트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 3185

새 코멘트
 
mytarmailS #:

차원 축소 알고리즘이나 압축 알고리즘에 대해 잘 알고 계신가요?

네.

무작위 추출이 실제 시장 프로세스를 얼마나 잘 시뮬레이션하는지...

네.

다음은 적절한 시뮬레이션을 만들기 위한 기준/적합도 함수입니다.

안타깝게도 무작위 배정의 어떤 입력 파라미터를 최적화할지 명확하지 않습니다.

 
fxsaber #:

몇 가지 가설이 있습니다.

저는 "최대 잠재 수익"이라는 특성을 비교했습니다. 큰 차이를 발견하지 못했습니다.

 
fxsaber #:

'최대 잠재 수익'이라는 특성을 비교했습니다. 큰 차이를 발견하지 못했습니다.

주먹구구식으로 투자하는 경우인가요? 그리고 추세를 따르는 경우? 반전부터 반전까지 비교해보세요.
 
Forester #:

금액1 - 금액2는 변동성과 비슷합니다. 추세는 이 둘을 많이 더하면 됩니다. 실제 데이터에서 추세는 하나이고, 무작위 데이터(약 1까지)에서 추세는 변동성 증가로 인해 무작위 이상값에 가깝습니다. 실제 데이터보다 진폭이 몇 배 더 작다고 가정합니다.

UPD: ~ 대신 ~가 있는 것을 보지 못했습니다.

약 ~입니다. 대략적인 레이브는 실제 잘 섞여 있고 평균이 1이라는 뜻입니다.

저는 추세를 0을 기준으로 한 평균의 변화로 봅니다.

하지만 모두 취향의 문제인 것 같아요.

par(mar=c(2,2,2,2),mfrow=c(2,1))

mn_trend <- c(rep(-0.5,100),rep(0.5,100))
rn <- rnorm(200)
cbind(rn , mn_trend) |> matplot(t="l", lty=1, col=c(8,2),main="random and mean")

rn_trend <- rn + mn_trend
rn_trend |> cumsum() |> plot(t="l",main = "cumulative sum rn + mn_trend")
 

Forester #:
Это если по-тиково?

네.

트렌드를 따르는 분이라면? 반전부터 반전까지 비교합니다.

(스캘핑에 적합한 이유 내에서) 최소 무릎 ZZ 크기를 변경하고 무릎의 합계를보기 시작했습니다.

랜덤 심볼은 원래 심볼보다 잠재 수익이 더 높습니다. 즉, 랜덤 심볼이 잠재적으로 더 수익성이 높다는 뜻입니다.

잠재 수익이 원래 수익보다 낮다면 스캘핑 실패를 설명할 수 있습니다. 하지만 여기서는 그 반대 상황입니다.


ZЫ 일반적으로 두 시리즈 간의 차이점을 찾으려는 관심이 있으면이를 제공 할 수 있습니다.

 
fxsaber #:

예.

그렇다면 예를 들어 100개의 고조파가 있는 스펙트럼 분석에서 일련의 10,000개의 값을 꽤 정확하게 설명할 수 있다는 것을 알아야 합니다.

10,000개의 값을 가져와 ---> 100개의 값을 얻습니다.

100개의 값으로 수백만 개의 값의 원래 시리즈를 설명할 수 있다는 것은 터무니없는 일입니다! 이것은이론가들의 도구이지 실무자의 도구가 아닌 것 같습니다.

그리고 당신은 그것을 터무니없고 이상하다고 부릅니다....

fxsaber #:

안타깝게도 어떤 입력 매개변수를 최적화할지 명확하지 않습니다.

내가 여기에 쓰는 모든 것은 순전히 내 환상이므로 비판적으로보세요....


동일한 고조파에서 TS가 작동하는 시리즈를 만들 수 있습니다 ...

최적화 도구의 매개 변수는 고조파의 조합입니다,

피트니스 함수는이 합성 데이터에 대한 TC의 성능 품질입니다.

 
fxsaber #:

랜덤 심볼은 원래 심볼보다 잠재 수익이 훨씬 높습니다.

이상하네요.

그래서 몬테카를로 테스트를 통과했습니다. 뒤섞인 기호가 아닌 진짜 기호에 이익이 있다면요.

 
mytarmailS #:

예를 들어 스펙트럼 분석에서 100개의 고조파는 일련의 10,000개의 값을 꽤 정확하게 설명할 수 있다는 것을 알아야 합니다.

10,000개의 값 ---> 100개의 값으로 -+를 얻습니다.

그리고 당신은 그것을 터무니 없다고 부릅니다.

왜냐하면 그것은 CVR과 아무 관련이 없기 때문입니다. 매우 낮은 비트 전송률에서도 mp3와 jpg는 뉴런이 인식할 수 있습니다. 그러나 스캘핑 형태의 알파는 "비트 전송률"을 유지하더라도 손실됩니다.

 
fxsaber #:

동영상과는 아무 상관이 없기 때문입니다. mp3와 jpg는 매우 낮은 비트레이트에서도 뉴런이 인식할 수 있습니다. 그러나 "비트레이트"가 보존되더라도 스캘핑 형태의 알파는 손실됩니다.

그것은 모두 숫자와 변환입니다. CVR과 아무 관련이 없다는 것이 무슨 뜻입니까 ? 그것은 단지 숫자일뿐입니다....

개 사진은 고양이 사진과 아무 관련이 없다고 말하는 것과 같습니다... 고양이는 개가 아니기 때문입니다...

그리고 비트레이트는 무엇입니까?

 
Forester #:

따라서 몬테카를로 테스트를 통과합니다. 진짜는 수익성이 있고 혼합은 수익성이 없는 경우.

이 테스트가 실제 시리즈와 무작위 시리즈 사이의 명확한 차이로 간주된다면 100% 합격입니다.

저의 "단품"은 많은 스캘핑 이력을 만드는 것입니다. 그리고 TC의 취약점을 파악하기 위해 그들에 대해. 현재로서는 이러한 점검을 위한 히스토리 길이가 턱없이 부족합니다. 그렇기 때문에 적절한 생성이 필요합니다.


세대에 대한 아이디어는 심지어 아름답게 보였고, 나는 그런 것을 본 적이 없습니다. 그러나 그것은 내 목적에 적합하지 않다는 것이 밝혀졌습니다.

그러나 몬테카를로 테스트는 실제로 날아 다니는 색으로 통과합니다. 그러나 이것은 그다지 중요하지 않은 부작용입니다.

1...317831793180318131823183318431853186318731883189319031913192...3399
새 코멘트