아니요, 이것은 비선형 변환(신경망)을 사용하여 금융 시계열에서 패턴을 찾으려는 시도입니다.
문제 번호 2는 다단계 신경망 의 도움으로 조정 시스템을 만드는 것이 가능하다는 것입니다. 예를 들어 어제 차트를 가져와 이 쌍의 전체 기록과 비교합니다. 다음 결과를 제공합니다. 그래프의 이 세그먼트는 1m 10%, m5 12%, m15 40% 등의 세그먼트와 일치합니다.
질문 2는 다단계 신경망의 도움으로 조정 시스템을 만드는 것이 가능하다는 것입니다. 예를 들어 어제 차트를 가져와 이 쌍의 전체 기록과 비교합니다. 다음 결과를 제공합니다. 그래프의 이 세그먼트는 1m 10%, m5 12%, m15 40% 등의 세그먼트와 일치합니다.
그런 다음 50% 미만의 모든 항목이 필터링됩니다.
이것이 구현될 수 있습니까?
이것은 NS 없이 수행할 수 있습니다. 그리고 그것은 하기 쉽습니다! 예를 들어 Excel에서는 주어진 세그먼트와 모든 세그먼트 사이의 거리에 대한 유클리드 측정값이 고려됩니다. 그런 다음 주어진 세그먼트와 가장 유사한 세그먼트가 선택됩니다. 가장 중요한 것은 예를 들어 1.4 수준의 가격 변동과 1.2 수준의 변동을 비교하지 않도록 데이터를 확장하는 것을 잊지 않는 것입니다.
alexeymosc : 이것은 NS 없이 수행할 수 있습니다. 그리고 그것은 하기 쉽습니다! 예를 들어 Excel에서는 주어진 세그먼트와 모든 세그먼트 사이의 거리에 대한 유클리드 측정값이 고려됩니다. 그런 다음 주어진 세그먼트와 가장 유사한 세그먼트가 선택됩니다. 가장 중요한 것은 예를 들어 1.4 수준의 가격 변동과 1.2 수준의 변동을 비교하지 않도록 데이터를 확장하는 것을 잊지 않는 것입니다.
아니요, 이것은 비선형 변환(신경망)을 사용하여 금융 및 시계열 에서 패턴을 찾으려는 시도입니다.
아니요, 이것은 비선형 변환(신경망)을 사용하여 금융 시계열에서 패턴을 찾으려는 시도입니다.
문제 번호 2는 다단계 신경망 의 도움으로 조정 시스템을 만드는 것이 가능하다는 것입니다. 예를 들어 어제 차트를 가져와 이 쌍의 전체 기록과 비교합니다. 다음 결과를 제공합니다. 그래프의 이 세그먼트는 1m 10%, m5 12%, m15 40% 등의 세그먼트와 일치합니다.
그런 다음 50% 미만의 모든 항목이 필터링됩니다.
이것이 구현될 수 있습니까?
질문 2는 다단계 신경망의 도움으로 조정 시스템을 만드는 것이 가능하다는 것입니다. 예를 들어 어제 차트를 가져와 이 쌍의 전체 기록과 비교합니다. 다음 결과를 생성합니다. 그래프의 이 세그먼트는 1m 10%, m5 12%, m15 40% 등의 세그먼트와 일치합니다.
그런 다음 50% 미만의 모든 항목이 필터링됩니다.
이것이 구현될 수 있습니까?
이 작업에는 그리드가 필요하지 않습니다. 상관관계를 계산하는 것이 더 쉽습니다.
즉, 구현할 수 있습니다. 신경망을 사용하여 여러 거래 시스템을 하나로 고갈시키고 싶습니다. 예를 들어 추세에서는 좋은 수익을 내지만 플랫에서는 병합되는 TS가 있고 그 반대가 있습니다. 그런 다음 롱 포지션 등에 대해 계산된 것들이 있습니다.
예를 들어, 추세가 시작되고 한 블록이 꺼지고 다른 블록이 연결됩니다. 미래를 모르기 때문에 지연이 발생하고 지연의 결과를 보상하기 위해 세 번째 블록이 시작됩니다. 동시에 작업 조건을 위반하지 않는 다른 블록이 작동합니다.
질문 2는 다단계 신경망의 도움으로 조정 시스템을 만드는 것이 가능하다는 것입니다. 예를 들어 어제 차트를 가져와 이 쌍의 전체 기록과 비교합니다. 다음 결과를 제공합니다. 그래프의 이 세그먼트는 1m 10%, m5 12%, m15 40% 등의 세그먼트와 일치합니다.
그런 다음 50% 미만의 모든 항목이 필터링됩니다.
이것이 구현될 수 있습니까?
이 모든 것이 서로를 보상해야 합니다. 신경망은 각 블록의 신호를 확인하고 패턴을 찾아야 합니다. 완전히 관리하고 학습합니다.
4코어 프로세서로 충분합니까?
이를 위해 신경망이 필요하지 않습니다.
이것은 NS 없이 수행할 수 있습니다. 그리고 그것은 하기 쉽습니다! 예를 들어 Excel에서는 주어진 세그먼트와 모든 세그먼트 사이의 거리에 대한 유클리드 측정값이 고려됩니다. 그런 다음 주어진 세그먼트와 가장 유사한 세그먼트가 선택됩니다. 가장 중요한 것은 예를 들어 1.4 수준의 가격 변동과 1.2 수준의 변동을 비교하지 않도록 데이터를 확장하는 것을 잊지 않는 것입니다.
이를 위해 신경망이 필요하지 않습니다.