트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 1731

새 코멘트
 
mytarmailS :

))) 이미 내 머리에 애벌레가 있습니다)))

당신은 또한 클러스터 할 수 있습니다, 나는 또한 그것을 시도했습니다, 당신은 두 세 개의 클러스터를 취할 수 있지만 이미 "차원의 저주"의 예는 거의 없습니다

조건부로. 1-e 2개의 매개변수 시간과 분, 품질 등급 및 클러스터 번호 1, -1(더 많은 작업을 수행할 수 있음)

첫 번째와 두 번째 매개변수는 아무거나(지표 값 등) 될 수 있으며 더 많을 수 있습니다.

이제 지표가 어느 정도 방향을 잡았으므로 어떤 전략을 적용해야 하는지 알 수 있습니다. 그리고 성공적인 시나리오와 함께 몇 년 동안 지속될 것입니다.

나는 당신의 접착제를 기반으로이 쓰레기를 썼습니다 

array([[ 0 .        ,   0 .        ,   0 .        ,   0 .        ],
       [ 1 .        ,   0 .        ,   0.92986122 ,   1 .        ],
       [ 1 .        ,   1 .        ,   0.95419784 ,   1 .        ],
       [ 1 .        ,   2 .        ,   0.9731913 ,   1 .        ],
       [ 1 .        ,   3 .        ,   0.97264694 ,   1 .        ],
       [ 1 .        ,   4 .        ,   0.98032991 ,   1 .        ],
       [ 1 .        ,   5 .        ,   0.98203827 ,   1 .        ],
       [ 1 .        ,   6 .        ,   0.98333045 ,   1 .        ],
       [ 1 .        ,   7 .        ,   0.98232576 ,   1 .        ],
       [ 1 .        ,   8 .        ,   0.98823056 ,   1 .        ],
       [ 1 .        ,   9 .        ,   0.98317076 ,   1 .        ],
       [ 1 .        , 10 .        ,   0.98527582 ,   1 .        ],
       [ 1 .        , 11 .        ,   0.987291   ,   1 .        ],
       [ 1 .        , 12 .        ,   0.98943567 ,   1 .        ],
       [ 1 .        , 13 .        ,   0.99061927 ,   1 .        ],
       [ 1 .        , 14 .        ,   0.9872359 ,   1 .        ],
       [ 1 .        , 15 .        ,   0.94690234 ,   1 .        ],
       [ 4 .        , 28 .        ,   0.91591829 ,   1 .        ],
       [ 6 .        , 53 .        ,   0.94231733 , - 1 .        ],
       [ 6 .        , 54 .        ,   0.96637643 , - 1 .        ],
       [ 6 .        , 55 .        ,   0.96666239 , - 1 .        ],
       [ 6 .        , 56 .        ,   0.95199225 , - 1 .        ],
       [ 6 .        , 57 .        ,   0.95831038 , - 1 .        ],
       [ 6 .        , 58 .        ,   0.94653855 , - 1 .        ],
       [ 6 .        , 59 .        ,   0.9116516 , - 1 .        ],
       [ 9 .        , 46 .        ,   0.923074   , - 1 .        ],
       [ 10 .        , 14 .        ,   0.90585037 , - 1 .        ],
       [ 10 .        , 16 .        ,   0.95169773 , - 1 .        ],
       [ 10 .        , 17 .        ,   0.9080574 , - 1 .        ],
       [ 14 .        , 18 .        ,   0.90075409 ,   1 .        ],
       [ 14 .        , 19 .        ,   0.90765833 ,   1 .        ],
       [ 14 .        , 37 .        ,   0.96135539 , - 1 .        ],
       [ 15 .        , 42 .        ,   0.90483235 , - 1 .        ],
       [ 16 .        , 56 .        ,   0.91497814 ,   1 .        ],
       [ 16 .        , 57 .        ,   0.90985375 ,   1 .        ],
       [ 16 .        , 58 .        ,   0.93030191 ,   1 .        ],
       [ 16 .        , 59 .        ,   0.92922849 ,   1 .        ],
       [ 17 .        ,   5 .        ,   0.90549604 ,   1 .        ],
       [ 19 .        ,   7 .        ,   0.90098716 , - 1 .        ],
       [ 19 .        , 27 .        ,   0.90270895 ,   1 .        ],
       [ 19 .        , 28 .        ,   0.93947857 ,   1 .        ],
       [ 19 .        , 29 .        ,   0.9510106 ,   1 .        ],
       [ 19 .        , 30 .        ,   0.91723467 ,   1 .        ],
       [ 19 .        , 31 .        ,   0.90860176 ,   1 .        ],
       [ 22 .        , 16 .        ,   0.93470451 ,   1 .        ],
       [ 22 .        , 17 .        ,   0.95897063 ,   1 .        ],
       [ 22 .        , 18 .        ,   0.95142488 ,   1 .        ],
       [ 22 .        , 19 .        ,   0.92506725 ,   1 .        ],
       [ 23 .        ,   2 .        ,   0.91332658 , - 1 .        ],
       [ 23 .        ,   4 .        ,   0.93817147 , - 1 .        ],
       [ 23 .        ,   5 .        ,   0.93106502 , - 1 .        ],
       [ 23 .        ,   6 .        ,   0.94499223 , - 1 .        ],
       [ 23 .        ,   7 .        ,   0.94141423 , - 1 .        ],
       [ 23 .        ,   8 .        ,   0.9345415 , - 1 .        ],
       [ 23 .        ,   9 .        ,   0.92676692 , - 1 .        ],
       [ 23 .        , 10 .        ,   0.94366438 , - 1 .        ],
       [ 23 .        , 11 .        ,   0.95591665 , - 1 .        ],
       [ 23 .        , 12 .        ,   0.96615139 , - 1 .        ],
       [ 23 .        , 13 .        ,   0.91352493 , - 1 .        ],
       [ 23 .        , 14 .        ,   0.93996186 , - 1 .        ],
       [ 23 .        , 31 .        ,   0.93285471 , - 1 .        ],
       [ 23 .        , 32 .        ,   0.97932234 , - 1 .        ],
       [ 23 .        , 33 .        ,   0.97729135 , - 1 .        ],
       [ 23 .        , 34 .        ,   0.9778504 , - 1 .        ],
       [ 23 .        , 35 .        ,   0.98064787 , - 1 .        ],
       [ 23 .        , 36 .        ,   0.97368438 , - 1 .        ],
       [ 23 .        , 37 .        ,   0.98026128 , - 1 .        ],
       [ 23 .        , 38 .        ,   0.97319506 , - 1 .        ],
       [ 23 .        , 39 .        ,   0.97524913 , - 1 .        ],
       [ 23 .        , 40 .        ,   0.98469859 , - 1 .        ],
       [ 23 .        , 41 .        ,   0.9807674 , - 1 .        ],
       [ 23 .        , 42 .        ,   0.97459257 , - 1 .        ],
       [ 23 .        , 43 .        ,   0.96603776 , - 1 .        ],
       [ 23 .        , 44 .        ,   0.94718308 , - 1 .        ],
       [ 23 .        , 45 .        ,   0.93970739 , - 1 .        ]])

방금 최고의 점수로 결과를 가져 왔지만 결합 할 수 있습니다.

이 위에 애벌레가 작동합니다(더 이상 필요하지 않지만).


 
로르샤흐 :

그 순간에 가격이 이와 같이 갔다면 지표가 매우 잘 작동할 수 있으며 기간은 거의 고정적입니다.


그러나 주요 메시지는 (예를 들어) 추세선 을 만들고 있으며 현재 막대의 다른 매개변수에 대해 거의 동일하며 현재 시리즈를 잘 설명하지만 미래에는 에 따라 다른 결과를 보여줍니다. 선택된 매개변수를 사용하여 CSSA를 활용하기 위해 시장이 주기적으로 유지되어야 한다는 신화를 깨뜨렸습니다. 문제는 최적화가 손으로가 아니라 번개 같은 속도로 이루어져야 한다는 것입니다. 첫째, 이것은 더 정확하게 할 수 있고 둘째, 짧은 수명으로 당신이 그것을 집어 들고 더 이상 필요하지 않을 때 기차는 떠났습니다. 그래서 이 원을 최대한 동그랗게 만드는 것이 좋겠다고 생각했습니다. 계산 이력이 0-250 bar로 크게 보이지는 않지만 계산 자체에 시간이 많이 걸리고 예측 빈도를 찾는 것이 항상 가능한 것은 아니라는 사실을 잊어버렸습니다. 예상하다.
 
막심 드미트리예프스키 :

조건부로. 1-e 2개의 매개변수 시간과 분, 품질 등급 및 클러스터 번호 1, -1(더 많은 작업을 수행할 수 있음)

클러스터링은 어떻습니까? 몇 시와 분처럼?

그리고 품질 평가란 무엇입니까?

아니면 제가 뭔가 잘못 이해한건가요????
 
막심 드미트리예프스키 :

이 전처리의 상단에 이미 애벌레를 사용할 수 있습니다. 그런 다음 누텔라로 몸을 닦고 샴페인을 부을 수 있습니다.

오 이 새끼 맥심, 내 생각이었어 :-)
 
mytarmailS :

클러스터링은 어떻습니까? 몇 시와 분처럼?

그리고 품질 평가란 무엇입니까?

아니면 제가 뭔가 잘못 이해한건가요????

수익률의 합을 붙임으로써 R^2가 측정항목입니다. 하락하면 -1, 1 증가

모든 시간과 분 중에서 그렇습니다. 그런 다음 동일한 클러스터를 접착할 수 있습니다.

예를 들어 시간과 분, 표시기 값으로 시도해야 합니다.

Z.Y. 매개변수가 많은 경우 완전한 검색이 아닌 유전학을 연결할 수 있습니다. 그러나 많은 매개변수가 나쁘다

 

사실 이것은 자동최적화 로 오래전부터 해보고 싶었던 기성거래 전략인데, 우리가 빠르고 확실하게 원을 그리며 가까운 미래의 관점에서 행동을 살펴보기 위해서는 최종 결론. 이 같은. 최소한 매시간 최적화할 수 있으며 여전히 기본 교육을 준수할 수 있습니다. 글쎄, 일반적으로이 문제에 대한 귀하의 관심이 거짓이 아니라면 기꺼이 테스트를 수행하고 최종 결론을 내릴 것입니다 !!!!!!


사실 이것은 네로셸이 성취되지 못한 채 남아 있던 어린 시절의 꿈입니다.

 
마이클 마르쿠카이테스 :

사실 이것은 자동 최적화로 오래전부터 시도해보고 싶었던 기성품 거래 전략입니다. 최종 결론을 내립니다. 이 같은. 최소한 매시간 최적화할 수 있으며 여전히 기본 교육을 준수할 수 있습니다. 글쎄, 일반적으로이 문제에 대한 귀하의 관심이 거짓이 아니라면 기꺼이 테스트를 수행하고 최종 결론을 내릴 것입니다 !!!!!!


사실 이것은 네로셸이 성취되지 못한 채 남아 있던 어린 시절의 꿈입니다.

그의 연구를 지지하는 유일한 증거와 가장 적절하고 일관성이 있는 것으로 내가 주의를 기울일 가치가 있는 유일한 빈도 분석. 예, 그리고 그것은 비즈니스입니다. 그의 생존 가능성의 경우, 작품은 단지 동화 일 것입니다. 네트워크를 사용하는 것이 아닙니다. 말 그대로 몇 번의 굴곡과 특히 문제 없이 짧은 마이크로 기간 동안 보장됩니다. 어쨌든 이것이 주파수 분석의 최대 가능성이라고 생각합니다.

문자 그대로 오랜 시간이 아닌 지금 여기에서 보장됩니다.

주파수 분석은 중장거리 주파수에 물고기가 없기 때문에 더 이상 할 수 없습니다. 여기서 Max는 더 이상 논쟁하지 않습니다.

 
마이클 마르쿠카이테스 :
오 이 새끼 맥심, 내 생각이었어 :-)
어느 것? 누텔라로 몸을 번지시겠습니까? 🤔
 
막심 드미트리예프스키 :
어느 것? 누텔라로 몸을 번지시겠습니까? 🤔
브라운 초콜릿으로 얼룩진 사람은 없습니다 :-)
 
막심 드미트리예프스키 :
어느 것? 누텔라로 몸을 번지시겠습니까? 🤔

))))

1...172417251726172717281729173017311732173317341735173617371738...3399
새 코멘트