나는 주제를 계속한다. 나는 1989년부터 2011년까지 일간 바에서 GBPUSD 쌍을 분석했습니다. 동일한 접근 방식으로 UPC의 크기를 각각 더 작게(5 * 5) 만들면 입력 벡터의 분리가 더 거칠어졌습니다.
SPC를 학습한 결과입니다. 데이터 표현의 간결함을 더욱 조악하게 하지 않기 위해 클러스터로 나누지 않습니다. 훈련을 위해 5800개의 예제를 사용했으며 입력 벡터의 크기는 40개로 동일합니다.
나는 가변 수의 막대(미래의 1에서 15까지)를 사용하여 미래의 가격 변동 가능성을 분석했습니다. 뉴런의 수는 수평으로 이동한 다음 그 안에 포함된 예제의 수, 그 다음에는 미래에 1-15개의 막대에 대한 확률, 처음에는 상승 움직임, 그 다음에는 가격 하락에 대한 블록이 표시됩니다.
이 테이블에 대한 그래프입니다. 여기에는 수평으로만 미래에 대한 막대가 있고 수직으로 뉴런이 있습니다. 거래 전략을 수립하기 위해 보라색으로 강조 표시된 사례를 정확히 가져왔습니다. 0.6보다 큰 모듈로 확률.
결과. 교육:
다음으로, OOS 기간의 데이터를 훈련된 SOM에 공급하고 뉴런 번호를 얻습니다. 전략을 사용하고 있습니다.
이제 귀찮지 않고 신경망 기술 내에서 가능하다면 거래 예측 시간 제한(미래의 막대 수)을 사용하지 않고 예측을 시도하십시오. 동일한 예측 능력이 그리드에서 유지되는지 확인하는 데 매우 관심이 있습니다.
알고리즘에 대한 오해가 있는 것 같아요. 자기 조직화 지도는 예측하지 않습니다.... 다차원 표본 공간을 유사한 사례가 집중된 조밀한 영역으로 나눕니다. 신경망은 미래에 무슨 일이 일어날지 모릅니다. (때때로 미래 지향적인 데이터를 사용하여 SQL을 훈련하고 그런 수익성이 높은 상황에 선행하는 입력 벡터를 연구하면서 이익이 최대인 클러스터에 집중할 수 있습니다.) 그런 다음 테이블을 작성하고 신경망으로 그룹화된 사례에 대한 미래의 평균 가격 행동.
시간 프레임 없이 예측하는 방법은 무엇입니까? 우리는 미래를 예측하지만 무한하지는 않습니다.
알고리즘에 대한 오해가 있는 것 같아요. 자기 조직화 지도는 예측하지 않습니다.... 다차원 표본 공간을 유사한 사례가 집중된 조밀한 영역으로 나눕니다. 신경망은 미래에 무슨 일이 일어날지 모릅니다.
나는 자기 조직화 카드가 어떻게 작동하는지 이해합니다. 프로모션). 나는 지도(지도가 예측하는 것)가 아니라 일반적인 차량에 대해 이야기하고 있습니다. 그리고 TS는 누가 뭐라고 해도 예측에 임하고 있습니다.
그리고 시간 프레임 없이 예측하는 방법은 무엇입니까? 우리는 미래를 예측하지만 무한하지는 않습니다 .
이봐. 이 포럼에 남아 있는 모든 차량의 99%는 예측 기간이 없습니다. 나에게는 이상하게 보이지만(아마도 당신에게도 그렇게 보일 것입니다), 사실입니다. 전형적인 예: 두 대 또는 한 대의 기계에서 거래, 교차로 진입(우리는 입장하지만 출구가 언제일지 알 수 없음), 반대 신호에서 출구/입장.
포럼에 굵은 글씨체를 이해하는 사람들이 있다는 것이 기쁩니다.
이 접근 방식으로 예측할 수 있는 다른 것에 대한 몇 가지 아이디어를 듣고 싶습니다.
그래서 우리는 여전히 예측하고 있습니까? :)
주어진 시간 간격에서 가격이 주어진 범위에 유지될 확률(일반적으로 나는 "예측"이라는 단어를 좋아하지 않으며 특히 "확률"이라는 단어와 함께 사용)을 예측할 수 있습니다(또는 그 반대의 경우도 마찬가지입니다. 그것에서 무엇이 나올 것인가) - 이것에서도 당신은 벌 수 있습니다.
--- 야. 이 포럼에 남아 있는 모든 차량의 99%는 예측 기간이 없습니다. 나에게는 이상하게 보이지만(아마도 당신에게도 그렇게 보일 것입니다), 사실입니다. 전형적인 예: 두 대 또는 한 대의 기계에서 거래, 교차로 진입(우리는 입장하지만 출구가 언제일지 알 수 없음), 반대 신호에서 출구/입장.
네, 이해합니다. 입력과 출력이 표시기에 의해 생성되는 TS와 유추하면 다음과 같이 할 수 있습니다. NN 입력을 제공하고, 뉴런 수를 가져오고, 위치를 입력하고, NN이 다른 수를 제공할 때까지 기다립니다. 우리가 나가는 뉴런. 전략 테스터 에서 입력 및 출력 뉴런의 수를 선택합니다. 이렇게하려면 물론 고문을 작성하고 테스트해야합니다. 그러나 저는 그러한 접근 방식이 실행 가능한지 여부에 대해 먼저 생각하는 것을 좋아합니다... 저는 본질적으로 우리가 한 상태에서 다른 상태로의 시스템 전환을 다루고 있다고 생각합니다. 시스템의 상태는 컴팩트 클래스(SCP의 셀)에 속하는 것으로 공식화됩니다. 이론적으로 높은 확률로 상태 x에서 상태 y로의 전환이 이익을 주는 상황이 있을 수 있습니다 ... 그러나 이것은 지금은 환상일 뿐입니다) 어떻게 생각하세요?
--- 가격이 주어진 시간 간격(또는 그 반대의 경우도 마찬가지입니다.) - 이것으로 돈을 벌 수도 있습니다.
예, 물론, 결과 데이터 그룹의 분석 결과에 따라 확률적으로) 예측할 수 있습니다. 확실히 말할 수 있는 것은 없으며 항상 규칙에 예외가 있을 것입니다. 데이터 파일을 게시하겠습니다. 셀 번호가 있고 OOS 기간이 회색으로 채워져 있습니다. 학습 기간 동안 엑셀로 스스로 예측하고 전략을 세워보고 OOS에서도 확인할 수 있습니다. 예를 들어, 우리는 가격이 미래에 도달할 최대값과 최소값을 (막대별로) 분석하지만 여기서 우리는 미래에 채널이 확장될 것이라고 즉시 말할 수 있습니다. 그리고 TS를 이 아이디어에 대한 긍정적인 수학적 기대로 가져오는 방법은 무엇입니까?
안녕하세요!
나는 주제를 계속한다. 나는 1989년부터 2011년까지 일간 바에서 GBPUSD 쌍을 분석했습니다. 동일한 접근 방식으로 UPC의 크기를 각각 더 작게(5 * 5) 만들면 입력 벡터의 분리가 더 거칠어졌습니다.
SPC를 학습한 결과입니다. 데이터 표현의 간결함을 더욱 조악하게 하지 않기 위해 클러스터로 나누지 않습니다. 훈련을 위해 5800개의 예제를 사용했으며 입력 벡터의 크기는 40개로 동일합니다.
나는 가변 수의 막대(미래의 1에서 15까지)를 사용하여 미래의 가격 변동 가능성을 분석했습니다. 뉴런의 수는 수평으로 이동한 다음 그 안에 포함된 예제의 수, 그 다음에는 미래에 1-15개의 막대에 대한 확률, 처음에는 상승 움직임, 그 다음에는 가격 하락에 대한 블록이 표시됩니다.
이 테이블에 대한 그래프입니다. 여기에는 수평으로만 미래에 대한 막대가 있고 수직으로 뉴런이 있습니다. 거래 전략을 수립하기 위해 보라색으로 강조 표시된 사례를 정확히 가져왔습니다. 0.6보다 큰 모듈로 확률.
결과. 교육:
다음으로, OOS 기간의 데이터를 훈련된 SOM에 공급하고 뉴런 번호를 얻습니다. 전략을 사용하고 있습니다.
OOS 기간(2010년 초부터 현재까지).
그리고 마지막으로 확률이 가장 큰 셀의 예제에 해당하는 평균 입력 벡터를 만들었습니다.
요청 시 모든 데이터가 포함된 파일을 게시할 수도 있습니다.
내가 테스트한 모든 도구에서 예측 가능성이 관찰되었습니다.
훌륭합니다. 훌륭합니다! - 그렇지 않으면 카지노, 사고 ....
이제 귀찮지 않고 신경망 기술 내에서 가능하다면 거래 예측 시간 제한(미래의 막대 수)을 사용하지 않고 예측을 시도하십시오. 동일한 예측 능력이 그리드에서 유지되는지 확인하는 데 매우 관심이 있습니다.
훌륭합니다. 훌륭합니다! - 그렇지 않으면 카지노, 사고 ....
이제 귀찮지 않고 신경망 기술 내에서 가능하다면 거래 예측 시간 제한(미래의 막대 수)을 사용하지 않고 예측을 시도하십시오. 동일한 예측 능력이 그리드에서 유지되는지 확인하는 데 매우 관심이 있습니다.
알고리즘에 대한 오해가 있는 것 같아요. 자기 조직화 지도는 예측하지 않습니다.... 다차원 표본 공간을 유사한 사례가 집중된 조밀한 영역으로 나눕니다. 신경망은 미래에 무슨 일이 일어날지 모릅니다. (때때로 미래 지향적인 데이터를 사용하여 SQL을 훈련하고 그런 수익성이 높은 상황에 선행하는 입력 벡터를 연구하면서 이익이 최대인 클러스터에 집중할 수 있습니다.) 그런 다음 테이블을 작성하고 신경망으로 그룹화된 사례에 대한 미래의 평균 가격 행동.
시간 프레임 없이 예측하는 방법은 무엇입니까? 우리는 미래를 예측하지만 무한하지는 않습니다.
제가 알기로는 테이블은 사후에 만든거라 시간 제한 없이 다른 방법으로 테이블을 짜야 합니다.
그렇지. 이익실현의 성취를 예측할 수는 있지만, 다시 말하지만, 최소한 일정 기간을 설정해야 합니다.
가격이 n 막대에서 더 높거나 낮을 확률이 아니라 n 막대의 열린 거래 기간에 대한 트랜잭션의 평균 이익을 볼 수도 있습니다. 그리고 이 모든 것은 SCP의 세포에 대한 사례의 기존 분류에서 볼 수 있습니다.
이 접근 방식으로 예측할 수 있는 다른 것에 대한 몇 가지 아이디어를 듣고 싶습니다.
알고리즘에 대한 오해가 있는 것 같아요. 자기 조직화 지도는 예측하지 않습니다.... 다차원 표본 공간을 유사한 사례가 집중된 조밀한 영역으로 나눕니다. 신경망은 미래에 무슨 일이 일어날지 모릅니다.
나는 자기 조직화 카드가 어떻게 작동하는지 이해합니다. 프로모션). 나는 지도(지도가 예측하는 것)가 아니라 일반적인 차량에 대해 이야기하고 있습니다. 그리고 TS는 누가 뭐라고 해도 예측에 임하고 있습니다.
그리고 시간 프레임 없이 예측하는 방법은 무엇입니까? 우리는 미래를 예측하지만 무한하지는 않습니다 .
이봐. 이 포럼에 남아 있는 모든 차량의 99%는 예측 기간이 없습니다. 나에게는 이상하게 보이지만(아마도 당신에게도 그렇게 보일 것입니다), 사실입니다. 전형적인 예: 두 대 또는 한 대의 기계에서 거래, 교차로 진입(우리는 입장하지만 출구가 언제일지 알 수 없음), 반대 신호에서 출구/입장.
포럼에 굵은 글씨체를 이해하는 사람들이 있다는 것이 기쁩니다.
이 접근 방식으로 예측할 수 있는 다른 것에 대한 몇 가지 아이디어를 듣고 싶습니다.
그래서 우리는 여전히 예측하고 있습니까? :)
주어진 시간 간격에서 가격이 주어진 범위에 유지될 확률(일반적으로 나는 "예측"이라는 단어를 좋아하지 않으며 특히 "확률"이라는 단어와 함께 사용)을 예측할 수 있습니다(또는 그 반대의 경우도 마찬가지입니다. 그것에서 무엇이 나올 것인가) - 이것에서도 당신은 벌 수 있습니다.
--- 야. 이 포럼에 남아 있는 모든 차량의 99%는 예측 기간이 없습니다. 나에게는 이상하게 보이지만(아마도 당신에게도 그렇게 보일 것입니다), 사실입니다. 전형적인 예: 두 대 또는 한 대의 기계에서 거래, 교차로 진입(우리는 입장하지만 출구가 언제일지 알 수 없음), 반대 신호에서 출구/입장.
네, 이해합니다. 입력과 출력이 표시기에 의해 생성되는 TS와 유추하면 다음과 같이 할 수 있습니다. NN 입력을 제공하고, 뉴런 수를 가져오고, 위치를 입력하고, NN이 다른 수를 제공할 때까지 기다립니다. 우리가 나가는 뉴런. 전략 테스터 에서 입력 및 출력 뉴런의 수를 선택합니다. 이렇게하려면 물론 고문을 작성하고 테스트해야합니다. 그러나 저는 그러한 접근 방식이 실행 가능한지 여부에 대해 먼저 생각하는 것을 좋아합니다... 저는 본질적으로 우리가 한 상태에서 다른 상태로의 시스템 전환을 다루고 있다고 생각합니다. 시스템의 상태는 컴팩트 클래스(SCP의 셀)에 속하는 것으로 공식화됩니다. 이론적으로 높은 확률로 상태 x에서 상태 y로의 전환이 이익을 주는 상황이 있을 수 있습니다 ... 그러나 이것은 지금은 환상일 뿐입니다) 어떻게 생각하세요?
--- 가격이 주어진 시간 간격(또는 그 반대의 경우도 마찬가지입니다.) - 이것으로 돈을 벌 수도 있습니다.
예, 물론, 결과 데이터 그룹의 분석 결과에 따라 확률적으로) 예측할 수 있습니다. 확실히 말할 수 있는 것은 없으며 항상 규칙에 예외가 있을 것입니다. 데이터 파일을 게시하겠습니다. 셀 번호가 있고 OOS 기간이 회색으로 채워져 있습니다. 학습 기간 동안 엑셀로 스스로 예측하고 전략을 세워보고 OOS에서도 확인할 수 있습니다. 예를 들어, 우리는 가격이 미래에 도달할 최대값과 최소값을 (막대별로) 분석하지만 여기서 우리는 미래에 채널이 확장될 것이라고 즉시 말할 수 있습니다. 그리고 TS를 이 아이디어에 대한 긍정적인 수학적 기대로 가져오는 방법은 무엇입니까?
파일을 첨부파일로.