트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 855

 
유리 아사울렌코 :

예측 변수에 침을 뱉고 NN 정규화 시계열에 적용합니다. NS는 자체적으로 예측 변수를 찾습니다. +1-2개의 레이어가 있으며 여기에 여러분을 위한 예측 변수가 있습니다.

어떻게?
과거 0번째 마디부터 10~50번째 마디까지 델타를 적용해 보았습니다. 오차는 45~50% 수준이었습니다. 이러한 비율로는 스프레드를 계산할 수 없습니다.
 
도서관 :
어떻게?
과거에는 0bar에서 10-50bar까지 델타를 적용하려고 했습니다. 오차는 45~50% 수준이었습니다. 이러한 비율로는 스프레드를 계산할 수 없습니다.

모든 것이 작동합니다. 그러나 나는 예측에 관여하지 않고 분류 만합니다. 거래에서 이익을 기다릴만한 가치가 있습니다.

델타를 올바르게 이해했다면 필요하지 않습니다. IMHO. 가격 BP 자체, 정규화됨.

 
유리 아사울렌코 :

모든 것이 작동합니다. 그러나 나는 예측에 관여하지 않고 분류 만합니다. 거래에서 이익을 기다릴만한 가치가 있습니다.

델타를 올바르게 이해했다면 필요하지 않습니다. IMHO. 가격 BP 자체, 정규화.

당신은 여전히 유리의 정보를 사용하고 있다고 썼습니다.

훈련 및 실제 거래에서 오류의 비율은 얼마입니까?

 
도서관 :
당신은 여전히 유리의 정보를 사용하고 있다고 썼습니다.

그는 많은 것을 썼고, 매번 다른, Rena No. 2

다시 전체 주제를 어지럽혔다

그리고 그가 보여주었던 한 장의 사진은 내가 톤 단위로 인쇄할 수 있는 일종의 대머리 그루터기입니다.

아니 소년처럼 행동하지

 
도서관 :
당신은 여전히 유리의 정보를 사용하고 있다고 썼습니다.

네, 하지만 국회는 여기에서 뛰지 않습니다. 이것은 거래에 대한 직접 입력일 뿐입니다.

당신에게 상기시켜 드리겠습니다 - 나는 미래에 있습니다. 그러나 시스템은 외환 테스트를 통과했지만 Real은 fx에서 테스트하지 않았습니다.

위협 예, 국회는 의사결정 시스템의 일부일 뿐입니다. 나머지는 평범하지만 자체 지표입니다.

단, 국회에서는 VR의 가격만.

 
도서관 :

훈련 및 실제 거래에서 오류의 비율은 얼마입니까?

교육 및 테스트를 통해 20-30%.

실생활에서 - 나는 모른다, 고려하지 않았다. 허용됩니다.

 
여기요,
여기에서 언제까지 토론할 겁니까?
결과는 어디에, AI 봇은 어디에?
😂😂😂

아니면 티크, 테스터 성배 에 NS를 묶을 수 있습니까?
잘은 모르겠지만, 당신은 당신의 분야의 교수인 것 같습니다.

그리고 학교에서 베이직 말고는 배운 게 없어요 😂😂😂
 

접촉의 범위에서 낚시를 확인하십시오. 시장 이해에 아주 유용한 정보!!!

분기점

열역학에는 거의 모든 복잡한 역학 시스템에 적용할 수 있는 특별한 개념이 있습니다. 때때로 국가, 경제 또는 인간의 정신과 같은 시스템은 불확실한 상태에 빠지게 됩니다.

이 순간, 체계의 질서가 위협받고 있으며, 그 추가 발전은 두 가지 가능한 시나리오를 따를 수 있습니다: 혼돈 상태로 붕괴하거나 질적으로 새로운 질서 수준으로의 탈출. 예를 들어, 정치적 불안정의 기간은 국가의 분기점, 경제의 경제 위기, 개인의 트라우마적 사건이라고 할 수 있습니다.

 
마이클 마르쿠카이테스 :

접촉의 범위에서 낚시를 확인하십시오. 시장 이해에 아주 유용한 정보!!!

분기점

열역학에는 거의 모든 복잡한 역학 시스템에 적용할 수 있는 특별한 개념이 있습니다. 때때로 국가, 경제 또는 인간의 정신과 같은 시스템은 불확실한 상태에 빠지게 됩니다.

현재 시스템의 질서는 위협을 받고 있으며, 추가 개발은 두 가지 가능한 시나리오를 따를 수 있습니다. 즉, 혼돈 상태로 붕괴하거나 질적으로 새로운 질서 수준으로의 탈출입니다. 예를 들어, 정치적 불안정의 기간은 국가의 분기점, 경제의 경제 위기, 개인의 트라우마적 사건이라고 할 수 있습니다.

자기야, 마이클! 우리는 엔트로피/네겐트로피와 그 분석으로 돌아가야 합니다. 국회 정문 중 하나에 찔러 넣으면 끝입니다.

 
도서관 :

예측 변수의 조합을 반복하는 것이 가장 안전할 것입니다. 근데 엄청 길다

varbvs 패키지를 살펴보십시오. 패키지는 베이지안 변수 선택 모델을 피팅하고 결과(또는 응답 변수)가 선형 또는 로지스틱 회귀를 사용하여 모델링되는 베이즈 계수를 계산하기 위한 빠른 알고리즘을 구현합니다. 알고리즘은 P. Carbonetto 및 M. Stephens, Bayesian Analysis 7, 2012, 페이지 73-108의 " 회귀에서 베이지안 변수 선택을 위한 확장 가능한 변이 추론 및 유전적 연관 연구에서의 정확성 " 기사에 설명된 변이 근사치를 기반으로 합니다. ). 이 소프트웨어는 백만 개 이상의 변수와 수천 개의 샘플이 있는 대규모 데이터 세트에 적용되었습니다.

예측 변수를 잘 선택하고 좋은 모델을 만듭니다.

행운을 빕니다

사유: