나는 생각하고 생각하고 생각했다 : 규칙성에 대한 검색은 피팅보다 다소 "깊은"것이 아닌가? 제가 진행하고 있는 실험의 예를 들어 설명하겠습니다. 제가 사용하는 신경망이 있습니다. 나는 보통 한 두 시간 동안 그녀를 훈련시킨다. 결과의 약 30-50%가 테스트를 성공적으로 통과합니다(교육 기간의 1/6). 문제는 그들을 식별하는 것입니다. 이 경우에는 간단한 추측 게임이 저에게 불리합니다. 나는 4시간 동안 훈련하려고 노력했다. - 슬픔, 성공적인 포워드의 약 20%만. 결론: 우리는 재훈련 중이며 적합성이 시작되었습니다. 나는 속이 상했고 .... 나는 공부를 계속하기로 결정했습니다. 12시간, 같은 20퍼센트. 24시간, 다시 20%, 그러나 그들이 훈련 기간보다 약간 더 나빠질 뿐임을 알아차렸습니다. 과거에는 최고 점수라도 성능이 눈에 띄게 떨어지는 것을 보여주었고 실제로 그 20%가 모든 세트의 최고의 학습 결과였습니다. 이전에는 다른 것들 사이에 거의 고르게 번졌습니다. 흥미로워졌다. 현재까지 거의 72시간 동안 교육을 실시했습니다. 오 기적. 상위 200개 결과 중 123개 이상이 성공적으로 테스트를 통과했습니다. 추측 게임을 수익성 있게 플레이할 수 있습니다.
훈련 시간을 늘리면 샘플 기간에 결과가 점진적으로 향상되었습니다. 자연스럽습니다. 72시간의 결과는 2시간의 결과를 4배 이상 초과했습니다. OOS의 결과도 결국 개선되었지만 여기에서 점진적인 것은 말할 필요도 없으며 명백한 실패가있었습니다.
__________
그것은 무엇을 말하는가?
슬프고 분명한 옵션: 교육 방법의 불완전성과 NN의 혼잡에 대해) 기존 GA는 NN을 가르치기에는 무겁지만 거기에서 조정할 것이 있습니다. NN에는 많은 자유가 있고 NN 입력은 다음과 같습니다. 또한 명확하게 중복되고 그들 모두가 충분히 유익한 것은 아닙니다. NN은 학습 과정에서 상당히 많은 "제외"합니다. 건축을 실험할 수도 있습니다.
낙관적이며 아마도 시기상조: "장"으로 패턴을 식별할 수 있는 TS는 훈련 기간 동안 최상의 결과를 얻기 위해 단순히 "의무"가 있습니다. 물론 이러한 패턴이 이 결과에 중요한 경우입니다.
Где грань между подгонкой и реальными закономерностями?
논리적으로 생각하도록 노력하겠습니다.
1) 규칙성이란 무엇입니까? 특정 조건에서 가격의 동일한 동작.
2) 조건은 무엇을 설명합니까? 가격 차트의 일부 선택된 특성.
3) 가격 차트의 특성은 일정합니까? 일반적으로 불안정합니다.
4) 특성을 결정하는 것은 무엇입니까? 시간과 가격의 지표.
5) 따라서 동일한 가격 조치가 가능한 경우는 언제입니까? 아마도 일정하지 않은(다른) 지표가 있을 수 있습니다.
6) 지표의 변동성을 특징짓는 것은 무엇입니까? 시간과 가격을 고려하여 지표의 변화를 설명하는 프로세스의 특성.
7) 그렇다면 시장의 규칙성은 무엇인가? 패턴은 시간과 가격을 고려하고 패턴을 설명하는 가격 차트의 특성 지표의 변화를 설명하는 프로세스 특성의 특정 변화가 있는 가격의 동일한 동작입니다.
패턴의 구현 조건(동일한 동작)은 특정 법률에 따라 가격 차트의 변경과 동기적으로 변경되지만 맞춤은 변경되지 않는다는 점에서 패턴이 맞춤과 다른 것으로 나타났습니다. 정적으로 주어진 조건은 규칙성을 거의 설명할 수 없다는 것이 밝혀졌습니다. 시장은 변수보다 고정된 특성이 훨씬 적습니다. 따라서 Bound는 규칙성을 설명할 수 있는 최상의 가능성을 가진 유형으로 동적 분석 시스템을 선택합니다.
가격은 특정 조건에서 동일할 수 없습니다. 간단히 말해서, 역사가 핍 내에서 반복될 확률은 0에 가깝습니다. 그 이유는 따옴표 안에 노이즈가 있기 때문입니다.
TA는 미래에 바로 이것을 이용하기 위해 과거에 대한 검색을 기반으로 하기 때문에 다음과 같습니다.
1. 노이즈 - 메모리가 없는 과거의 일부 패턴 - 임의 프로세스. 분산이 있기 때문에 과거 데이터의 패턴이 고르지 않게 분포됩니다. 두껍거나 비어 있습니다. 높은 확률로 특정 가격 행동에 앞서 노이즈 패턴이 크게 축적된 후 최적화(훈련) 중 TS는 "거래 신호"와 동일한 패턴을 취할 수 있습니다. 당연히 그러한 "규칙성"은 테스트를 통과할 가능성이 매우 낮습니다. 서로 다른 영역에서 과거 데이터가 과도하게 축적될 가능성은 거의 없으며 안정적인 인과 관계가 없습니다. 메모리가 낭비됩니다.
2. 실제 거래 신호 - 미래의 일부 가격 행동에 선행하는 과거의 일부 패턴, 즉 프로세스는 무작위가 아니며 메모리가 있습니다. 이러한 패턴은 거래 신호보다 먼저 발생하므로 균등하게 누적됩니다. 먼저 패턴, 그 다음 거래 신호 - 안정적인 인과 관계(불안정한 경우 더 이상 패턴이 아님). TS가 이러한 패턴을 적어도 부분적으로 드러낸다면 앞으로 테스트를 통과할 수 있습니다.
이론적으로 패턴에서 노이즈를 걸러낼 수 있습니다. 저것들. 포워드 테스트에서 모든 거래 신호를 가져와 두 가지 범주로 나눕니다.
1. 신호가 손실을 주었다 - 잡음
2. 신호가 이익을 주었다 - 패턴
또한 예를 들어 추가 기능을 통해 패턴과 노이즈를 구별하도록 신경망을 훈련할 수 있습니다. 결과적으로 소음 억제 장치가있는 차량을 얻습니다. 일정 비율의 소음은 여전히 누출되지만 100% 소음 억제 장치는 자연에 존재하지 않습니다.
요컨대, 순방향 테스트 결과를 기반으로 시장을 필터링해야 합니다. 대표 샘플이 아닌 OOS - 샘플. 많은 사람들이 시도하는 샘플로 신호를 필터링하면 제곱 맞춤을 얻습니다.
그것은 동물을 "유해한"것과 "유용한"것으로 나누는 것과 같습니다 ... 그래서 여기에도 - 가격 변동이 있습니다 ... 그러나 우리가 그것에 대해 1 페니를 벌면 우리는 그것을 "자연적"이라고 부르기 위해 겸손합니다 ... 그렇지 않으면, 무의미한 "소음"입니다. 물론 기분이 나아지지는 않았습니다. 사고였겠죠...
노래로 보답하겠습니다 Eduard Harsh ).. 고양이 없이도 할 수 있지만 이것의 본질은 변하지 않습니다. 우리는 기계가 자로 영혼을 측정하도록 강요합니다 .. 그리고 우리는 여전히 패턴을 식별하려고 노력하고 있습니다. 그것들은 확실히 존재하지만 동시에 (다소 큰 자원이 필요함) 동시에 고려되거나 100%이기 때문에 현재 역사에 하나/여러 도구를 조이는 데 신경 쓰지 않을 수 있습니다. 그리고 이것은 실제로 브라운 운동이기 때문에 단편적인 결과만 얻을 수 있습니다. 예를 들어 여기와 같이 (+/-/++/---/+/--/+++/--/+/--/) 시각적으로 더 많은 플러스가 있는 것처럼 보입니다. 왜냐하면 우리가 이것을 원하기 때문입니다. , 하지만 실제로는 그렇지 않습니다..
네 알겠습니다.. 이러지 않겠습니다. 원칙적으로 생각을 구성했지만 컴퓨터가 외부 신호로 고양이와 고양이를 구별하기 전까지는 이것으로 고통받는 것은 쓸모가 없습니다. 그리고 하면 시장이 완전히 달라지겠죠.. :o)
"꼬리 후유증" - 최적화된 차량의 경우 이 현상이 너무 흔하여 파손될 수도 있습니다.
사실 이윤을 위해서가 아니라 패턴의 존재가 불가능하다는 증거를 쫓고 있을 때만 탐지가 가능하다.
행운을 빕니다.
나는 생각하고 생각하고 생각했다 : 규칙성에 대한 검색은 피팅보다 다소 "깊은"것이 아닌가? 제가 진행하고 있는 실험의 예를 들어 설명하겠습니다. 제가 사용하는 신경망이 있습니다. 나는 보통 한 두 시간 동안 그녀를 훈련시킨다. 결과의 약 30-50%가 테스트를 성공적으로 통과합니다(교육 기간의 1/6). 문제는 그들을 식별하는 것입니다. 이 경우에는 간단한 추측 게임이 저에게 불리합니다. 나는 4시간 동안 훈련하려고 노력했다. - 슬픔, 성공적인 포워드의 약 20%만. 결론: 우리는 재훈련 중이며 적합성이 시작되었습니다. 나는 속이 상했고 .... 나는 공부를 계속하기로 결정했습니다. 12시간, 같은 20퍼센트. 24시간, 다시 20%, 그러나 그들이 훈련 기간보다 약간 더 나빠질 뿐임을 알아차렸습니다. 과거에는 최고 점수라도 성능이 눈에 띄게 떨어지는 것을 보여주었고 실제로 그 20%가 모든 세트의 최고의 학습 결과였습니다. 이전에는 다른 것들 사이에 거의 고르게 번졌습니다. 흥미로워졌다. 현재까지 거의 72시간 동안 교육을 실시했습니다. 오 기적. 상위 200개 결과 중 123개 이상이 성공적으로 테스트를 통과했습니다. 추측 게임을 수익성 있게 플레이할 수 있습니다.
훈련 시간을 늘리면 샘플 기간에 결과가 점진적으로 향상되었습니다. 자연스럽습니다. 72시간의 결과는 2시간의 결과를 4배 이상 초과했습니다. OOS의 결과도 결국 개선되었지만 여기에서 점진적인 것은 말할 필요도 없으며 명백한 실패가있었습니다.
__________
그것은 무엇을 말하는가?
슬프고 분명한 옵션: 교육 방법의 불완전성과 NN의 혼잡에 대해) 기존 GA는 NN을 가르치기에는 무겁지만 거기에서 조정할 것이 있습니다. NN에는 많은 자유가 있고 NN 입력은 다음과 같습니다. 또한 명확하게 중복되고 그들 모두가 충분히 유익한 것은 아닙니다. NN은 학습 과정에서 상당히 많은 "제외"합니다. 건축을 실험할 수도 있습니다.
낙관적이며 아마도 시기상조: "장"으로 패턴을 식별할 수 있는 TS는 훈련 기간 동안 최상의 결과를 얻기 위해 단순히 "의무"가 있습니다. 물론 이러한 패턴이 이 결과에 중요한 경우입니다.
텍사스 나는 이 논쟁/홀리바가 진리의 탐색/출생과 무슨 관련이 있는지 모르지만, 나는 여전히 스스로 주제에 대한 답을 식별할 수 있었던 것 같다.
원하는 에지는 그래프의 왼쪽 부분과 오른쪽 부분 사이의 지점에 위치하며 다음과 같이 정의됩니다.
차트 왼쪽에 최적화된 이 특정 TS 가 통계적 으로 차트 오른쪽에 "이익 꼬리"** 가 발생하는 경향이 있다면 패턴이 있는 것입니다.
그렇지 않으면 아무 생각도 할 수 없는 적합성입니다.
// 통계적 경향* - 이 맥락에서 우리 는 최적화 시간 제한 의 다중 이동 및 (2) 거래 수단의 변경을 의미합니다.
// "이익 꼬리"** - "후유증". 미래의 인접 섹션에 대한 통계적 플러스 수익성.
이 정의는 "영원한" 패턴 과 임시 패턴의 존재 가능성을 고려합니다 .
표시된 가장자리는 정성적 의미에서 정확합니다. 추가 - 정량적 추정(수명, 발현 정도 등)만. 또는 쓰레기통.
100% 동의합니다.
Gerasim은 패턴을 검색할 때와 같이 피팅에 약간 다른 개념을 적용하여 패턴을 균등화하여 선을 흐리게 하며, 히스토리에 맞출 때는 시스템이 쏟아지지만 기간 최적화의 실제 패턴 - 수익성 있는 포워드(최소 최적화 기간의 최대 25%).
이것은 당신이 쓴 것과 정확히 같은 줄 입니다. 또 다른 질문은 실제 패턴의 검색("조정")을 기록 적합으로 바꾸지 않는 방법 입니다.
여기에서는 이미 최적화 시간, 입력 매개변수 변경 단계, 입력 매개변수 준비 등 주제에 대해 알고 있고 지향하는 모든 사람에 따라 다릅니다.
반복합니다 - 이 문제(" 방법 ...)에 대해 여기 에서 더 자세히 볼 수 있습니다.
1. 현재까지 거의 72시간 동안 교육을 실시했습니다. 오 기적. 상위 200개 결과 중 123개 이상이 성공적으로 테스트를 통과했습니다. 추측 게임을 수익성 있게 플레이할 수 있습니다.
훈련 시간을 늘리면 샘플 기간에 결과가 점진적으로 향상되었습니다. 자연스럽습니다. 72시간 만에 얻은 결과는 2시간 만에 얻은 결과보다 4배 이상 많았다. OOS의 결과도 결국 개선되었지만 여기에서 점진적인 것은 말할 필요도 없으며 명백한 실패가있었습니다.
__________
2. 그것은 무엇을 말합니까?
1. 실험의 반복된 재생산이 다른 시대와 악기 의 사람들에 대해 이 "기적"의 반복성을 보여준다면, 우리는 결과의 규칙성에 대해 이야기할 수 있습니다.
2. 지금까지는 거의 없습니다. 1번 항목 참조.
논리적으로 생각하도록 노력하겠습니다.
1) 규칙성이란 무엇입니까? 특정 조건에서 가격의 동일한 동작.
2) 조건은 무엇을 설명합니까? 가격 차트의 일부 선택된 특성.
3) 가격 차트의 특성은 일정합니까? 일반적으로 불안정합니다.
4) 특성을 결정하는 것은 무엇입니까? 시간과 가격의 지표.
5) 따라서 동일한 가격 조치가 가능한 경우는 언제입니까? 아마도 일정하지 않은(다른) 지표가 있을 수 있습니다.
6) 지표의 변동성을 특징짓는 것은 무엇입니까? 시간과 가격을 고려하여 지표의 변화를 설명하는 프로세스의 특성.
7) 그렇다면 시장의 규칙성은 무엇인가? 패턴은 시간과 가격을 고려하고 패턴을 설명하는 가격 차트의 특성 지표의 변화를 설명하는 프로세스 특성의 특정 변화가 있는 가격의 동일한 동작입니다.
패턴의 구현 조건(동일한 동작)은 특정 법률에 따라 가격 차트의 변경과 동기적으로 변경되지만 맞춤은 변경되지 않는다는 점에서 패턴이 맞춤과 다른 것으로 나타났습니다. 정적으로 주어진 조건은 규칙성을 거의 설명할 수 없다는 것이 밝혀졌습니다. 시장은 변수보다 고정된 특성이 훨씬 적습니다. 따라서 Bound는 규칙성을 설명할 수 있는 최상의 가능성을 가진 유형으로 동적 분석 시스템을 선택합니다.
네 알겠습니다.. 이러지 않겠습니다. 아이디어는 제가 구성해 봤습니다만 컴퓨터가 외부 신호로 고양이와 고양이를 구별하기 전까지는 고생해도 소용없구요, 그렇게 되면 시장이 완전히 달라집니다.. :o)
논리적으로 생각하도록 노력하겠습니다.
1) 규칙성이란 무엇입니까? 특정 조건에서 가격의 동일한 동작.
가격은 특정 조건에서 동일할 수 없습니다. 간단히 말해서, 역사가 핍 내에서 반복될 확률은 0에 가깝습니다. 그 이유는 따옴표 안에 노이즈가 있기 때문입니다.
TA는 미래에 바로 이것을 이용하기 위해 과거에 대한 검색을 기반으로 하기 때문에 다음과 같습니다.
1. 노이즈 - 메모리가 없는 과거의 일부 패턴 - 임의 프로세스. 분산이 있기 때문에 과거 데이터의 패턴이 고르지 않게 분포됩니다. 두껍거나 비어 있습니다. 높은 확률로 특정 가격 행동에 앞서 노이즈 패턴이 크게 축적된 후 최적화(훈련) 중 TS는 "거래 신호"와 동일한 패턴을 취할 수 있습니다. 당연히 그러한 "규칙성"은 테스트를 통과할 가능성이 매우 낮습니다. 서로 다른 영역에서 과거 데이터가 과도하게 축적될 가능성은 거의 없으며 안정적인 인과 관계가 없습니다. 메모리가 낭비됩니다.
2. 실제 거래 신호 - 미래의 일부 가격 행동에 선행하는 과거의 일부 패턴, 즉 프로세스는 무작위가 아니며 메모리가 있습니다. 이러한 패턴은 거래 신호보다 먼저 발생하므로 균등하게 누적됩니다. 먼저 패턴, 그 다음 거래 신호 - 안정적인 인과 관계(불안정한 경우 더 이상 패턴이 아님). TS가 이러한 패턴을 적어도 부분적으로 드러낸다면 앞으로 테스트를 통과할 수 있습니다.
이론적으로 패턴에서 노이즈를 걸러낼 수 있습니다. 저것들. 포워드 테스트에서 모든 거래 신호를 가져와 두 가지 범주로 나눕니다.
1. 신호가 손실을 주었다 - 잡음
2. 신호가 이익을 주었다 - 패턴
또한 예를 들어 추가 기능을 통해 패턴과 노이즈를 구별하도록 신경망을 훈련할 수 있습니다. 결과적으로 소음 억제 장치가있는 차량을 얻습니다. 일정 비율의 소음은 여전히 누출되지만 100% 소음 억제 장치는 자연에 존재하지 않습니다.
요컨대, 순방향 테스트 결과를 기반으로 시장을 필터링해야 합니다. 대표 샘플이 아닌 OOS - 샘플. 많은 사람들이 시도하는 샘플로 신호를 필터링하면 제곱 맞춤을 얻습니다.
1. 신호가 손실을 주었다 - 잡음
2. 신호가 이익을 주었다 - 패턴
하하하하하하하
그것은 동물을 "유해한"것과 "유용한"것으로 나누는 것과 같습니다 ... 그래서 여기에도 - 가격 변동이 있습니다 ... 그러나 우리가 그것에 대해 1 페니를 벌면 우리는 그것을 "자연적"이라고 부르기 위해 겸손합니다 ... 그렇지 않으면, 무의미한 "소음"입니다. 물론 기분이 나아지지는 않았습니다. 사고였겠죠...
주술사! 인간중심주의자! 하나님을 화나게 하지 마십시오!
:)
고양이는 어떻습니까?
노래로 보답하겠습니다 Eduard Harsh ).. 고양이 없이도 할 수 있지만 이것의 본질은 변하지 않습니다. 우리는 기계가 자로 영혼을 측정하도록 강요합니다 .. 그리고 우리는 여전히 패턴을 식별하려고 노력하고 있습니다. 그것들은 확실히 존재하지만 동시에 (다소 큰 자원이 필요함) 동시에 고려되거나 100%이기 때문에 현재 역사에 하나/여러 도구를 조이는 데 신경 쓰지 않을 수 있습니다. 그리고 이것은 실제로 브라운 운동이기 때문에 단편적인 결과만 얻을 수 있습니다. 예를 들어 여기와 같이 (+/-/++/---/+/--/+++/--/+/--/) 시각적으로 더 많은 플러스가 있는 것처럼 보입니다. 왜냐하면 우리가 이것을 원하기 때문입니다. , 하지만 실제로는 그렇지 않습니다..
가장 가능성이 높은 다음 질문 - 노래는 어디에 있습니까? :에 대한))