신경망: 비지도 학습: FNN, RNN(Recurrent Neural Networks, LSTM 포함), RBF 등 Python 프로그래밍 경험(또는 배울 준비가 됨)(및 통계에 대한 모든 라이브러리 세트) Python의 데이터 분석 라이브러리(theano, Torch, Pandas, NumPy, scikit-learn) 또는 R의 이에 상응하는 라이브러리 기계 학습, 협업 필터링, 클러스터 분석, 그래프 이론에 대한 약간의 경험 다른 혼합 접근법: ANFIS(적응형 네트워크 기반 퍼지 추론 시스템) 통계 및 시계열에 대한 고급 지식: 확률적 과정도구: SSA/SVD, RSSA, FIMA/ARFIMA, NARX(Nonlinear Autoregressive Exogenous Model), (N)GARCH 및 그 파생물, Hurst Exponent 및 해당 응용 프로그램, RQA(재귀 정량화 분석)
작업(우선순위):
재무 데이터의 통계 분석, 계량 경제학 응용 대용량 데이터에 대한 대화형 분산 쿼리 처리를 위한 서비스 및 프레임워크 구축
자연어 처리(NLP) 기술 전문 지식 Python의 NLP 구현(NLTK) 또는 기타 개발된 구현 신경망: 비지도 학습: RNN(Recurrent Neural Networks), FNN, RBF 등 Python 프로그래밍 경험(또는 배울 준비가 됨)(및 통계에 대한 모든 라이브러리 세트) Python의 데이터 분석 라이브러리(theano, Torch, Pandas, NumPy, scikit-learn) 또는 R의 이에 상응하는 라이브러리 기계 학습, 협업 필터링, 클러스터 분석, 그래프 이론에 대한 약간의 경험 다른 혼합 접근법: ANFIS(적응형 네트워크 기반 퍼지 추론 시스템)
통계 및 시계열에 대한 고급 지식: 이산 푸리에 변환, SVD(단일 값 분해), 이산 코사인 변환, 이산 웨이블릿 변환, 적응 조각별 상수 근사, 체비쇼프 다항식, 기호 집합 근사, 인덱싱 가능한 조각과 같이 차원이 축소된 시계열 표현 선형 근사 등 시계열의 유사성 측정 경험: 유클리드 거리(ED), 동적 시간 왜곡(DTW), 최장 공통 부분 시퀀스(LCSS), 실수 패널티로 거리 편집(ERP), 실제 시퀀스에서 거리 편집(EDR), DISSIM, 시퀀스 가중 정렬 모델(Swale), 공간 조립 거리(SpADe) 및 임계값 쿼리(TQuEST) 기반 유사성 검색 확률 프로세스 도구: RSSA, FIMA/ARFIMA, NARX(Nonlinear Autoregressive Exogenous Model), (N)GARCH 및 그 파생물, Hurst Exponent 및 해당 응용 프로그램, 반복 정량화 분석(RQA) Python 프로그래밍 경험(또는 학습 준비 완료)(및 통계에 대한 모든 라이브러리 세트) Python의 데이터 분석 라이브러리(theano, Torch, Pandas, NumPy, scikit-learn) 또는 빠른 프로토타이핑을 위한 R, Octave의 이에 상응하는 라이브러리 기계 학습, 협업 필터링, 그래프 이론에 대한 약간의 경험
매일 나는 가장 원시적인 algo-TS를 가진 홍수 전 MT4의 누군가가 hvorex에서 하루 50억 달러 이상의 회전율을 만들어 수백 달러의 플러스/마이너스 이익을 얻는 것을 매일 목격합니다. 매트. 기대는 긍정적이다. 월 백만 달러 이상은 확실합니다.
거의 1년 동안(테스터에서 더 많이) 거의 1년 동안(역사로 판단) 있었던 이 유치원을 반복할 수 없는 *** 기금은 어디에 있습니까?
가장 멍청한 기본 전략은 몇 년 동안 매월 더 많은 "할당량"을 제공합니다.
세르지 포돌야크 :
할당량, 알고리즘 거래자, 시장 조성자 - 그들은 바보가 아니며 수학에 정통하며 연간 100K 이상의 그린 + 보너스 에 대해 그렇게 지불되지 않는다는 말을 많이 들었습니다. 여러분 모두에게 다가갑니다.
그들은 어디에 있습니까? 나는 모든 포럼과 모니터링을 거쳤습니다. 아무도 이 수익성 있는 패턴을 거래하지 않습니다. 그리고 역사는 모든 것을 완벽하게 보여줍니다. 아무도 신경 쓰지 않습니다. 나는 그것을 스스로 시도합니다 - 그것은 약하게 나옵니다. 그러나 사실은 사소함이 *** 자금 이상을 가져온다는 것입니다.
매일 나는 가장 원시적인 algo-TS를 가진 홍수 전 MT4의 누군가가 hvorex에서 하루 50억 달러 이상의 회전율을 만들어 수백 달러의 플러스/마이너스 이익을 얻는 것을 매일 목격합니다. 매트. 기대는 긍정적이다. 월 백만 달러 이상은 확실합니다.
거의 1년 동안(테스터에서 더 많이) 거의 1년 동안(역사로 판단) 있었던 이 유치원을 반복할 수 없는 *** 기금은 어디에 있습니까?
가장 멍청한 기본 전략은 몇 년 동안 매월 더 많은 "할당량"을 제공합니다.
그들은 어디에 있습니까? 나는 모든 포럼과 모니터링을 거쳤습니다. 아무도 이 수익성 있는 패턴을 거래하지 않습니다. 그리고 역사는 모든 것을 완벽하게 보여줍니다. 아무도 신경 쓰지 않습니다. 나는 그것을 스스로 시도합니다 - 그것은 약하게 나옵니다. 그러나 사실은 사소함이 *** 자금 이상을 가져온다는 것입니다.
"양자는 마술사와 같다"라는 책을 보십시오. 여기에서 모든 수학자들은 까다로운 공식이 아닌 정량적 방법을 사용합니다. 그곳에는 의사와 교수가 있다.
그렇다면 복잡한 수학적 구성을 사용하지 않는 이유는 무엇입니까? 작동하지 않을 가능성이 높기 때문입니다. 시장은 선형적이지 않습니다.
제 생각에는 거래에서 더 높은 대수학을 사용하는 것은 라운드에 사각형을 넣는 것과 같습니다. 수학은 필수입니다. 예를 들어 선형 회귀 를 사용하는 것은 분명히 거래에서 수학을 사용하는 좋은 예입니다.
옛날 옛적에 비트코인은 간단한 EMA 교차 전략을 사용하여 거래될 수 있었습니다. 이것은 2014년 봄까지 어딘가에서 가장 큰 거래소 중 하나인 mtgox가 파산할 때까지 작동한 후 모든 것이 무너졌습니다. 그리고 Forex도 수십 년 전에 동일한 EMA 교차 전략을 사용하여 거래될 수 있다고 확신합니다. 즉, 원시 알고리즘은 때때로 매우 잘 작동합니다. 개인적으로 나는 Forex 쌍 차트가 거의 무작위적이며 매우 시끄럽지만 동시에 몇 가지 간단한 법칙을 따른다고 생각합니다. 문제는 Forex 차트가 시간이 지남에 따라 발견된 패턴을 제거하려고 하는 것처럼 보이고 더 많은 사람들이 동일한 전략으로 거래할수록 더 빨리 작동을 멈춘다는 것입니다. 아직 아무도 찾지 못한 단순한 패턴을 찾으면 돈을 벌 수 있습니다.
옛날 옛적에 비트코인은 간단한 EMA 교차 전략을 사용하여 거래될 수 있었습니다. 이것은 2014년 봄까지 어딘가에서 가장 큰 거래소 중 하나인 mtgox가 파산할 때까지 작동한 후 모든 것이 무너졌습니다. 그리고 Forex도 수십 년 전에 동일한 EMA 교차 전략을 사용하여 거래될 수 있다고 확신합니다. 즉, 원시 알고리즘은 때때로 매우 잘 작동합니다. 개인적으로 나는 Forex 쌍 차트가 거의 무작위적이며 매우 시끄럽지만 동시에 몇 가지 간단한 법칙을 따른다는 의견을 가지고 있습니다. 문제는 Forex 차트가 시간이 지남에 따라 발견된 패턴을 제거하려고 하는 것 같으며, 더 많은 사람들이 동일한 전략으로 거래할수록 더 빨리 작동을 멈춘다는 것입니다. 아직 아무도 찾지 못한 단순한 패턴을 찾으면 돈을 벌 수 있습니다.
이 스레드는 증오로 가득 차 있습니다. 당신에게 적용되지 않습니다.
건설적으로 논의할 수 있기를 바랍니다.
귀하의 게시물에 응답하여 동의할 수 있으며 나 자신도 오랫동안 장기적이고 반복적인 패턴에 대한 주제를 파고 있었습니다.
그것은 무엇입니까? 이것은 forex 가격의 증가의 부호를 예측하기 위한 기계 학습 검증의 결과입니다(단말기에서 정상적인 현물 forex). 수염 상자 안에는 각각 수천 개의 관측치가 포함된 49개의 샘플이 있습니다. 특히 점은 각 유효성 검사 세트에 대한 이진 분류의 정확도 수준을 나타냅니다.
샘플이 왜 이렇게 많아? 5개 통화 쌍을 합친 경우 약 5년, 즉 총 25년이라는 동일한 기간에서 나옵니다. 그러나 각 표본에서 관찰은 무작위로 큰 단계를 거쳐 상호 독립적으로 만들어집니다. 그리고 각 샘플은 다른 샘플과 독립적으로 검증 기간 내의 시간 간격을 다룹니다.
이 그래프의 짧은 결론은 30분 이상의 예측 범위에 대해 일관되게 55%의 기호 인식 정확도를 얻는다는 것입니다. 또한 이 결과가 우연이 아님을 통계적으로 확인할 수 있습니다. 기계는 10 * 5 = 50년의 연구에서 5개 전공의 데이터에서 장기 종속성을 포착하고 검증 테스트를 통과하는 것으로 나타났습니다. 이 모든 것을 반복합니다. 5개의 통화 쌍이 동시에 사용되며 기계가 이를 구분하지 않습니다.
이것은 이미 동일한 데이터에 대한 증분 회귀입니다. 모든 동일한 49개의 검증 샘플 및 지정된 메트릭 = 1 - (예측의 경우 MAE / 샘플 평균의 경우 MAE). 즉, 평균 샘플 값과 비교하여 절대 오차를 얼마나 줄이는지(0에 매우 가깝습니다). 통계는 결과가 무작위가 아니라고 말할 만큼 강력합니다.
26000 UAH
공석 설명
직업적 요구 사항(저희는 이동 중에 배우고자 하는 열망을 가장 중요하게 생각합니다):
신경망: 비지도 학습: FNN, RNN(Recurrent Neural Networks, LSTM 포함), RBF 등
Python 프로그래밍 경험(또는 배울 준비가 됨)(및 통계에 대한 모든 라이브러리 세트)
Python의 데이터 분석 라이브러리(theano, Torch, Pandas, NumPy, scikit-learn) 또는 R의 이에 상응하는 라이브러리
기계 학습, 협업 필터링, 클러스터 분석, 그래프 이론에 대한 약간의 경험
다른 혼합 접근법: ANFIS(적응형 네트워크 기반 퍼지 추론 시스템)
통계 및 시계열에 대한 고급 지식: 확률적 과정도구: SSA/SVD, RSSA, FIMA/ARFIMA, NARX(Nonlinear Autoregressive Exogenous Model), (N)GARCH 및 그 파생물, Hurst Exponent 및 해당 응용 프로그램, RQA(재귀 정량화 분석)
작업(우선순위):
재무 데이터의 통계 분석, 계량 경제학 응용
대용량 데이터에 대한 대화형 분산 쿼리 처리를 위한 서비스 및 프레임워크 구축
28000 UAH
공석 설명
직업적 요구 사항(저희는 이동 중에 배우고자 하는 열망을 가장 중요하게 생각합니다):
자연어 처리(NLP) 기술 전문 지식
Python의 NLP 구현(NLTK) 또는 기타 개발된 구현
신경망: 비지도 학습: RNN(Recurrent Neural Networks), FNN, RBF 등
Python 프로그래밍 경험(또는 배울 준비가 됨)(및 통계에 대한 모든 라이브러리 세트)
Python의 데이터 분석 라이브러리(theano, Torch, Pandas, NumPy, scikit-learn) 또는 R의 이에 상응하는 라이브러리
기계 학습, 협업 필터링, 클러스터 분석, 그래프 이론에 대한 약간의 경험
다른 혼합 접근법: ANFIS(적응형 네트워크 기반 퍼지 추론 시스템)
25000 UAH
공석 설명
전문 요구 사항:
통계 및 시계열에 대한 고급 지식: 이산 푸리에 변환, SVD(단일 값 분해), 이산 코사인 변환, 이산 웨이블릿 변환, 적응 조각별 상수 근사, 체비쇼프 다항식, 기호 집합 근사, 인덱싱 가능한 조각과 같이 차원이 축소된 시계열 표현 선형 근사 등
시계열의 유사성 측정 경험: 유클리드 거리(ED), 동적 시간 왜곡(DTW), 최장 공통 부분 시퀀스(LCSS), 실수 패널티로 거리 편집(ERP), 실제 시퀀스에서 거리 편집(EDR), DISSIM, 시퀀스 가중 정렬 모델(Swale), 공간 조립 거리(SpADe) 및 임계값 쿼리(TQuEST) 기반 유사성 검색
확률 프로세스 도구: RSSA, FIMA/ARFIMA, NARX(Nonlinear Autoregressive Exogenous Model), (N)GARCH 및 그 파생물, Hurst Exponent 및 해당 응용 프로그램, 반복 정량화 분석(RQA)
Python 프로그래밍 경험(또는 학습 준비 완료)(및 통계에 대한 모든 라이브러리 세트) Python의 데이터 분석 라이브러리(theano, Torch, Pandas, NumPy, scikit-learn) 또는 빠른 프로토타이핑을 위한 R, Octave의 이에 상응하는 라이브러리
기계 학습, 협업 필터링, 그래프 이론에 대한 약간의 경험
이러한 방법은 시장 조성자가 거래에서 실제로 사용합니다. 물론 어딘가에 Bayess도 있습니다. 그러나 알몸의 뻔뻔스러운 형태가 아니라 가격을 예측하고 현장 Forex에서도!
죄송합니다. 추가하는 것을 잊었습니다. 위의 목록에서 아무 것도 사용하지 않습니다. 어쩌면 그것이 나에게 효과가있는 이유 일 것입니다 ...
매일 나는 가장 원시적인 algo-TS를 가진 홍수 전 MT4의 누군가가 hvorex에서 하루 50억 달러 이상의 회전율을 만들어 수백 달러의 플러스/마이너스 이익을 얻는 것을 매일 목격합니다. 매트. 기대는 긍정적이다. 월 백만 달러 이상은 확실합니다.
거의 1년 동안(테스터에서 더 많이) 거의 1년 동안(역사로 판단) 있었던 이 유치원을 반복할 수 없는 *** 기금은 어디에 있습니까?
가장 멍청한 기본 전략은 몇 년 동안 매월 더 많은 "할당량"을 제공합니다.
할당량, 알고리즘 거래자, 시장 조성자 - 그들은 바보가 아니며 수학에 정통하며 연간 100K 이상의 그린 + 보너스 에 대해 그렇게 지불되지 않는다는 말을 많이 들었습니다. 여러분 모두에게 다가갑니다.
그들은 어디에 있습니까? 나는 모든 포럼과 모니터링을 거쳤습니다. 아무도 이 수익성 있는 패턴을 거래하지 않습니다. 그리고 역사는 모든 것을 완벽하게 보여줍니다. 아무도 신경 쓰지 않습니다. 나는 그것을 스스로 시도합니다 - 그것은 약하게 나옵니다. 그러나 사실은 사소함이 *** 자금 이상을 가져온다는 것입니다.
매일 나는 가장 원시적인 algo-TS를 가진 홍수 전 MT4의 누군가가 hvorex에서 하루 50억 달러 이상의 회전율을 만들어 수백 달러의 플러스/마이너스 이익을 얻는 것을 매일 목격합니다. 매트. 기대는 긍정적이다. 월 백만 달러 이상은 확실합니다.
거의 1년 동안(테스터에서 더 많이) 거의 1년 동안(역사로 판단) 있었던 이 유치원을 반복할 수 없는 *** 기금은 어디에 있습니까?
가장 멍청한 기본 전략은 몇 년 동안 매월 더 많은 "할당량"을 제공합니다.
그들은 어디에 있습니까? 나는 모든 포럼과 모니터링을 거쳤습니다. 아무도 이 수익성 있는 패턴을 거래하지 않습니다. 그리고 역사는 모든 것을 완벽하게 보여줍니다. 아무도 신경 쓰지 않습니다. 나는 그것을 스스로 시도합니다 - 그것은 약하게 나옵니다. 그러나 사실은 사소함이 *** 자금 이상을 가져온다는 것입니다.
"양자는 마술사와 같다"라는 책을 보십시오. 여기에서 모든 수학자들은 까다로운 공식이 아닌 정량적 방법을 사용합니다. 그곳에는 의사와 교수가 있다.
그렇다면 복잡한 수학적 구성을 사용하지 않는 이유는 무엇입니까? 작동하지 않을 가능성이 높기 때문입니다. 시장은 선형적이지 않습니다.
제 생각에는 거래에서 더 높은 대수학을 사용하는 것은 라운드에 사각형을 넣는 것과 같습니다. 수학은 필수입니다. 예를 들어 선형 회귀 를 사용하는 것은 분명히 거래에서 수학을 사용하는 좋은 예입니다.
나는 거래에서 돈을 벌기 위해 ... 아니, 그렇지 않음을 확인합니다. 거래에서 얻은 수익의 경우 단어에서 수학이 전혀 필요하지 않습니다.
내가 번 모든 것은 당신이 놀랄만큼 어리석은 수학 덕분에 이루어졌습니다. 어려운 일이 생기면 즉시 배수하십시오.
그러나 그것은 나의 개인적인 예에서도 아닙니다. 그리고 그것은 측면에서 관찰할 수 있었다. 엄청난 수익을 내는 것이 바로 프리미티브입니다. 적어도 질병에.
옛날 옛적에 비트코인은 간단한 EMA 교차 전략을 사용하여 거래될 수 있었습니다. 이것은 2014년 봄까지 어딘가에서 가장 큰 거래소 중 하나인 mtgox가 파산할 때까지 작동한 후 모든 것이 무너졌습니다. 그리고 Forex도 수십 년 전에 동일한 EMA 교차 전략을 사용하여 거래될 수 있다고 확신합니다. 즉, 원시 알고리즘은 때때로 매우 잘 작동합니다. 개인적으로 나는 Forex 쌍 차트가 거의 무작위적이며 매우 시끄럽지만 동시에 몇 가지 간단한 법칙을 따른다고 생각합니다. 문제는 Forex 차트가 시간이 지남에 따라 발견된 패턴을 제거하려고 하는 것처럼 보이고 더 많은 사람들이 동일한 전략으로 거래할수록 더 빨리 작동을 멈춘다는 것입니다. 아직 아무도 찾지 못한 단순한 패턴을 찾으면 돈을 벌 수 있습니다.
옛날 옛적에 비트코인은 간단한 EMA 교차 전략을 사용하여 거래될 수 있었습니다. 이것은 2014년 봄까지 어딘가에서 가장 큰 거래소 중 하나인 mtgox가 파산할 때까지 작동한 후 모든 것이 무너졌습니다. 그리고 Forex도 수십 년 전에 동일한 EMA 교차 전략을 사용하여 거래될 수 있다고 확신합니다. 즉, 원시 알고리즘은 때때로 매우 잘 작동합니다. 개인적으로 나는 Forex 쌍 차트가 거의 무작위적이며 매우 시끄럽지만 동시에 몇 가지 간단한 법칙을 따른다는 의견을 가지고 있습니다. 문제는 Forex 차트가 시간이 지남에 따라 발견된 패턴을 제거하려고 하는 것 같으며, 더 많은 사람들이 동일한 전략으로 거래할수록 더 빨리 작동을 멈춘다는 것입니다. 아직 아무도 찾지 못한 단순한 패턴을 찾으면 돈을 벌 수 있습니다.
이 스레드는 증오로 가득 차 있습니다. 당신에게 적용되지 않습니다.
건설적으로 논의할 수 있기를 바랍니다.
귀하의 게시물에 응답하여 동의할 수 있으며 나 자신도 오랫동안 장기적이고 반복적인 패턴에 대한 주제를 파고 있었습니다.
확인하십시오(물론 PR이지만 제품이 아니라 원시 아이디어입니다): https://c.mql5.com/1/37/teaser2.JPG
그것은 무엇입니까? 이것은 forex 가격의 증가의 부호를 예측하기 위한 기계 학습 검증의 결과입니다(단말기에서 정상적인 현물 forex). 수염 상자 안에는 각각 수천 개의 관측치가 포함된 49개의 샘플이 있습니다. 특히 점은 각 유효성 검사 세트에 대한 이진 분류의 정확도 수준을 나타냅니다.
샘플이 왜 이렇게 많아? 5개 통화 쌍을 합친 경우 약 5년, 즉 총 25년이라는 동일한 기간에서 나옵니다. 그러나 각 표본에서 관찰은 무작위로 큰 단계를 거쳐 상호 독립적으로 만들어집니다. 그리고 각 샘플은 다른 샘플과 독립적으로 검증 기간 내의 시간 간격을 다룹니다.
이 그래프의 짧은 결론은 30분 이상의 예측 범위에 대해 일관되게 55%의 기호 인식 정확도를 얻는다는 것입니다. 또한 이 결과가 우연이 아님을 통계적으로 확인할 수 있습니다. 기계는 10 * 5 = 50년의 연구에서 5개 전공의 데이터에서 장기 종속성을 포착하고 검증 테스트를 통과하는 것으로 나타났습니다. 이 모든 것을 반복합니다. 5개의 통화 쌍이 동시에 사용되며 기계가 이를 구분하지 않습니다.
증거 하나 더: https://c.mql5.com/1/36/charts-5-9.JPG
이것은 이미 동일한 데이터에 대한 증분 회귀입니다. 모든 동일한 49개의 검증 샘플 및 지정된 메트릭 = 1 - (예측의 경우 MAE / 샘플 평균의 경우 MAE). 즉, 평균 샘플 값과 비교하여 절대 오차를 얼마나 줄이는지(0에 매우 가깝습니다). 통계는 결과가 무작위가 아니라고 말할 만큼 강력합니다.
다시 말하지만, 기계는 보편적이고 안정적인 패턴을 학습합니다.
이 실험에 대한 블로그: https://www.mql5.com/ru/blogs/post/661499
하지만 아직까지는 점수에 대한 긍정적인 기대를 하지 못하고 있다. 그리고 제가 할 수 있을지 의심스럽습니다. 아마도 나중에 각 쌍에 대한 모델을 별도로 만들려고 노력할 것입니다. 그러한 예측을 거래에 어떻게든 적용할 수 있습니까? 저에게는 큰 질문입니다.
귀하의 의견이 도움이 될 것입니다.
이 스레드는 증오로 가득 차 있습니다. 당신에게 적용되지 않습니다.