결과는 좋지만 다음에 무슨 일이 일어날지는 시장만이 알 수 있습니다. 2년 동안 나는 같은 원칙에 따라 고문을 작성해 왔으며, 수익성 있는 섹션과 실패한 섹션이 급격하게 바뀌는 한 가지 특징을 발견했습니다. 때론 이것이 성배 인 것처럼 포워드의 반년은 정말 아름답고 다음 반년은... 연속으로 50개의 수익성 있는 거래의 섹션이 수익성 없는 동일한 거래로 대체될 수 있습니다. 왜 그런 겁니까? 나는 그것을 완전히 파악하지 못했지만, 시장의 행동이 훈련/추가 훈련/적응을 위해 NN에 의해 사용되는 이전 기간에 약하게 의존할 때 주기적으로 시장이 일종의 "자발적 성격"을 획득한다고 의심합니다(따라서 구현 시).
어쨌든 결과는 좋아 보이고 견고할 가능성이 있으므로 누구의 말을 듣지 마십시오 :) (IMHO)
즉, 어떤 기준으로든 미래에 차량의 성능을 결정할 수 없다고 생각하십니까?
글쎄, 나는 신경망이 있든 없든 영원한 TS의 존재를 믿지 않습니다. 모든 차량에는 이 세상의 다른 모든 차량과 마찬가지로 수명이 있습니다. 그래서 나는 우리가 TS를 훈련시키고 훈련 기간과 샘플 외 기간에 좋은 형평성을 얻었으며 그 다음은 무엇이라고 썼습니까? 결국 이것은 미래의 작업을 보장하지 않습니다. 예를 들어 나에게 TS를 만들고 OOS 및 교육에서 좋은 에퀴티를 얻는 것은 문제가 되지 않습니다. OOS에서 아주 좋은 것조차도. 그러나 항상 그런 차량은 실생활에서도 잘 작동하는 것은 아닙니다. 더 좋다, 더 나쁘다. 그리고 그것이 무엇에 의존하는지 분명하지 않습니다. 그래서 나는 TS가 미래에 작동할지 여부를 이해, 평가 또는 계산하는 방법에 대해 고심하고 있습니다.
승리에 대한 기대는 승리 에 대한 수학적 기대입니다. 이 통계적으로 계산된 지표는 한 거래의 평균 손익을 반영합니다. 다음 거래의 예상 손익을 반영한다고도 볼 수 있습니다.
네, 맞습니다. 거래의 평균 결과("수학적 기대치")는 테스트 기간 동안의 총 결과 를 거래 수로 나눈 것입니다(즉, 부호가 있는 순이익을 거래 수로 나눈 값). 솔직히 말해서, 나는 히치가 무엇인지 그리고 당신이 말하는 것과 내가 말한 것이 어떻게 다른지 이해하지 못합니다. 수학 기대치는 평균값과 거의 같으며 미래와 직접적인 관련이 없습니다.
여기에서 메타따옴표는 약간의 용어 부정확성을 가지고 있습니다. 이것은 m.o가 아닙니다. 보수 및 m.d. 거래 (평균 거래가 수익성이 없을 수 있기 때문에). 서로에 대한 보고서의 숫자를 가져 와서 나누십시오. 정확히 "모 게인"이 됩니다.
일반적으로 약 m.d. 우리는 현상에 대한 확률적 모델을 이미 가지고 있을 때만 말할 수 있습니다. 이것은 순전히 Terverian 개념입니다. 아직 모델이 없지만 신화적인 일반 인구의 샘플만 있으므로 통계가 있습니다. 이것은 우리가 기대의 추정에 대해서만 정확하게 말할 수 있음을 의미합니다.
글쎄, 나는 신경망이 있든 없든 영원한 TS의 존재를 믿지 않습니다. 모든 차량에는 이 세상의 다른 모든 차량과 마찬가지로 수명이 있습니다. 그래서 나는 우리가 TS를 훈련시키고 훈련 기간과 샘플 외 기간에 좋은 형평성을 얻었으며 그 다음은 무엇이라고 썼습니까? 결국 이것은 미래의 작업을 보장하지 않습니다. 예를 들어 나에게 TS를 만들고 OOS 및 교육에서 좋은 에퀴티를 얻는 것은 문제가 되지 않습니다. OOS에서 아주 좋은 것조차도. 그러나 항상 그런 차량은 실생활에서도 잘 작동하는 것은 아닙니다. 더 좋다, 더 나쁘다. 그리고 그것이 무엇에 의존하는지 분명하지 않습니다. 그래서 나는 TS가 미래에 작동할지 여부를 이해, 평가 또는 계산하는 방법에 대해 고심하고 있습니다.
동시에 불가능합니다. 어느 정도의 확률로 유리한 결과를 기대하는 것은 가능합니다. 대부분의 경우 이 확률만 50%가 되는 경향이 있습니다) 아마도 파이프 시스템을 제외하고는 드물지만 더 이상 이동과 함께 작동하지 않습니다. 그러나 소음의 경우 역설적으로 들리지만 실제적인 관점에서는 비판에 맞서지 않습니다.
그리고 나는 영원한 시스템을 믿고 있습니다.) 추가 작업에 대한 지침 중 하나는 모든 교육 거부, 자체 학습에 대한 전체 베팅 및 거래 시스템의 완전한 자율성입니다. 이 방법을 통해 향후 시스템 성능의 가능성을 높일 수 있기를 바랍니다. 그리고 그것이 어떻게 될지-시간이 말해줄 것입니다)
그리고 반복합니다. 귀하의 결과는 누구에게도 나쁘지 않으며 거래에서 시도해 볼 가치가 있습니다(확실히 시도해 볼 것입니다). 그런 결과를 버린다면 무엇을 거래해야 할까요?
그리고 나는 영원한 시스템을 믿고 있습니다.) 추가 작업에 대한 지침 중 하나는 모든 교육 거부, 자체 학습에 대한 전체 베팅 및 거래 시스템의 완전한 자율성입니다. 이 방법을 통해 향후 시스템 성능의 가능성을 높일 수 있기를 바랍니다. 그리고 그것이 어떻게 될지-시간이 말해줄 것입니다)
자, 독학도 훈련입니다. 옆모습만. 마찬가지로 자기 학습을 중단하기 위한 기준을 선택해야 합니다. 미래에 수익성 있게 작업하려면 언제(시스템) 자체 교육을 완료해야 합니까?
그리고 나는 영원한 시스템을 믿고 있습니다.) 추가 작업에 대한 지침 중 하나는 모든 교육 거부, 자체 학습에 대한 전체 베팅 및 거래 시스템의 완전한 자율성입니다. 이 방법을 통해 향후 시스템 성능의 가능성을 높일 수 있기를 바랍니다. 그리고 그것이 어떻게 될지-시간이 말해줄 것입니다)
자, 독학도 훈련입니다. 옆모습만. 마찬가지로 자기 학습의 기준을 선택해야 합니다. 미래에 수익성 있게 작업하려면 언제(시스템) 자체 교육을 완료해야 합니까?
이것은 물론 사실이기도합니다 ... 그러나 제 생각에는 그러한 시스템의 "조정"구성 요소는 초기 교육 / 최적화에서 정확하게 도입됩니다. 시스템 매개 변수가 선택되면 변경되지 않고 유지됩니다. 입력 표시기 또는 네트워크 토폴로지 자체 ... 여기에 교육 종료 2007, 테스트 2008 -> 업데이트가 있습니다. 그리고 시스템의 적응 능력과 일부 매개변수가 작업 과정에서 나타나게 하십시오(예를 들어, 시냅스의 가중치가 조정되고, 확률이 변경되고, 새로운 가격 패턴의 출현으로 보완되며, 초기 훈련에서 받은 것) 2007년은 변함없다? 이 훈련은 존재하지 않을 것이다.그것은 내가 영원한 훈련으로 없애고자 하는 것이다.
이것은 물론 사실이기도합니다 ... 그러나 제 생각에는 그러한 시스템의 "조정"구성 요소는 초기 교육 / 최적화에서 정확하게 도입됩니다. 시스템 매개 변수가 선택되면 변경되지 않고 유지됩니다. 입력 표시기 또는 네트워크 토폴로지 자체 ... 여기에 교육 종료 2007, 테스트 2008 -> 업데이트가 있습니다. 그리고 시스템의 적응 능력과 일부 매개변수가 작업 과정에서 나타나게 하십시오(예를 들어, 시냅스의 가중치가 조정되고, 확률이 변경되고, 새로운 가격 패턴의 출현으로 보완되며, 초기 훈련에서 받은 것) 2007년은 변함없다? 이 훈련은 존재하지 않을 것이다.그것은 내가 영원한 훈련으로 없애고자 하는 것이다.
동의한다. 나는 또한 적응형 차량만이 이 시장에 더 오래 머물 수 있다고 믿습니다. 그러나 여전히 문제가 발생합니다. 훈련 또는 자가 학습을 중단하기 위한 기준을 설정하는 방법(이름은 중요하지 않음)입니다. 결국 이 기준이 불명확하면 프로그래밍할 수 없습니다. 결국 이론상으로 TS가 스스로 훈련하거나 학습할수록 과거 데이터에 맞을 가능성이 높아지고 실생활에서 누출될 가능성이 높아집니다.
곡선의 형태로는 시스템의 견고성에 대해 뭐라 말하기 어렵습니다. 아이디어의 견고함. NN의 경우 아이디어는 입력 데이터 및 토폴로지 등의 올바른 사전 처리에 있습니다. 두 번째 장소. 입력 데이터는 사용된 시장 프로세스를 가장 정확하고 모호하지 않게 설명해야 하며 이를 위해서는 이에 대한 아이디어가 필요합니다. 예, 그리고 시스템 규칙을 포기하기 위한 올바른 기준입니다.
곡선의 형태로는 시스템의 견고성에 대해 뭐라 말하기 어렵습니다. 아이디어의 견고함. NN의 경우 아이디어는 입력 데이터 및 토폴로지 등의 올바른 사전 처리에 있습니다. 두 번째 장소. 입력 데이터는 사용된 시장 프로세스를 가장 정확하고 모호하지 않게 설명해야 하며 이를 위해서는 이에 대한 아이디어가 필요합니다. 예, 그리고 시스템 규칙을 포기하기 위한 올바른 기준입니다.
당신은 모든 것을 올바르게 썼습니다. 동의한다. 그러나 올바른 해결책을 찾기에는 너무 일반적입니다. "모든 것과 아무것도"를 말하는 방법. 나는 구체적인 것을 원한다.
그리고 거기에서 커브의 종류 외에도 많은 유용한 정보를 볼 수 있습니다. 이익, 거래 횟수, 매트 기대치 등..... 이 정보도 향후 TS의 성과를 평가하는 데 유용할 수 있을 것 같습니다. 아니면 내가 틀렸어?
결과는 좋지만 다음에 무슨 일이 일어날지는 시장만이 알 수 있습니다. 2년 동안 나는 같은 원칙에 따라 고문을 작성해 왔으며, 수익성 있는 섹션과 실패한 섹션이 급격하게 바뀌는 한 가지 특징을 발견했습니다. 때론 이것이 성배 인 것처럼 포워드의 반년은 정말 아름답고 다음 반년은... 연속으로 50개의 수익성 있는 거래의 섹션이 수익성 없는 동일한 거래로 대체될 수 있습니다. 왜 그런 겁니까? 나는 그것을 완전히 파악하지 못했지만, 시장의 행동이 훈련/추가 훈련/적응을 위해 NN에 의해 사용되는 이전 기간에 약하게 의존할 때 주기적으로 시장이 일종의 "자발적 성격"을 획득한다고 의심합니다(따라서 구현 시).
어쨌든 결과는 좋아 보이고 견고할 가능성이 있으므로 누구의 말을 듣지 마십시오 :) (IMHO)
즉, 어떤 기준으로든 미래에 차량의 성능을 결정할 수 없다고 생각하십니까?
글쎄, 나는 신경망이 있든 없든 영원한 TS의 존재를 믿지 않습니다. 모든 차량에는 이 세상의 다른 모든 차량과 마찬가지로 수명이 있습니다. 그래서 나는 우리가 TS를 훈련시키고 훈련 기간과 샘플 외 기간에 좋은 형평성을 얻었으며 그 다음은 무엇이라고 썼습니까? 결국 이것은 미래의 작업을 보장하지 않습니다. 예를 들어 나에게 TS를 만들고 OOS 및 교육에서 좋은 에퀴티를 얻는 것은 문제가 되지 않습니다. OOS에서 아주 좋은 것조차도. 그러나 항상 그런 차량은 실생활에서도 잘 작동하는 것은 아닙니다. 더 좋다, 더 나쁘다. 그리고 그것이 무엇에 의존하는지 분명하지 않습니다. 그래서 나는 TS가 미래에 작동할지 여부를 이해, 평가 또는 계산하는 방법에 대해 고심하고 있습니다.
Неее, матожидание это не то.....
승리에 대한 기대는 승리 에 대한 수학적 기대입니다. 이 통계적으로 계산된 지표는 한 거래의 평균 손익을 반영합니다. 다음 거래의 예상 손익을 반영한다고도 볼 수 있습니다.
네, 맞습니다. 거래의 평균 결과("수학적 기대치")는 테스트 기간 동안의 총 결과 를 거래 수로 나눈 것입니다(즉, 부호가 있는 순이익을 거래 수로 나눈 값). 솔직히 말해서, 나는 히치가 무엇인지 그리고 당신이 말하는 것과 내가 말한 것이 어떻게 다른지 이해하지 못합니다. 수학 기대치는 평균값과 거의 같으며 미래와 직접적인 관련이 없습니다.
여기에서 메타따옴표는 약간의 용어 부정확성을 가지고 있습니다. 이것은 m.o가 아닙니다. 보수 및 m.d. 거래 (평균 거래가 수익성이 없을 수 있기 때문에). 서로에 대한 보고서의 숫자를 가져 와서 나누십시오. 정확히 "모 게인"이 됩니다.
일반적으로 약 m.d. 우리는 현상에 대한 확률적 모델을 이미 가지고 있을 때만 말할 수 있습니다. 이것은 순전히 Terverian 개념입니다. 아직 모델이 없지만 신화적인 일반 인구의 샘플만 있으므로 통계가 있습니다. 이것은 우리가 기대의 추정에 대해서만 정확하게 말할 수 있음을 의미합니다.
즉, 어떤 기준으로든 미래에 차량의 성능을 결정할 수 없다고 생각하십니까?
글쎄, 나는 신경망이 있든 없든 영원한 TS의 존재를 믿지 않습니다. 모든 차량에는 이 세상의 다른 모든 차량과 마찬가지로 수명이 있습니다. 그래서 나는 우리가 TS를 훈련시키고 훈련 기간과 샘플 외 기간에 좋은 형평성을 얻었으며 그 다음은 무엇이라고 썼습니까? 결국 이것은 미래의 작업을 보장하지 않습니다. 예를 들어 나에게 TS를 만들고 OOS 및 교육에서 좋은 에퀴티를 얻는 것은 문제가 되지 않습니다. OOS에서 아주 좋은 것조차도. 그러나 항상 그런 차량은 실생활에서도 잘 작동하는 것은 아닙니다. 더 좋다, 더 나쁘다. 그리고 그것이 무엇에 의존하는지 분명하지 않습니다. 그래서 나는 TS가 미래에 작동할지 여부를 이해, 평가 또는 계산하는 방법에 대해 고심하고 있습니다.
동시에 불가능합니다. 어느 정도의 확률로 유리한 결과를 기대하는 것은 가능합니다. 대부분의 경우 이 확률만 50%가 되는 경향이 있습니다) 아마도 파이프 시스템을 제외하고는 드물지만 더 이상 이동과 함께 작동하지 않습니다. 그러나 소음의 경우 역설적으로 들리지만 실제적인 관점에서는 비판에 맞서지 않습니다.
그리고 나는 영원한 시스템을 믿고 있습니다.) 추가 작업에 대한 지침 중 하나는 모든 교육 거부, 자체 학습에 대한 전체 베팅 및 거래 시스템의 완전한 자율성입니다. 이 방법을 통해 향후 시스템 성능의 가능성을 높일 수 있기를 바랍니다. 그리고 그것이 어떻게 될지-시간이 말해줄 것입니다)
그리고 반복합니다. 귀하의 결과는 누구에게도 나쁘지 않으며 거래에서 시도해 볼 가치가 있습니다(확실히 시도해 볼 것입니다). 그런 결과를 버린다면 무엇을 거래해야 할까요?
그리고 나는 영원한 시스템을 믿고 있습니다.) 추가 작업에 대한 지침 중 하나는 모든 교육 거부, 자체 학습에 대한 전체 베팅 및 거래 시스템의 완전한 자율성입니다. 이 방법을 통해 향후 시스템 성능의 가능성을 높일 수 있기를 바랍니다. 그리고 그것이 어떻게 될지-시간이 말해줄 것입니다)
자, 독학도 훈련입니다. 옆모습만. 마찬가지로 자기 학습을 중단하기 위한 기준을 선택해야 합니다. 미래에 수익성 있게 작업하려면 언제(시스템) 자체 교육을 완료해야 합니까?
그리고 나는 영원한 시스템을 믿고 있습니다.) 추가 작업에 대한 지침 중 하나는 모든 교육 거부, 자체 학습에 대한 전체 베팅 및 거래 시스템의 완전한 자율성입니다. 이 방법을 통해 향후 시스템 성능의 가능성을 높일 수 있기를 바랍니다. 그리고 그것이 어떻게 될지-시간이 말해줄 것입니다)
자, 독학도 훈련입니다. 옆모습만. 마찬가지로 자기 학습의 기준을 선택해야 합니다. 미래에 수익성 있게 작업하려면 언제(시스템) 자체 교육을 완료해야 합니까?
이것은 물론 사실이기도합니다 ... 그러나 제 생각에는 그러한 시스템의 "조정"구성 요소는 초기 교육 / 최적화에서 정확하게 도입됩니다. 시스템 매개 변수가 선택되면 변경되지 않고 유지됩니다. 입력 표시기 또는 네트워크 토폴로지 자체 ... 여기에 교육 종료 2007, 테스트 2008 -> 업데이트가 있습니다. 그리고 시스템의 적응 능력과 일부 매개변수가 작업 과정에서 나타나게 하십시오(예를 들어, 시냅스의 가중치가 조정되고, 확률이 변경되고, 새로운 가격 패턴의 출현으로 보완되며, 초기 훈련에서 받은 것) 2007년은 변함없다? 이 훈련은 존재하지 않을 것이다.그것은 내가 영원한 훈련으로 없애고자 하는 것이다.
그러나 시스템은 무겁지 만 아마도 이것은 분기의 주제가 전혀 아닐 것입니다 ....
이것은 물론 사실이기도합니다 ... 그러나 제 생각에는 그러한 시스템의 "조정"구성 요소는 초기 교육 / 최적화에서 정확하게 도입됩니다. 시스템 매개 변수가 선택되면 변경되지 않고 유지됩니다. 입력 표시기 또는 네트워크 토폴로지 자체 ... 여기에 교육 종료 2007, 테스트 2008 -> 업데이트가 있습니다. 그리고 시스템의 적응 능력과 일부 매개변수가 작업 과정에서 나타나게 하십시오(예를 들어, 시냅스의 가중치가 조정되고, 확률이 변경되고, 새로운 가격 패턴의 출현으로 보완되며, 초기 훈련에서 받은 것) 2007년은 변함없다? 이 훈련은 존재하지 않을 것이다.그것은 내가 영원한 훈련으로 없애고자 하는 것이다.
동의한다. 나는 또한 적응형 차량만이 이 시장에 더 오래 머물 수 있다고 믿습니다. 그러나 여전히 문제가 발생합니다. 훈련 또는 자가 학습을 중단하기 위한 기준을 설정하는 방법(이름은 중요하지 않음)입니다. 결국 이 기준이 불명확하면 프로그래밍할 수 없습니다. 결국 이론상으로 TS가 스스로 훈련하거나 학습할수록 과거 데이터에 맞을 가능성이 높아지고 실생활에서 누출될 가능성이 높아집니다.
역사적 데이터에 맞추는 것과 적응하는 것은 별개입니다. 러시아어는 풍부하고 그들이 그것을 다른 단어라고 부르는 것은 아무 것도 아닙니다.
예, 감사합니다. 이것들은 다른 것이라는 것을 압니다. ...... 다른 것에 대한 질문입니다. 실수 없이 썼습니다.
곡선의 형태로는 시스템의 견고성에 대해 뭐라 말하기 어렵습니다. 아이디어의 견고함. NN의 경우 아이디어는 입력 데이터 및 토폴로지 등의 올바른 사전 처리에 있습니다. 두 번째 장소. 입력 데이터는 사용된 시장 프로세스를 가장 정확하고 모호하지 않게 설명해야 하며 이를 위해서는 이에 대한 아이디어가 필요합니다. 예, 그리고 시스템 규칙을 포기하기 위한 올바른 기준입니다.
곡선의 형태로는 시스템의 견고성에 대해 뭐라 말하기 어렵습니다. 아이디어의 견고함. NN의 경우 아이디어는 입력 데이터 및 토폴로지 등의 올바른 사전 처리에 있습니다. 두 번째 장소. 입력 데이터는 사용된 시장 프로세스를 가장 정확하고 모호하지 않게 설명해야 하며 이를 위해서는 이에 대한 아이디어가 필요합니다. 예, 그리고 시스템 규칙을 포기하기 위한 올바른 기준입니다.
당신은 모든 것을 올바르게 썼습니다. 동의한다. 그러나 올바른 해결책을 찾기에는 너무 일반적입니다. "모든 것과 아무것도"를 말하는 방법. 나는 구체적인 것을 원한다.
그리고 거기에서 커브의 종류 외에도 많은 유용한 정보를 볼 수 있습니다. 이익, 거래 횟수, 매트 기대치 등..... 이 정보도 향후 TS의 성과를 평가하는 데 유용할 수 있을 것 같습니다. 아니면 내가 틀렸어?
비록 마지막 문장은 명확하지 않지만.......