만일을 대비해 여러분에게 무엇을 해야 하는지 말씀드리지 않겠습니다. 오히려 좋은 결과를 제공하지만 전문가 조언자의 형태로 제대로 구현되지 않은 알고리즘이있을 경우 제가 직접 어떻게 할 것인지 큰 소리로 생각하고 있습니다 (항상이 옵션을 피하려고 노력하지만). 아마도 구현하기 쉬운 알고리즘을 사용하여 비슷한 결과를 얻으려고 노력할 것입니다. 무엇보다도 알고리즘이 정확히 무엇을 잘하는지에 대한 분석을 얻을 것입니다.
KNN으로 시작해서 비슷한 결과가 나온다면 일반적인 예측자 집합을 잘 선택하는 문제입니다. 결과가 훨씬 나쁘다면 각 시점에서 예측자의 하위 집합을 선택하는 문제일 수도 있습니다. 이 가설을 테스트하기 위해 지역 회귀(LOESS와 같은 것)를 사용하려고 하는데, 회귀를 사용하면 이미 예측자의 중요도를 비교할 수 있기 때문입니다. 추가 단계는 이미 분석 결과를 기반으로 합니다. 그런데 mql5에 행렬이 등장하면서 선형 회귀를 직접 구현하기가 쉬워졌습니다.
안전을 위해 여러분에게 무엇을 해야 하는지 알려드리지는 않겠습니다. 오히려 좋은 결과를 제공하지만 제대로 구현되지 않은 알고리즘이 있을 경우 제가 직접 어떻게 할 것인지 큰 소리로 생각하고 있습니다(이 옵션은 항상 피하려고 노력하지만). 아마도 구현하기 쉬운 알고리즘을 사용하여 비슷한 결과를 얻으려고 노력할 것입니다. 무엇보다도 알고리즘이 정확히 무엇을 잘하는지에 대한 분석을 얻을 수 있습니다.
KNN으로 시작해서 비슷한 결과가 나온다면 일반적인 예측자 집합을 잘 선택하는 문제입니다. 결과가 훨씬 더 나쁘다면 매 순간마다 예측자의 하위 집합을 선택하는 문제일 수 있습니다. 이 가설을 테스트하기 위해 지역 회귀(LOESS와 같은 것)를 사용하려고 하는데, 회귀를 사용하면 이미 예측 변수의 중요도를 비교할 수 있기 때문입니다. 추가 단계는 이미 분석 결과를 기반으로 합니다. 그런데 mql5에 행렬이 등장하면서 선형 회귀를 직접 구현하기가 쉬워졌습니다.
말하기는 재미 있지만 행렬 평활화의 모든 변형은 LOESS를 포함하여 예측 능력이 없습니다.
웃기는 말이지만, 매쉬 스무딩의 어떤 변형도 예측력이 없으며, 황토를 포함하여 시도했습니다.
일반적으로 재미 있거나 유익하지 않습니다. 또한 평균화를 포기했지만 내 연구의 범위가 작고 공식화되지 않았으며 구체적이지 않다는 것을 알고 있습니다. 오래된 연구에서 구체성을 얻을 수는 없지만 적어도 이해를 위해 공식화 된 방식으로 설명 할 수 있습니다. 어떤 평균을, 어떤 범위에서, 어떤 기간에 조사했는지.
내 데이터는 18~20년, 매시 3, 14, 60, 120으로 모든 TF 4개, 일부 BB에 대해 조사했습니다. TF 1 시간에서 최상의 결과, 심지어 퍼짐 배수. 수동으로 매개변수 선택.
원하는 결과를 얻을 수 없는 일을 하는 것이 무슨 의미가 있는지 모르겠습니다.
만일을 대비해 여러분에게 무엇을 해야 하는지 말씀드리지 않겠습니다. 오히려 좋은 결과를 제공하지만 전문가 조언자의 형태로 제대로 구현되지 않은 알고리즘이있을 경우 제가 직접 어떻게 할 것인지 큰 소리로 생각하고 있습니다 (항상이 옵션을 피하려고 노력하지만). 아마도 구현하기 쉬운 알고리즘을 사용하여 비슷한 결과를 얻으려고 노력할 것입니다. 무엇보다도 알고리즘이 정확히 무엇을 잘하는지에 대한 분석을 얻을 것입니다.
KNN으로 시작해서 비슷한 결과가 나온다면 일반적인 예측자 집합을 잘 선택하는 문제입니다. 결과가 훨씬 나쁘다면 각 시점에서 예측자의 하위 집합을 선택하는 문제일 수도 있습니다. 이 가설을 테스트하기 위해 지역 회귀(LOESS와 같은 것)를 사용하려고 하는데, 회귀를 사용하면 이미 예측자의 중요도를 비교할 수 있기 때문입니다. 추가 단계는 이미 분석 결과를 기반으로 합니다. 그런데 mql5에 행렬이 등장하면서 선형 회귀를 직접 구현하기가 쉬워졌습니다.
정답입니다. 선험적 가정이 없기 때문에 두 번째 유형이 사용됩니다. 산치는 어떻게 보는지 궁금합니다.
제가 보기에는 각 클래스가 가우스 분포에 의해 주어지며 비고정성으로 인해 시간이 지남에 따라 점진적으로 변화한다는 선험적 가정이 있습니다. 이러한 가정이 없다면 마하라노비스 거리 접근법을 사용하는 것은 의미가 없습니다.
개인적으로는 이러한 가정이 모든 시간 간격의 모든 상품에 적용되기에는 너무 강하다고 생각합니다.
안전을 위해 여러분에게 무엇을 해야 하는지 알려드리지는 않겠습니다. 오히려 좋은 결과를 제공하지만 제대로 구현되지 않은 알고리즘이 있을 경우 제가 직접 어떻게 할 것인지 큰 소리로 생각하고 있습니다(이 옵션은 항상 피하려고 노력하지만). 아마도 구현하기 쉬운 알고리즘을 사용하여 비슷한 결과를 얻으려고 노력할 것입니다. 무엇보다도 알고리즘이 정확히 무엇을 잘하는지에 대한 분석을 얻을 수 있습니다.
KNN으로 시작해서 비슷한 결과가 나온다면 일반적인 예측자 집합을 잘 선택하는 문제입니다. 결과가 훨씬 더 나쁘다면 매 순간마다 예측자의 하위 집합을 선택하는 문제일 수 있습니다. 이 가설을 테스트하기 위해 지역 회귀(LOESS와 같은 것)를 사용하려고 하는데, 회귀를 사용하면 이미 예측 변수의 중요도를 비교할 수 있기 때문입니다. 추가 단계는 이미 분석 결과를 기반으로 합니다. 그런데 mql5에 행렬이 등장하면서 선형 회귀를 직접 구현하기가 쉬워졌습니다.
말하기는 재미 있지만 행렬 평활화의 모든 변형은 LOESS를 포함하여 예측 능력이 없습니다.
웃기는 말이지만, 매쉬 스무딩의 어떤 변형도 예측력이 없으며, 황토를 포함하여 시도했습니다.
일반적으로 재미 있거나 유익하지 않습니다. 또한 평균화를 포기했지만 내 연구의 범위가 작고 공식화되지 않았으며 구체적이지 않다는 것을 알고 있습니다. 오래된 연구에서 구체성을 얻을 수는 없지만 적어도 이해를 위해 공식화 된 방식으로 설명 할 수 있습니다. 어떤 평균을, 어떤 범위에서, 어떤 기간에 조사했는지.
내 데이터는 18~20년, 매시 3, 14, 60, 120으로 모든 TF 4개, 일부 BB에 대해 조사했습니다. TF 1 시간에서 최상의 결과, 심지어 퍼짐 배수. 수동으로 매개변수 선택.
웃기는 말이지만, 매쉬 스무딩의 어떤 변형도 예측력이 없으며, 황토를 포함하여 시도했습니다.
MA는 본질적으로 예측력이 없습니다. 매트릭스라고 해도 그것에 관한 것이 아닙니다(여기서 정확히 원하는 것은 가격 벡터에 N차원 행렬을 곱하여 수익을 얻는 것입니다. 모든 소란은 행렬 준비 및 수정에 관한 것입니다).
일반적으로 매우 중요한 것은 "T 시간 전의 가격을 유효한 것으로 간주할 것인가"에 관한 것입니다. 이미 살아온 것의 높이에서 T 시간 전에는 무엇이 었습니까? 그것은 역사에 대한 어느 정도 해석(이해)에 관한 것입니다.
classDist 사용
1) classDist가 약 1 일 때, 즉 알고리즘의 관점에서 양호한 상태에 대한 필터링을 통해 모델을 훈련 / 재 훈련합니다.
2) 전체 샘플에 대한 기능으로 classDist를 피드합니다.
3) 다른 상태에 대한 필터링
4) 간단한 훈련과 지속적인 재교육을 시도했습니다.
모든 경우에 예측력은 확률 적보다 낫지 않으며 거의 무작위입니다....
따라서 진술의 현실에 대한 질문이 있습니다.
MA는 본질적으로 예측 능력이 없습니다. 행렬이라 하더라도 그것에 관한 것이 아닙니다(여기서 정확히 원하는 것은 이익을 얻기 위해 가격 벡터에 N차원 행렬을 곱하는 것입니다. 모든 소란은 행렬 준비 및 수정에 관한 것입니다).
일반적으로 매우 중요한 것은 "T 시간 전에 유효한 가격으로 간주할 가격"에 관한 것입니다. 이미 살아온 것의 높이에서 T 시간 전에는 무엇이 었습니까? 그것은 역사에 대한 어느 정도 해석(이해)에 관한 것입니다.
고전에 따르면 가장 큰 예측 능력은 현재와 가까운 가격 / 수준 / 무엇이든간에 가장 큰 예측 능력으로 표현됩니다. 우리는 그러한 TS를 시도하고 솔직히 약한 결과를 봅니다. 이것은 마쉬키의 잘못이 아닙니다.
실제로 이것은 존중되지 않으며 현재 가격은 먼 변화의 영향을받을 수 있으며 가까운 가격은 혼란 스러울 수 있습니다.
그렇기 때문에 엔트로피 기사에서와 같이 때로는 좋아 보이지만 슬라이딩 창에서 재교육을 믿지 않습니다.
역사에서 지연된 효과로 미래에 영향을 준 기준점을 파악하는 것은 흥미롭습니다. 이것은 슬라이딩 창을 포함하여 독창적인 접근 방식으로 수행할 수 있습니다.
필요한 경우 더 자세히 설명해 드릴 수 있습니다. 일반적으로 고정되지 않고 떠다니거나 움직이는 창처럼 보일 수 있습니다. 시퀀스 처리를위한 최신 알고리즘은 거의 동일한 원리로 작동합니다. 그러나 포럼의 경우 고려하지 않는 고유 한 세부 사항이 있습니다.
구체적인 사항을 파악하려면 프랙탈과 그 속성에 대해 조금 더 이론적으로 알아볼 필요가 있습니다. 예를 들어, 시계열을 프랙탈이라고 생각하면 기준이 되는 무언가가 있을 것입니다.
그러면 레벨/패턴 등이 실제 의미를 갖게 되고 알려진 속성을 가진 시스템에 대한 특정 설명을 나타냅니다. 그런 다음 모든 것을 하나의 이론과 공통된 이해에 넣을 수 있습니다.
분수 미분을 포함하여 그 방향으로 나아가기 위한 다양한 시도가 있습니다. 하지만 더 명확하고 강력한 무언가가 필요합니다.
제 생각에 경제물리학은 어딘가 잘못된 방향으로 나아가고 있는데, 어쩌면 제가 완전히 이해하지 못하고 있는지도 모르겠습니다. 공식은 많고 의미는 거의 없습니다.
생각해 보세요.
일반적으로 가장 큰 예측 능력은 현재 가격에 가까운 가격/레벨/무엇으로 표현됩니다. 우리는 그러한 TS를 시도하고 솔직히 약한 결과를 봅니다. 마쉬키는 여기에 책임이 없습니다.
실제로는 관찰되지 않고 현재 가격은 먼 변화의 영향을받을 수 있으며 가장 가까운 가격은 방향을 잃을 수 있습니다.
그렇기 때문에 엔트로피에 대한 기사에서와 같이 때로는 좋아 보이지만 슬라이딩 창에서 재교육을 믿지 않습니다.
역사에서 지연 효과로 미래에 영향을 준 기준점을 식별하는 것은 흥미 롭습니다. 이는 슬라이딩 윈도우에서도 독창적인 접근 방식으로 수행할 수 있습니다.
필요한 경우 더 자세히 설명해 드릴 수 있습니다. 일반적으로 고정되지 않고 떠다니거나 움직이는 창처럼 보일 수 있습니다. 시퀀스 처리를 위한 최신 알고리즘은 거의 동일한 원리로 작동합니다. 그러나 포럼의 경우 고려하지 않는 고유 한 세부 사항이 있습니다.
구체적인 사항을 파악하려면 프랙탈과 그 속성에 대해 조금 더 이론화할 필요가 있습니다. 예를 들어, 시계열을 프랙탈이라고 생각하면 의지할 수 있는 무언가가 있을 것입니다.
생각해 보세요.
프랙탈이 주는 것은 무엇일까요?
역사에서 지연된 효과로 미래에 영향을 미치는 기준점을 식별하는 것은 흥미롭습니다. 이는 슬라이딩 창에서도 독창적인 접근 방식으로 수행할 수 있습니다.
그리고 여기서 그는 "이벤트"라는 개념을 "레퍼토리 포인트"로 바꾸고 십일 전에 그것에 대해 듣지 않은 것처럼 가장 할 것입니다.... 네.
일반적으로 가장 큰 예측 능력은 현재 가격에 가까운 가격/레벨/무엇으로 표현됩니다. 우리는 그러한 TS를 시도하고 솔직히 약한 결과를 봅니다. 마쉬키는 여기에 책임이 없습니다.
실제로는 관찰되지 않고 현재 가격은 먼 변화의 영향을받을 수 있으며 가장 가까운 가격은 방향을 잃을 수 있습니다.
그렇기 때문에 엔트로피에 대한 기사에서와 같이 때로는 좋아 보이지만 슬라이딩 창에서 재교육을 믿지 않습니다.
역사에서 지연 효과로 미래에 영향을 준기준점을 식별하는 것은 흥미 롭습니다. 이것은 슬라이딩 윈도우에서도 독창적인 접근 방식으로 할 수 있습니다.
필요한 경우 더 자세히 설명해 드릴 수 있습니다. 일반적으로 고정되지 않고 떠다니거나 움직이는 창처럼 보일 수 있습니다. 시퀀스 처리를 위한 최신 알고리즘은 거의 동일한 원리로 작동합니다. 그러나 포럼의 경우 고려하지 않는 고유 한 세부 사항이 있습니다.
구체적인 사항을 파악하려면 프랙탈과 그 속성에 대해 조금 더 이론적으로 알아볼 필요가 있습니다. 예를 들어, 시계열을 프랙탈이라고 생각하면 의지할 수 있는 무언가가 있을 것입니다.
프랙탈 미분 등 그 방향으로 나아가기 위한 다양한 시도가 있습니다. 하지만 좀 더 명확하고 강력한 무언가가 필요합니다.
제 생각에는 경제물리학이 어딘가 잘못된 방향으로 나아가고 있는 것 같고, 어쩌면 제가 완전히 이해하지 못하고 있는지도 모릅니다. 공식은 많고 의미는 거의 없습니다.
생각해 보세요.
고전적 SB를 넘어서는 역사의 지점들은 특별히 주목할 만한 가치가 있습니다.