지 않았기 때문에 이것은 나에게 거의 관심이 없습니다.
이론적으로 균형은 martingale이 됩니다(Itô 확률 적분으로 표시될 수 있기 때문에). 즉, Random Walk와 완전히 유사하지는 않지만 기대치가 0인 속성은 그대로 유지됩니다. 따라서 재장착을 제외하고는 아무 것도 나오지 않을 것입니다.
아마도 작은 경향을 방황에 혼합하고 그것에 대한 민감성 측면에서 다른 시스템을 비교하는 것이 합리적일 것입니다. 사실, 이것은 몬테카를로 시뮬레이션의 변형이 될 것입니다. 여기에서 어떻게든 꾸짖었습니다)
실제 VR에서는 하루 중 특정 시간에 세션 시작과 관련된 변동성 증가가 반복적으로(24시간 동안) 관찰될 수 있습니다. 이것은 무작위의 경우가 아닙니다.
글쎄, 네, 그리고 비 거래 일이 있으며 돈을 버는 방법 또는 병합하지 않는 방법이 즉시 명확합니다. 주말에만 외환을하고 평일에는 잊어 버리십시오))
거래, 자동 거래 시스템 및 거래 전략 테스트에 관한 포럼
거래에서의 기계 학습: 이론 및 실습(거래 등)
알렉세이 니콜라예프 , 2018.07.22 11:00
생성된 시리즈와 실제 시리즈의 샘플링 증분 사이에 적합도 테스트(예: Kolmogorov-Smirnov)를 적용할 수 있습니다. 예를 들어, 실제 가격은 가우스 분포보다 더 두꺼운 꼬리와 더 날카로운 중심을 제공한다고 믿어집니다.
랜덤 워크는 예측 속성이 없고 단순히 추세를 따르는 원시적 추세 시스템을 최적화하기 위한 대안 이력으로 사용될 수 있을 것 같습니다.
예를 들어, 3000년의 대체 역사를 생성하고 이러한 데이터에서 추세 로봇을 최적화하려면 새 데이터에서 얻은 매개변수를 사용하여 로봇이 마지막에 최적화된 것보다 실제 거래에서 더 잘 보여줄 것 같습니다. 실제 역사는 몇 년이지만 실험하지 않았기 때문에 이것은 나에게 거의 관심이 없습니다.
우오!
아직도 찾고 있나요?
그러나 각각의 새로운 프로그램은 이전 프로그램보다 더 영광스러울 것입니다 ....
여기에서 나는 열띤 대화를 위해 고개를 숙입니다.
추신
어차피 사람이 더 똑똑해... 지표, 신경망 등보다 똑똑해.
밀도는 어떻게 계산합니까? 당신은 그것을 어떻게 고려 했습니까? 나도 이거 필요해
나는 값의 빽빽한 축적을 구름이라고 불렀고 더 나은 것을 이해하려고 노력했습니다. 구름의 시작, 중간 또는 끝에서 닫는 것, 어쨌든이 현상은 반등의 높은 위험에 대해 말했습니다. 밀도 자전거는 여기 에서 발명되었습니다.
랜덤 워크는 예측 속성이 없고 단순히 추세를 따르는 원시적 추세 시스템을 최적화하기 위한 대안 이력으로 사용될 수 있을 것 같습니다.
예를 들어, 3000년의 대체 역사를 생성하고 이러한 데이터에서 추세 로봇을 최적화하려면 새 데이터에서 얻은 매개변수를 사용하여 로봇이 마지막에 최적화된 것보다 실제 거래에서 더 잘 보여줄 것 같습니다. 실제 역사는 몇 년이지만 실험하지 않았기 때문에 이것은 나에게 거의 관심이 없습니다.
이론적으로 균형은 martingale이 됩니다(Itô 확률 적분으로 표시될 수 있기 때문에). 즉, Random Walk와 완전히 유사하지는 않지만 기대치가 0인 속성은 그대로 유지됩니다. 따라서 재장착을 제외하고는 아무 것도 나오지 않을 것입니다.
아마도 작은 경향을 방황에 혼합하고 그것에 대한 민감성 측면에서 다른 시스템을 비교하는 것이 합리적일 것입니다. 사실, 이것은 몬테카를로 시뮬레이션의 변형이 될 것입니다. 여기에서 어떻게든 꾸짖었습니다)
나는 값의 빽빽한 축적을 구름이라고 불렀고, 구름의 시작, 중간 또는 끝에서 닫는 것이 더 나은 것을 이해하려고 노력했습니다. 어쨌든이 현상은 반등의 높은 위험에 대해 말했습니다. 밀도 자전거는 여기 에서 발명되었습니다.
핵밀도 근사법 이 당신에게 적합하지 않습니까?
핵밀도 근사법 이 당신에게 적합하지 않습니까?
나는 한 눈으로 기사를 보았다. 이 방법은 클러스터의 개별 그룹을 감지하지 못하지만 필자는 감지합니다.
나는 한 눈으로 기사를 보았다. 이 방법은 클러스터의 개별 그룹을 감지하지 못하지만 필자는 감지합니다.
클러스터링에 대해 이야기하는 경우 밀도는 일반적으로 단일 모드 밀도(대부분 가우스)의 혼합으로 근사됩니다. 예를 들어 이와 같이 .
유저들로부터 화제가 되었는데, 진짜 시장을 의사 난수와 구별하려고 했던 것 같다. Dmitriy Skub 는 Hurst 지수 를 사용한 것 같다.
https://www.mql5.com/ru/forum/143224
Buddy))) 죄송합니다만 무작위로 생성된 행에 곡선을 그리고 그 위에 있는 일부 대상을 보면 최소한 허리 깊숙한 나무입니다 :)
글에 답글을 달기 전에 한번 읽어보시면 좋을 것 같습니다
밀도는 어떻게 계산합니까? 당신은 그것을 어떻게 고려 했습니까? 나도 이거 필요해그가 무작위라는 사실, 나는 이것을 이해했습니다. 나는 무작위 시리즈에서도 이러한 분석을 적용하고 의도한 목표를 볼 수 있다는 것을 보여주고 싶었습니다. 아니면 시리즈가 계속될 때 내 목표가 달성되지 않을 것이라고 생각합니까????
따라서 이러한 분석은 모든 rad에 적용할 수 있습니다. 가장 중요한 것은 이 시리즈가 시간이 지남에 따라 변한다는 것!!!!
레벨 형성에 대해. 가장 적합한 수준은 특정 가격의 볼륨 프로필 및 델타입니다. 그리고 이 두 가지 구성 요소만이 그것들을 형성하며, 제 경우처럼 양초와 같이 악명 높은 칠면조나 패턴이 아닙니다.
촛대 표시기는 매우 적합하지만 시장 프로필로 필터링되는 경우입니다. 즉, 촛대 패턴이 형성 영역에서 많은 양의 프로파일로 확인되는 경우입니다.
볼륨 프로필이 이전 수준인 경우 미래 수준은 주문서에 보류 주문 형태로 형성되며, 이는 나중에 "미결제약정"으로 간주됩니다. 그게 다 시장의 지혜입니다. 견적을 통계에 대한 비정상 시계열이 아닌 시장으로 생각하십시오. 그리고 모든 것이 작동하기 시작합니다...
좋은 차량이 없었다면 레벨을 더 잘 올릴 수 있었을 텐데. 그래서 ... 문제가 이미 해결되고 로봇이 스스로 거래하는 경우 강제로 무언가를 수행하기 어렵습니다 !!!