이것은 이론인가 실천인가? 연습하는 경우 "정상 모델은 최소 70% 정확도"에 대한 신호를 표시합니다. 당신에게는 이것이 표준입니다. 적어도 하나를 보여주고 커뮤니티가 동일한 목표를 향해 나아가도록 자극하십시오.
ZZ를 포기한 후의 내 연습은 나를 50% 무작위로 되돌려 놓았습니다. 글쎄, 때로는 55% - 그 중 5%가 스프레드에 의해 먹힐 것입니다.
관행. 나는 거래하지 않고 신호를 사용하지 않으며 누군가를 자극 할 동기가 없습니다. 상인은 상인에게 늑대입니다.
당신은 50-55%, 나는 70-95%, 하나는 Lada, 다른 하나는 Bentley, 사람들은 다릅니다 :)
또한 적절한 위험 관리를 통해 무작위로 수익을 낼 수 있는 50% 예측에서 풀백 전략은 방향 예측이 전혀 필요하지 않거나 변동성만 필요하거나 오히려 스프레드(ATR), 이상적으로는 추세 표시기 \flat, 방향 없음, 두 가지 상태 "추세 또는 평평함"이 있으며 변동성은 매우 잘 예측되며 추세\flat 상태는 더 나쁩니다. 그러나 또한 70% 이상입니다.
여기에서 상인은 상인입니다. 최소한 경험을 공유할 수 있으며 아무도 기성품 솔루션을 요구하지 않습니다. 그렇지 않으면 의사 소통의 목적이 무엇입니까
동의합니다. 거래자 대 상인이 아니라 연구원 대 연구원, 구별하는 것이 중요합니다. 우리는 동시에 연구원이자 거래자입니다. 확인되지 않은 아이디어, 막연한 통찰력이 생길 때 " 아이디어의 95%가 버튼 아코디언이나 자전거이기 때문에 공개적으로 소화" , 굴욕적인 고용인에게 팔릴 필요없이 그냥 살 수 있는 곳에서 적어도 그의 잔디 깎는 장치의 세부 사항에 대해 좌우로 이야기하려는 동기가 저절로 사라집니다.
개인적으로, 저는 그런 전리품 깎는 기계를 이미 여러 번 "찾았고" 잃어버렸기 때문에 제가 무슨 말을 하는지 압니다. 하지만 지금은 전리품 깎는 기계가 없었는지 의심되기 시작했고 롤백 전략에 있는 것처럼 보였습니다. 순전히 우연히 오랜 시간 동안 이익을 얻을 수 있습니다. 아마도 미래에 이에 대한 이론적 정당성이 나올 것입니다.
이반 네그레쉬니 : 그들은 닫히지 않을 수 있지만 귀중한 모피 동물처럼 사냥을 엽니다. 자바는 프로그래밍 도구이며, 이 지역에서 자신의 공예품으로 양을 방목하려는 거인을 위협하는 다중 플랫폼 패배이기 때문입니다. :)
네, 저는 왜 스스로 무언가를 만드는지 생각했습니다. 저는 두 변수의 인과 관계에 관심이 있습니다. 제 프로그램은 이미 Apache Lucene, JSOUP, JSON의 도움으로 문서의 그림에서 텍스트를 인식하는 방법을 알고 있습니다. Apache POI 등(이것은 그래픽 객체에서 인식된 정보가 인덱싱되는 정보 매트릭스(분산 데이터베이스에 저장)가 수반됨) 방법을 모를 경우 데이터를 변환할 사이트를 찾습니다. 인식할 수 있는 형식 또는 가능한 경우 원하는 형식으로 변환됩니다.
요점은 내가 바퀴를 재발명하고 싶지 않다는 것입니다... 두 가지 입력 변수(주식 데이터와 추세 표시기)를 사용하여 빠르게 학습할 수 있는 신경망을 찾기만 하면 됩니다.
(Java EE 개발 경력 약 5년, 이미 구현된 프로젝트가 많습니다).
나는 시장 거래 에 뉴런 을 연결 하려고 하지도 않습니다 . 이것은 현재로서는 필요하지 않으며 불가능할 가능성이 높으며, 지금까지 지속적으로 수익을 내는 신경망을 구현한 적이 한 번도 없었습니다.
내 주식 차트는 무작위가 아니며 매우 유익합니다(확인해야 함). 평평한 추세를 구별하는 방법을 배웠습니다.
50-60%는 무작위이고, 일반 모델은 최소 70%의 정확도이며, 아래의 모든 것은 결함이 있으며, 바람직하게는 80-90%이며 위험을 감수하고 작업합니다.
그러나 OOS에 대한 예측의 95% 정확도라도 실생활을 잃는 것을 막을 수는 없습니다. 시장은 시장이며 종종 변합니다.
이것은 이론인가 실천인가? 연습하는 경우 "정상 모델은 최소 70% 정확도"에 대한 신호를 표시합니다. 당신에게는 이것이 표준입니다. 적어도 하나를 보여주고 커뮤니티가 동일한 목표를 향해 나아가도록 자극하십시오.
ZZ를 포기한 후의 내 연습은 나를 50% 무작위로 되돌려 놓았습니다. 글쎄, 때로는 55% - 5%가 스프레드에 의해 먹힐 것입니다.이것은 이론인가 실천인가? 연습하는 경우 "정상 모델은 최소 70% 정확도"에 대한 신호를 표시합니다. 당신에게는 이것이 표준입니다. 적어도 하나를 보여주고 커뮤니티가 동일한 목표를 향해 나아가도록 자극하십시오.
ZZ를 포기한 후의 내 연습은 나를 50% 무작위로 되돌려 놓았습니다. 글쎄, 때로는 55% - 그 중 5%가 스프레드에 의해 먹힐 것입니다.관행. 나는 거래하지 않고 신호를 사용하지 않으며 누군가를 자극 할 동기가 없습니다. 상인은 상인에게 늑대입니다.
당신은 50-55%, 나는 70-95%, 하나는 Lada, 다른 하나는 Bentley, 사람들은 다릅니다 :)
또한 적절한 위험 관리를 통해 무작위로 수익을 낼 수 있는 50% 예측에서 풀백 전략은 방향 예측이 전혀 필요하지 않거나 변동성만 필요하거나 오히려 스프레드(ATR), 이상적으로는 추세 표시기 \flat, 방향 없음, 두 가지 상태 "추세 또는 평평함"이 있으며 변동성은 매우 잘 예측되며 추세\flat 상태는 더 나쁩니다. 그러나 또한 70% 이상입니다.
관행. 나는 거래하지 않고 신호를 사용하지 않으며 누군가를 자극 할 동기가 없습니다. 상인은 상인에게 늑대입니다.
당신은 50-55%, 나는 70-95%, 하나는 Lada, 다른 하나는 Bentley, 사람들은 다릅니다 :)
여기에서 상인은 상인입니다. 최소한 경험을 공유할 수 있으며 아무도 기성품 솔루션을 요구하지 않습니다. 그렇지 않으면 의사 소통의 목적이 무엇입니까
위의 demotivators는 일반적으로 그들이 추구하는 목적이 명확하지 않으며 더 깊이 파고 들기 시작하면 경험이 많지 않다는 것을 이해합니다.사람은 다릅니다 :)
아니, 다르지 않다
예를 들어 발라볼키는 다 똑같아
글쎄, 글쎄, 글쎄, 거래 모델과 좋은 모델을 찾는 모델이 그것과 어떤 관련이 있습니까? 아니면 내가 어떻게 든 기적적으로 ZZ를 거기에 배치하기로 결정 했습니까? 이것이 어떻게 수행 될 수 있는지 상상조차 할 수 없습니다 ...
아니면 내가 뭔가를 이해하지 못했을 수도 있습니다) 그냥 지그재그가 싫어
아니면 내가 뭔가를 이해하지 못했을 수도 있습니다) 그냥 지그재그가 싫어
귀하의 예와 기사로 판단하면 귀하의 작업은 완전히 다릅니다. 귀하가 관심 있는 교육 유형(숲, 로짓 등)을 선택하고 고문에게 배우고 거래하도록 하십시오.
ZigZag를 사용하는 경우 먼저 데이터 마이닝을 수행한 다음 ML을 처리해야 합니다. ZZ의 모든 상단과 하단이 동일한 정보를 전달해서는 안 됩니다. GZ 설정에 따라 막대의 눈금이 변경되고 크고 작은 레버리지 형태 패턴이 있는 GZ의 교대
IMHO, @Maxim Dmitrievsky 는 ML에 대한 작업을 단순화하고, 훈련하고 결과를 얻거나, 결과가 없으면 훈련 유형을 변경하고, 결과가 다시 없으면 데이터(예측자)가 정보를 전달하지 않습니다. ML용
귀하의 예와 기사로 판단하면 귀하의 작업은 완전히 다릅니다. 귀하가 관심 있는 교육 유형(숲, 로짓 등)을 선택하고 고문에게 배우고 거래하도록 하십시오.
ZigZag를 사용하는 경우 먼저 데이터 마이닝을 수행한 다음 ML을 처리해야 합니다. ZZ의 모든 상단과 하단이 동일한 정보를 전달해서는 안 됩니다. GZ 설정에 따라 막대의 눈금이 변경되고 크고 작은 레버리지 형태 패턴이 있는 GZ의 교대
IMHO, @Maxim Dmitrievsky 는 ML에 대한 작업을 단순화하고, 훈련하고 결과를 얻거나, 결과가 없으면 훈련 유형을 변경하고, 결과가 다시 없으면 데이터(예측자)가 정보를 전달하지 않습니다. ML용
결국, 어쨌든, 그것은 모두 옵션의 진부한 열거로 귀결됩니다.
첫 번째 상품과의 거래를 위한 고전적인 구현인 경우여기에서 상인은 상인입니다. 최소한 경험을 공유할 수 있으며 아무도 기성품 솔루션을 요구하지 않습니다. 그렇지 않으면 의사 소통의 목적이 무엇입니까
동의합니다. 거래자 대 상인이 아니라 연구원 대 연구원, 구별하는 것이 중요합니다. 우리는 동시에 연구원이자 거래자입니다. 확인되지 않은 아이디어, 막연한 통찰력이 생길 때 " 아이디어의 95%가 버튼 아코디언이나 자전거이기 때문에 공개적으로 소화" , 굴욕적인 고용인에게 팔릴 필요없이 그냥 살 수 있는 곳에서 적어도 그의 잔디 깎는 장치의 세부 사항에 대해 좌우로 이야기하려는 동기가 저절로 사라집니다.
개인적으로, 저는 그런 전리품 깎는 기계를 이미 여러 번 "찾았고" 잃어버렸기 때문에 제가 무슨 말을 하는지 압니다. 하지만 지금은 전리품 깎는 기계가 없었는지 의심되기 시작했고 롤백 전략에 있는 것처럼 보였습니다. 순전히 우연히 오랜 시간 동안 이익을 얻을 수 있습니다. 아마도 미래에 이에 대한 이론적 정당성이 나올 것입니다.
결국, 어쨌든, 그것은 모두 옵션의 진부한 열거로 귀결됩니다.
첫 번째 상품과의 거래를 위한 고전적인 구현인 경우예, 이것이 MO의 작업을 단순화하는 방법이라고 말하고 있습니다. 이제야 할 수 있습니다. 모든 것이 검색되고 모든 것이 작동합니다. MQL 개발 초기에 Yu, Reshetov의 예가 있었지만 기본 요소가 있습니다. , 하지만 )))
그들은 닫히지 않을 수 있지만 귀중한 모피 동물처럼 사냥을 엽니다. 자바는 프로그래밍 도구이며, 이 지역에서 자신의 공예품으로 양을 방목하려는 거인을 위협하는 다중 플랫폼 패배이기 때문입니다. :)
네, 저는 왜 스스로 무언가를 만드는지 생각했습니다. 저는 두 변수의 인과 관계에 관심이 있습니다. 제 프로그램은 이미 Apache Lucene, JSOUP, JSON의 도움으로 문서의 그림에서 텍스트를 인식하는 방법을 알고 있습니다. Apache POI 등(이것은 그래픽 객체에서 인식된 정보가 인덱싱되는 정보 매트릭스(분산 데이터베이스에 저장)가 수반됨) 방법을 모를 경우 데이터를 변환할 사이트를 찾습니다. 인식할 수 있는 형식 또는 가능한 경우 원하는 형식으로 변환됩니다.
요점은 내가 바퀴를 재발명하고 싶지 않다는 것입니다... 두 가지 입력 변수(주식 데이터와 추세 표시기)를 사용하여 빠르게 학습할 수 있는 신경망을 찾기만 하면 됩니다.
(Java EE 개발 경력 약 5년, 이미 구현된 프로젝트가 많습니다).
나는 시장 거래 에 뉴런 을 연결 하려고 하지도 않습니다 . 이것은 현재로서는 필요하지 않으며 불가능할 가능성이 높으며, 지금까지 지속적으로 수익을 내는 신경망을 구현한 적이 한 번도 없었습니다.
내 주식 차트는 무작위가 아니며 매우 유익합니다(확인해야 함). 평평한 추세를 구별하는 방법을 배웠습니다.
거래가 켜져 있습니다. 그러나 더 많은 효율성이 필요합니다.