트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 3182 1...317531763177317831793180318131823183318431853186318731883189...3399 새 코멘트 fxsaber 2023.08.18 22:50 #31811 fxsaber #:감사합니다, MathRand 증분을 사용해 보겠습니다. 알렉세이 니콜라예프 #: 가장 보편적인 것은 아마도 몬테카를로일 것입니다. 흥미로운 랜덤 세대가 있는 것 같습니다. double GetAvgPrice( const MqlTick &Tick ) { return((Tick.bid + Tick.ask) / 2); } void SetAvgPrice( MqlTick &Tick, const double Price ) { const double Spread = (Tick.ask - Tick.bid) / 2; Tick.bid = NormalizeDouble(Price - Spread, 8); Tick.ask = NormalizeDouble(Price + Spread, 8); return; } // Случайный знак приращения средней цены. bool RandomPrice( MqlTick &Ticks[] ) { const int Size = ArraySize(Ticks) - 1; if (Size > 0) { Print("Random price..."); MqlTick PrevTick = Ticks[Size]; double PrevPrice = GetAvgPrice(PrevTick); MathSrand((int)TimeLocal()); for (uint i = Size; (bool)i--;) { const double Diff = GetAvgPrice(PrevTick) - GetAvgPrice(Ticks[i]); PrevTick = Ticks[i]; SetAvgPrice(Ticks[i], PrevPrice += !(MathRand() & 1) ? Diff : -Diff); } } return(Size >= 0); } 위쪽은 실제 기호이고 아래쪽은 무작위입니다. 랜덤 프라이스는 반복적으로 적용할 수 있습니다. 스프레드와 시간이 보존됩니다. 로그를 통해 수행하는 것이 맞지만 신경 쓰지 않았습니다. 이를 개선하면 몬테카를로가 필요한 통계적 특성을 가진 랜덤 심볼을 생성하는 데 가장 적합한 옵션이 될 수 있습니다. fxsaber 2023.08.18 23:11 #31812 fxsaber #:를 사용하는 것이 원하는 통계적 특성을 가진 무작위 기호를 생성하는 데 가장 좋은 옵션일 것입니다. 동일한 세트로 이가 테스트합니다. 상단 - 실제, 하단 - 무작위. 실패. fxsaber 2023.08.18 23:28 #31813 트레이딩, 자동매매 시스템 및 트레이딩 전략 테스트에 관한 포럼 트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 mytarmailS, 2023.08.17 08:42 AM "하지 않는" 두 번째 단계 )) 차이점은 무엇일까요? 차이점은 최적화 결과에서 아무것도 찾지 않는다는 것입니다. 즉, 처음 5개의 최적화 결과는 이전에 OOS에서 실행된 적이 없습니다. fxsaber 2023.08.18 23:32 #31814 트레이딩, 자동매매 시스템 및 트레이딩 전략 테스트 포럼 트레이딩의 머신러닝: 이론, 모델, 실전 및 알고 트레이딩 발레리 야스트렘스키, 2023.08.17 10:44 AM 오탐과 음성의 확률이 줄어든다는 것은 논리적으로 보이지만 오류에 대한 만병통치약은 아닙니다. (train+test)_optim보다 train_optim + test_forward 모델을 더 신뢰해야 한다고 생각하시나요? Aleksey Vyazmikin 2023.08.18 23:38 #31815 Aleksey Vyazmikin #:오류 없습니다. 오류 없습니다. 오류 없습니다. 다른 샘플(47%의 단위와 5배 적은 예제)을 채취했는데, 몇 번의 통과 후 이미 많은 양자 세그먼트를 발견했다고 말할 수 있습니다. 제가 주목한 또 다른 사항은 초기 목표와 생성 된 목표의 유사성입니다. 49 % 유사합니다. 여기에 임계 값을 설정해야 할 수도 있습니다 (유사성이 30 % 이하)? 어떤 생각 있으신가요? 일치하는 항목이 "-1"이면 일치하는 항목이 없으면 "+1"이면 그런 균형을 얻었습니다. 많은 트렌드가 있는데 어떻게 생각하시나요? 원시 아이디어 전역 초기화 실패!!!!!!! 엘리트 지표 :) fxsaber 2023.08.19 02:47 #31816 fxsaber #:위쪽은 실제, 아래쪽은 무작위입니다. 실제 심볼과 생성된 심볼에 동일한 설정으로 최적화를 수행했습니다. Real. Random. 랜덤에 대해 훈련되지 않았습니다. Maxim Dmitrievsky 2023.08.19 05:07 #31817 fxsaber #:실제 캐릭터와 생성된 캐릭터에 대해 동일한 설정으로 최적화를 수행했습니다. 실제. Random. 랜덤에 대해 훈련되지 않았습니다. 무작위 심볼은 몇 번 생성되었나요?) 당연히 시퀀스가 길수록 작업하기 위해 더 많은 횟수를 생성해야 합니다. mytarmailS 2023.08.19 05:42 #31818 fxsaber #: 차이점은 최적화 결과에서 아무것도 검색되지 않는다는 것입니다. 즉, 처음 5개의 최적화 결과는 이전에 OOS에서 실행된 적이 없습니다. 어떻게 설명해야 할지 모르겠습니다.테스트에서 최적화 후 OOS에서 더 나은 변형을 "손으로"선택했는데 적합하지 않습니다....그리고 최적화 후 알고리즘이 OOS에서 가장 적합한 변형을 선택하면 이미 적합한 것입니다... 왜 그럴까요?전체 옵션 세트에서 최상의 옵션 / 변형을 선택하는 것이 최적화입니다.... 수작업으로 하든 알고리즘으로 하든 상관 없습니다.아마도 MT에서 테스터와 함께 일하면서 최적화 자체와 적용 방법에 대해 약간 공식적으로 생각했기 때문에 몇 가지 오해가있을 수 있습니다. mytarmailS 2023.08.19 05:43 #31819 fxsaber #:실제 캐릭터와 생성된 캐릭터에 대해 동일한 설정으로 최적화를 수행했습니다. 실제. Random. 랜덤에 대해 학습되지 않았습니다. 랜덤이 가격 특성과 일치하나요? 평균, 표준편차, 공분산? fxsaber 2023.08.19 06:36 #31820 Maxim Dmitrievsky #: Сколько раз был сгенерирован рандом символ?) 하나. 시퀀스가 길수록 작업하는 데 더 많은 횟수를 생성해야 한다는 것은 분명합니다. 이 문장을 이해하지 못하겠습니다. 다음 두 가지 옵션은 무엇을 의미하나요? 작동하려면 무작위 추출을 여러 번 반복해야 합니다. 무작위 문자를 많이 생성하면 그 중 작동 가능한 문자가 있을 확률이 높아집니다. 다른 실제 기호에서도 동일한 TC가 작동하지 않기 때문에 겉보기에는 간단해 보입니다. 무작위화 알고리즘은 다음과 같습니다: 실제 틱 히스토리를 가져옵니다. 평균 ((매수+매도)/2) 가격의 증분 시퀀스가 만들어집니다. 이 시퀀스에서는 각 항에 +1 또는 -1을 무작위로 곱합니다. 획득한 증분 시퀀스에서 새로운 틱 히스토리가 수집되며, 여기서 시간과 스프레드는 1점과 일치합니다. 새 틱 히스토리는 사용자 지정 기호로 기록됩니다. 즉, 일부 실제 기호가 무작위로 지정됩니다. 항목 3은 횟수에 관계없이 적용할 수 있습니다. 항목 5 이후에 5개의 포인트가 모두 반복되면 항목 3을 두 번 반복하는 것과 동일합니다. [ARCHIVE!] 포럼을 어지럽히 지 이론부터 실습까지 SIMPLE-MACD-EA : MACD의 2채널을 1...317531763177317831793180318131823183318431853186318731883189...3399 새 코멘트 트레이딩 기회를 놓치고 있어요: 무료 트레이딩 앱 복사용 8,000 이상의 시그널 금융 시장 개척을 위한 경제 뉴스 등록 로그인 공백없는 라틴 문자 비밀번호가 이 이메일로 전송될 것입니다 오류 발생됨 Google으로 로그인 웹사이트 정책 및 이용약관에 동의합니다. 계정이 없으시면, 가입하십시오 MQL5.com 웹사이트에 로그인을 하기 위해 쿠키를 허용하십시오. 브라우저에서 필요한 설정을 활성화하시지 않으면, 로그인할 수 없습니다. 사용자명/비밀번호를 잊으셨습니까? Google으로 로그인
감사합니다, MathRand 증분을 사용해 보겠습니다.
가장 보편적인 것은 아마도 몬테카를로일 것입니다.
흥미로운 랜덤 세대가 있는 것 같습니다.
위쪽은 실제 기호이고 아래쪽은 무작위입니다.
랜덤 프라이스는 반복적으로 적용할 수 있습니다. 스프레드와 시간이 보존됩니다.
로그를 통해 수행하는 것이 맞지만 신경 쓰지 않았습니다. 이를 개선하면 몬테카를로가 필요한 통계적 특성을 가진 랜덤 심볼을 생성하는 데 가장 적합한 옵션이 될 수 있습니다.
를 사용하는 것이 원하는 통계적 특성을 가진 무작위 기호를 생성하는 데 가장 좋은 옵션일 것입니다.
동일한 세트로 이가 테스트합니다.
상단 - 실제, 하단 - 무작위.
실패.
트레이딩, 자동매매 시스템 및 트레이딩 전략 테스트에 관한 포럼
트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩
mytarmailS, 2023.08.17 08:42 AM
"하지 않는" 두 번째 단계 ))
차이점은 무엇일까요?
차이점은 최적화 결과에서 아무것도 찾지 않는다는 것입니다. 즉, 처음 5개의 최적화 결과는 이전에 OOS에서 실행된 적이 없습니다.
트레이딩, 자동매매 시스템 및 트레이딩 전략 테스트 포럼
트레이딩의 머신러닝: 이론, 모델, 실전 및 알고 트레이딩
발레리 야스트렘스키, 2023.08.17 10:44 AM
오탐과 음성의 확률이 줄어든다는 것은 논리적으로 보이지만 오류에 대한 만병통치약은 아닙니다.
(train+test)_optim보다 train_optim + test_forward 모델을 더 신뢰해야 한다고 생각하시나요?
오류 없습니다. 오류 없습니다. 오류 없습니다.
다른 샘플(47%의 단위와 5배 적은 예제)을 채취했는데, 몇 번의 통과 후 이미 많은 양자 세그먼트를 발견했다고 말할 수 있습니다.
제가 주목한 또 다른 사항은 초기 목표와 생성 된 목표의 유사성입니다. 49 % 유사합니다. 여기에 임계 값을 설정해야 할 수도 있습니다 (유사성이 30 % 이하)? 어떤 생각 있으신가요?
일치하는 항목이 "-1"이면 일치하는 항목이 없으면 "+1"이면 그런 균형을 얻었습니다.
많은 트렌드가 있는데 어떻게 생각하시나요?
위쪽은 실제, 아래쪽은 무작위입니다.
실제 심볼과 생성된 심볼에 동일한 설정으로 최적화를 수행했습니다.
Real.
Random.
랜덤에 대해 훈련되지 않았습니다.
실제 캐릭터와 생성된 캐릭터에 대해 동일한 설정으로 최적화를 수행했습니다.
실제.
Random.
랜덤에 대해 훈련되지 않았습니다.
차이점은 최적화 결과에서 아무것도 검색되지 않는다는 것입니다. 즉, 처음 5개의 최적화 결과는 이전에 OOS에서 실행된 적이 없습니다.
실제 캐릭터와 생성된 캐릭터에 대해 동일한 설정으로 최적화를 수행했습니다.
실제.
Random.
랜덤에 대해 학습되지 않았습니다.
Maxim Dmitrievsky #:
Сколько раз был сгенерирован рандом символ?)
하나.
시퀀스가 길수록 작업하는 데 더 많은 횟수를 생성해야 한다는 것은 분명합니다.
이 문장을 이해하지 못하겠습니다. 다음 두 가지 옵션은 무엇을 의미하나요?
다른 실제 기호에서도 동일한 TC가 작동하지 않기 때문에 겉보기에는 간단해 보입니다.
무작위화 알고리즘은 다음과 같습니다: