그러한 모델을 훈련하는 방법이 명확하지 않고 분류 오류에 대해 모든 방법이 날카로워지고 내 접근 방식에서 추측의 확률은 항상 기초 아래에 있을 것이므로 완전히 다른 방식으로 모델의 효율성을 평가해야 하지만 나는 방법을 모른다
그래서 당신은 한 달에 14퍼센트, 때로는 35퍼센트를 얻는다고 말합니다. 그런 다음 결과에 대한 거짓 겸손 없이 결과가 놀랍기 때문에 이해할 수 없는 것에 대해 더 이상 걱정하지 마십시오.
그러나 나는 시장을 나가기 위해 고정 스톱을 사용하지 않을 것입니다(우리가 알고 있듯이, 패턴은 시장에 진입하기 전후에 원하는 대로 확장되는 경향이 있습니다). 그러나 단순함을 위해 가끔 이렇게 했습니다. sl / tp = 1/3 정지로 종료하도록 가르쳤지만 OOS에서는 1/2 비율을 사용했습니다(뉴런에 확률을 부여하여 1/3이 사용된 경우에 발생하는 것보다 정답 수가 증가함). 또한, 내가 말했듯이, 가격이 미래에 SL 및 TP에 전혀 도달하지 않을 확률은 작지만 여전히 존재하기 때문에 시간 거래를 제한 할 필요가 있습니다. 훈련이 제대로 되지 않았다면 인생은 짧다고 말할 수 있을 뿐입니다.
어딘가에 모델이 훈련하는 동안 최소한 주어진 포인트 수의 움직임을 예측해야 한다는 아이디어가 있었습니다... 이것은 제 생각에는 매우 건전한 생각입니다...
나는 스스로 추가할 것입니다. 이동은 주어진 거래 수명 동안 해당 TF의 특정 순간에 대한 일반적인 변동성을 고려하여 주어진 포인트 수 이상입니다. 마지막으로 메쉬 작업을 한 것은 2년 전이었고, 이 방향으로 작업했습니다. 일반적으로 시장의 일부 확률적 특성이 명확하지 않기 때문에 그리드를 포기했습니다. 이제 내 머리 속에서 모든 것이 이 문제에 대해 어느 정도 해결되었으며 그리드를 계속 선택하는 것이 가치가 있을 수 있습니다....
TS에서 '머신 러닝' 방식의 역할은 최대한 최소화하고, 해마다 일관되게 반복되는 시장 요인을 전면에 내세워야 한다고 본다. 예를 들어, 이 스레드의 누군가가 거래일 중간에 변동성이 가장 높다는 지식을 사용합니까? - 거의 ....하지만 이것은 변하지 않는 시장의 확실한 특성입니다.
모두에게 알려진 또 하나의 관찰(불변의 사실)이 있지만 일반적으로 "기계공"에 의해 완고하게 무시됩니다. 낮은 시간대에서는 밤의 가격 행동이 낮과 크게 다릅니다.
그러나 이 차이는 H1보다 큰 기간에서 상쇄되며 이것이 많은 TS가 더 높은 기간에서 더 안정적인 결과를 보이는 이유입니다(촛대 가격 변동이 다소 균일하기 때문에)?
그러나 나는 더 많은 거래를 원합니다(커미션과 스프레드에 대한 불가피한 더 큰 손실에도 불구하고). 그래서 그들은 H1 아래의 TF로 내려갑니다. 하루 안에 "다른 가격 행동" 문제를 해결하는 두 가지 방법이 있습니다. 1). 또는 "밤"과 "낮"으로 차량의 분할, 2). 또는 하루 거래 시간을 제한합니다(예: 05:00에서 20:00까지). 일반적으로 나는 귀찮게하지 않고 두 번째 옵션으로 갔지만 이러한 간단한 시간 필터조차도 교육 및 후속 거래의 결과를 크게 향상시킵니다.
낮에 있는 "밤"의 경우 패턴 조합과 다른 IMHO 규칙이 있기 때문에 뉴런에 적절한 TS를 구축할 수 없었습니다. .... 정확히 어떤 큰 질문이지만 주요 질문은 다릅니다 - 채널 거래 및 채널 주제에 대한 유사한 변형과 같은 간단하고 복잡하지 않은 TS가 성공적으로 적용될 수 있다면 야간 시간(예측 변수, 공식화하기 어려운 규칙)에 그리드를 적용해야 합니까? 바로 이 밤의 시간들...
삼항 - 상호 배타적인 세 가지 상태를 취할 수 있음을 의미합니다. 다른 이름은 삼항입니다.
그리고 각각 이진인 3개의 출력이 있는 그리드는 8개의 상호 배타적인 상태를 생성할 수 있으며 이 중 3개만 삼항처럼 명확하게 해석됩니다. 그리고 나머지 5개 주는 어떻게 해석해야 할지 불분명한 상태인가요?
어떤 의미에서 나는 또한 삼항을 사용합니다. 세 가지 클래스가 있습니다. 위로, 아래로, 돌리지 않습니다. 그것들은 1, -1,0입니다.
원칙적으로이 접근 방식을 사용하면 고품질로 시장을 예측할 필요가 전혀 없으며 고품질 예측으로 인해 얻을 수 있는 것이 아니라 작은 중지와 더 큰 이익, 즉 위기 관리
이것은 시스템이 아니라 정류장이 있는 항목 생성기일 뿐입니다.
그러나 이 접근 방식의 슬픈 점은 모델을 훈련하는 방법이 명확하지 않다는 것입니다.
============================================
모델이 약하게 작동한다는 사실에도 불구하고, 가볍게 말해서 이것이 꾸준히 수익을 올리는 데 방해가되지 않고 월 14 %는 채플이 아니며 35 %는 본 적이 있습니다. 모두 모델이 학습하는 방식에 달려 있습니다.
======================================
10:1의 스톱/테이크 비율로 인한 수익은 매우 안정적이며 여기에는 위험 통제가 있습니다.
어떤 의미에서, 나는 또한 삼항을 사용합니다. 나는 세 가지 클래스가 있습니다 - 위로, 뒤집고 돌리지 않음, 그것들은 1, -1,0입니다.
원칙적으로이 접근 방식을 사용하면 고품질로 시장을 예측할 필요가 전혀 없으며 고품질 예측으로 인해 얻을 수 있는 것이 아니라 작은 중지와 더 큰 이익, 즉 위기 관리
이것은 시스템이 아니라 정류장이 있는 항목 생성기일 뿐입니다.
그러나 이 접근 방식의 슬픈 점은 모델을 훈련시키는 방법이 명확하지 않다는 것입니다.
===========================================
모델이 약하게 작동한다는 사실에도 불구하고, 가볍게 말해서 이것이 꾸준히 수익을 올리는 데 방해가되지 않고 월 14 %는 채플이 아니며 35 %는 본 적이 있습니다. 모두 모델이 학습하는 방식에 달려 있습니다.
=======================================
10:1의 스톱/테이크 비율로 인한 수익은 매우 안정적이며 여기에는 위험 통제가 있습니다.
너무 좋아요! 무슨 걱정이야?
그러한 모델을 훈련하는 방법이 명확하지 않고 분류 오류에 대해 모든 방법이 날카로워지고 내 접근 방식에서 추측의 확률은 항상 기초 아래에 있을 것이므로 완전히 다른 방식으로 모델의 효율성을 평가해야 하지만 나는 방법을 모른다
그러한 모델을 훈련하는 방법이 명확하지 않고 분류 오류에 대해 모든 방법이 날카로워지고 내 접근 방식에서 추측의 확률은 항상 기초 아래에 있을 것이므로 완전히 다른 방식으로 모델의 효율성을 평가해야 하지만 나는 방법을 모른다
그래서 당신은 한 달에 14퍼센트, 때로는 35퍼센트를 얻는다고 말합니다. 그런 다음 결과에 대한 거짓 겸손 없이 결과가 놀랍기 때문에 이해할 수 없는 것에 대해 더 이상 걱정하지 마십시오.
그러나 나는 시장을 나가기 위해 고정 스톱을 사용하지 않을 것입니다(우리가 알고 있듯이, 패턴은 시장에 진입하기 전후에 원하는 대로 확장되는 경향이 있습니다). 그러나 단순함을 위해 가끔 이렇게 했습니다. sl / tp = 1/3 정지로 종료하도록 가르쳤지만 OOS에서는 1/2 비율을 사용했습니다(뉴런에 확률을 부여하여 1/3이 사용된 경우에 발생하는 것보다 정답 수가 증가함). 또한, 내가 말했듯이, 가격이 미래에 SL 및 TP에 전혀 도달하지 않을 확률은 작지만 여전히 존재하기 때문에 시간 거래를 제한 할 필요가 있습니다. 훈련이 제대로 되지 않았다면 인생은 짧다고 말할 수 있을 뿐입니다.
어딘가에 모델이 훈련하는 동안 최소한 주어진 포인트 수의 움직임을 예측해야 한다는 아이디어가 있었습니다... 이것은 제 생각에는 매우 건전한 생각입니다...
나는 스스로 추가할 것입니다. 이동은 주어진 거래 수명 동안 해당 TF의 특정 순간에 대한 일반적인 변동성을 고려하여 주어진 포인트 수 이상입니다. 마지막으로 메쉬 작업을 한 것은 2년 전이었고, 이 방향으로 작업했습니다. 일반적으로 시장의 일부 확률적 특성이 명확하지 않기 때문에 그리드를 포기했습니다. 이제 내 머리 속에서 모든 것이 이 문제에 대해 어느 정도 해결되었으며 그리드를 계속 선택하는 것이 가치가 있을 수 있습니다....
TS에서 '머신 러닝' 방식의 역할은 최대한 최소화하고, 해마다 일관되게 반복되는 시장 요인을 전면에 내세워야 한다고 본다. 예를 들어, 이 스레드의 누군가가 거래일 중간에 변동성이 가장 높다는 지식을 사용합니까? - 거의 ....하지만 이것은 변하지 않는 시장의 확실한 특성입니다.
모두에게 알려진 또 하나의 관찰(불변의 사실)이 있지만 일반적으로 "기계공"에 의해 완고하게 무시됩니다. 낮은 시간대에서는 밤의 가격 행동이 낮과 크게 다릅니다.
그러나 이 차이는 H1보다 큰 기간에서 상쇄되며 이것이 많은 TS가 더 높은 기간에서 더 안정적인 결과를 보이는 이유입니다(촛대 가격 변동이 다소 균일하기 때문에)?
그러나 나는 더 많은 거래를 원합니다(커미션과 스프레드에 대한 불가피한 더 큰 손실에도 불구하고). 그래서 그들은 H1 아래의 TF로 내려갑니다. 하루 안에 "다른 가격 행동" 문제를 해결하는 두 가지 방법이 있습니다. 1). 또는 "밤"과 "낮"으로 차량의 분할, 2). 또는 하루 거래 시간을 제한합니다(예: 05:00에서 20:00까지). 일반적으로 나는 귀찮게하지 않고 두 번째 옵션으로 갔지만 이러한 간단한 시간 필터조차도 교육 및 후속 거래의 결과를 크게 향상시킵니다.
낮에 있는 "밤"의 경우 패턴 조합과 다른 IMHO 규칙이 있기 때문에 뉴런에 적절한 TS를 구축할 수 없었습니다. .... 정확히 어떤 큰 질문이지만 주요 질문은 다릅니다 - 채널 거래 및 채널 주제에 대한 유사한 변형과 같은 간단하고 복잡하지 않은 TS가 성공적으로 적용될 수 있다면 야간 시간(예측 변수, 공식화하기 어려운 규칙)에 그리드를 적용해야 합니까? 바로 이 밤의 시간들...
모두에게 알려진 또 하나의 관찰(불변의 사실)이 있지만 일반적으로 "기계공"에 의해 완고하게 무시됩니다. 낮은 시간대에서는 밤의 가격 행동이 낮과 크게 다릅니다. .
시간은 (다른 것들과 함께) 예측 변수로 포함되어야 합니다.
각 예측 변수를 해당 예측 변수 수(예: 예측 변수 24개당 시간 수)로 나눕니다. 예를 들어, 첫 번째 예측 변수는 오전 1시에 1을 갖고 나머지 위치에 대해 0을 갖습니다. 두 번째 시간은 1이고 나머지 위치는 0입니다.
그러한 예측자들의 예측 능력을 확인해보면, 그러한 인공 예측자들은 각각 다른 예측 능력을 가지고 있음을 알 수 있다. 예를 들어, 요일 은 수요일과 목요일입니다. 나머지 요일 = 소음이며 모델에서 제외해야 합니다.
우리는 매우 높은 품질의 예측 변수를 얻습니다.
시간은 (다른 것들과 함께) 예측 변수로 포함되어야 합니다.
각 예측 변수를 해당 예측 변수 수(예: 예측 변수 24개당 시간 수)로 나눕니다. 예를 들어, 첫 번째 예측 변수는 오전 1시에 1을 갖고 나머지 위치에 대해 0을 갖습니다. 두 번째 것은 두 번째 시간에 대해 1을 갖고 나머지 위치에 대해 0을 갖는 식입니다.
그러한 예측자들의 예측 능력을 확인해보면, 그러한 인공 예측자들은 각각 다른 예측 능력을 가지고 있음을 알 수 있다. 예를 들어, 요일 은 수요일과 목요일입니다. 나머지 요일 = 소음이며 모델에서 제외해야 합니다.
우리는 매우 높은 품질의 예측 변수를 얻습니다.
정확히. 거의. 시간을 23개의 이진 변수로 나누면 충분합니다...
그리고 일부 방법의 경우 이것이 필요하지 않습니다. 랜덤 포레스트는 이 cat 변수 자체를 처리합니다.
모두에게 알려진 또 하나의 관찰(불변의 사실)이 있지만 일반적으로 "기계공"에 의해 완고하게 무시됩니다. 낮은 시간대에서는 밤의 가격 행동이 낮과 크게 다릅니다.