그러나 그것은 원칙의 포브로스입니다. 저는 전체 데이터 집합을 준비하면서 발생하는 숨겨진 엿보기 때문에 "모든 단계에서 가르치기"체계로 전환했습니다. 저는 바로 이 문제를 가지고 있으며, '미리 보기' 효과를 생성하는 예측 변수를 찾을 수 없었습니다.
훈련 섹션과 테스트 사이에 간격을 두세요. 적어도 며칠은요. 마지막 막대는 첫 번째 미지의 미래와 동일한 미래를 갖습니다. 엠바고 플롯은 일종의 호출입니다. 일단 훈련이 1 일로 줄어들고 테스트가 1 일이었습니다. 그리고 며칠 전에 마크 업에 대한 예측을 보았습니다. 즉, 새로운 막대가 무엇인지 보았습니다. 훈련 간격을 일주일까지 늘리면 결과도 50/50보다 높았습니다. 글쎄, 더 나빠질수록 엿보기가있는 선이 엿보기없는 선에 추가되어 모든 것을 망쳤습니다)))) .
제가 다시 사용하기로 결정한 스크립트를 만든 적이 있습니다.
샘플에서 실행했는데 오류가 발생했는데 어디서 오류를 찾아야 하는지, 어떻게 수정해야 하는지 알 수 없습니다. 이러한 라이브러리/패키지를 사용하시니 혹시 알고 계신가요?
바이너리 샘플에서는 모든 것이 정상적으로 작동했습니다.
오류 메시지는 상관관계 행렬에 정의되지 않은 값(NA)이 나타나서 findCorrelation 함수가 이를 사용할 수 없다고 말합니다. 패키지를 열고 함수 설명을 읽어보세요.
스크립트가 지저분하고 불필요한 중간 결과가 가득합니다. 아래는 수정된 스크립트입니다.
순서대로 설명합니다:
1. "캐럿" 패키지를 전역 스코프에 로드할 필요가 없습니다. 매우 무겁고 많은 종속성과 데이터를 가져옵니다. 이 패키지는 하나의 함수만 필요합니다. get.findCor 함수로 직접 가져오면 됩니다.
tidyft 패키지는 매우 빠른 데이터 프레임 조작 패키지입니다. 사용하세요.
제어를 위해 이 스크립트를 사용하여 키트에서 테스트했습니다. 결과:
꽤 긴 시간(12.9분)이 소요되었습니다. 하지만 프레임도 작지 않습니다. 물론 병렬화하여 더 빠른 cor 함수를 찾아야 합니다.
임계값이 다른 초기 21개의 예측자 중에서 다른 수의 예측자를 선택했습니다.
그러나 이것은 갈 길이 아닙니다.
행운을 빕니다.
sd의 가변성에 주의를 기울이지 않았습니다.
다음번에는 주의를 기울여 sd에서 sd를 sd에서 sd %로 계산하겠습니다.)
기능 창의 오프셋을 일부 지표(예: std)에 바인딩해도 아무 결과도 얻지 못했습니다.
값이 클수록 이 값의 오프셋 배수가 커집니다.
또는 그 반대의 경우도 마찬가지입니다. 둘 다 시도해 보았습니다.
확장 좁히기 (+ 오프셋?)의 변형도 있지만 아직 시도해 보지 않았습니다.
프랙탈의 프레임 워크 내에서 이러한 변형의 열거 만 볼 수 있습니다.
1. "캐럿" 패키지를 전역 범위에 로드할 필요가 없습니다. 매우 무겁고 많은 종속성과 데이터를 가져옵니다. 하나의 함수만 필요합니다. get.findCor 함수로 직접 가져오면 됩니다.
와우, 비어 있네요
블라디미르, 느린 "quantstrat"과 "SIT"를 제외하고 트랜잭션 로그와 모든 것을 보관하는 백테스트용 패키지가 있는지 알고 계신가요 (원시적인 것은 아니지만)?
기능 창의 오프셋을 일부 지표(예: std)에 바인딩해도 아무 결과도 얻지 못했습니다.
값이 클수록 이 값의 오프셋 배수가 커집니다.
또는 그 반대의 경우도 마찬가지입니다. 둘 다 시도해 보았습니다.
확장 좁히기 (+ 오프셋?) 옵션도 있지만 아직 시도해 보지 않았습니다.
프랙탈의 프레임 워크 내에서 이러한 변형의 오버 슈트 만 볼 수 있습니다.
물론이죠.
각 단계마다모든 것을 다시 계산해야 합니다.
물론입니다.
모든 단계에서 모든것을 다시 계산해야 합니다.
대규모 데이터 세트에서 레이블과 피처를 재계산하는 방법은 모든 막대를 재학습하는 것보다 훨씬 쉬우며, 오랜 시간이 걸립니다.
그리고 잦은 재학습을 통해 전 세계적으로 보면 어느 정도 일반적인 패턴을 파악할 수 있습니다. 물론 이 디자인이 쏟아지는 경우가 아니라면 말이죠.모든 막대를 다시 학습하는 것보다 대규모 데이터 세트에서 라벨과 칩을 다시 계산하는 방법을 검토하는 것이 더 쉽습니다.
전적으로 동의합니다. 이것이 제가 EA로 전환할 수 없는 이유입니다.
하지만 원칙의 문제입니다. 전체 데이터 세트의 준비로 인해 발생하는 숨겨진 앞보기 때문에 "모든 단계를 가르치는"계획으로 전환했습니다. 저는 바로 이 문제를 겪고 있으며, '미리 보기' 효과를 생성하는 예측 변수를 찾을 수 없었습니다.
전적으로 동의합니다. 이것이 EA로 가지 못하는 이유입니다.
그러나 그것은 원칙의 포브로스입니다. 저는 전체 데이터 집합을 준비하면서 발생하는 숨겨진 엿보기 때문에 "모든 단계에서 가르치기"체계로 전환했습니다. 저는 바로 이 문제를 가지고 있으며, '미리 보기' 효과를 생성하는 예측 변수를 찾을 수 없었습니다.
엠바고 플롯은 일종의 호출입니다.
일단 훈련이 1 일로 줄어들고 테스트가 1 일이었습니다. 그리고 며칠 전에 마크 업에 대한 예측을 보았습니다. 즉, 새로운 막대가 무엇인지 보았습니다.
훈련 간격을 일주일까지 늘리면 결과도 50/50보다 높았습니다. 글쎄, 더 나빠질수록 엿보기가있는 선이 엿보기없는 선에 추가되어 모든 것을 망쳤습니다))))
.
일반적 으로이 엠바고 플롯은 교사에게 엿보기 이상이어야합니다.
와, 정말 공허하네요.
블라디미르, 느린 "퀀트스트랫"과 "SIT"를 제외하고 트랜잭션 로그와 모든 것을 보관하는 백테스트 패키지가 있는지 알고 계신가요?
모르겠습니다. 나는 만나지 못했습니다