Vasiliy Ishenko : ... 이 분야의 경험, 지식 및 관행으로 인해 현재 수동으로 거래하고 "내 머리로" 직접 분석하고 + 내 자신의 디자인에 대한 독점 지표를 사용합니다. 예, 저는 개인적으로 미리 표시한 레벨이나 지점에서 열기/닫기에 대한 결정을 내리는 몇 대의 로봇(스크립트에 더 가깝습니다)을 사용하지만 그 이상은 사용하지 않습니다. 내 "수동 전략"에 따라 알고리즘을 작성하는 것은 불가능하기 때문에 그것은 비유적 지각과 복잡한 그래픽 분석을 가지고 있습니다.
로봇을 직접 쓰기 시작하기 전에 저는 이 질문에 대해 생각했습니다. 거래자가 경험과 시장 인식의 주관적인 순간에 더 의존하는 거래 시스템을 공식화하는 것이 가능합니까?
지금까지 나는 다음과 같은 결론에 도달했습니다.
1. 분명한 규칙이 있으면 당연히 어떤 시스템이든 프로그래밍할 수 있습니다.
2. 규칙이 모호한 경우 - 규칙의 해석에 영향을 미치는 요인을 분석하고 퍼지 논리 및 게임 이론 방법을 사용하여 프로그래밍할 수도 있습니다.
3. 로봇을 작성할 때 고려되지 않은 "새로운" 상황이 주기적으로 발생하고 사람이 항상 볼 수 있고 로봇이 "볼" 가능성이 가장 높기 때문에 사람에게는 항상 어떤 이점이 있습니다. 슈퍼 듀퍼 "모든 것을 고려한" 신경망에 적용되며 지속적인 추가 교육이 있는 경우에만 약간만 수평을 유지합니다. 로봇은 당연히 고유한 이점이 있습니다. 시스템이 클수록 거래 빈도가 높아집니다.
4. 매우 성공적인 수동 거래자의 시스템을 프로그래밍하는 것은 종종 의미가 없습니다. 적응형이며 실제로 많은 간단한 시스템과 직관과 같은 매개 변수가 있는 의사 결정 시스템의 추가 기능이기 때문입니다. , 행운, 심지어 용기 :) 이러한 의미에서 이미 여기에서 말했듯이 수동 거래와 달리 올바르게 구성된 많은 간단한 시스템의 포트폴리오에서 작업하는 것이 합리적이며 더 간단하고 통계적으로 분석됩니다.
그리고 예, 흥미를 잃고 "복잡한 그래픽 분석"을 프로그래밍할 때까지, 그리고 실제로 프로그래밍한다면 거기에는 비정상적으로 복잡한 것은 없다고 생각합니다)
바실리 이셴코 : ... 월 30% 정도의 수익률에 벌써 관심이 가는데 이건 월 30%가 아니라 매달(!) 매년(!) 예외 없이! 로봇이 할 수 있는 일인가요??? 나는 그것이 가능하다는 것을 배제하지 않지만 마찬가지로 불가능하다는 것을 배제하지 않습니다(동어반어에 대해 유감스럽게 생각합니다). 따라서 저는 이 분야에서 더 이상 연구 및 개발을 수행하지 않습니다.
왜 이렇게 높은 수익률이 나오는지 궁금합니다) 안정적이고 매월 3~5%면 충분합니다. 그러나 50%의 감소로 물론 더 많은 것이 필요하지만 이것은 매우 분산적입니다.
나는 시스템의 "적합" 정도에 따라 수학적으로 정당화된 수익성 한계가 있다고 생각합니다. 시스템이 특정 시장, 상황, 기간 등에 덜 적응하는 것보다 (즉, 시스템이 더 보편적임) 이 제한은 더 작아집니다. 나는 아직 이 주제에 대한 과학적 연구를 본 적이 없으며 흥미로울 것입니다. 아마도 이것이 은행의 가장 큰 펀드와 거래 부서가 우주적 이익을 보여주지 않는 이유일 것입니다.
어떤 신경망도 53% 이상의 정확도로 시장이 어디로 갈 것인지 보여주지 않을 것입니다.
두뇌 논리 알고리즘 구매/판매 로봇
...
이 분야의 경험, 지식 및 관행으로 인해 현재 수동으로 거래하고 "내 머리로" 직접 분석하고 + 내 자신의 디자인에 대한 독점 지표를 사용합니다. 예, 저는 개인적으로 미리 표시한 레벨이나 지점에서 열기/닫기에 대한 결정을 내리는 몇 대의 로봇(스크립트에 더 가깝습니다)을 사용하지만 그 이상은 사용하지 않습니다. 내 "수동 전략"에 따라 알고리즘을 작성하는 것은 불가능하기 때문에 그것은 비유적 지각과 복잡한 그래픽 분석을 가지고 있습니다.
로봇을 직접 쓰기 시작하기 전에 저는 이 질문에 대해 생각했습니다. 거래자가 경험과 시장 인식의 주관적인 순간에 더 의존하는 거래 시스템을 공식화하는 것이 가능합니까?
지금까지 나는 다음과 같은 결론에 도달했습니다.
1. 분명한 규칙이 있으면 당연히 어떤 시스템이든 프로그래밍할 수 있습니다.
2. 규칙이 모호한 경우 - 규칙의 해석에 영향을 미치는 요인을 분석하고 퍼지 논리 및 게임 이론 방법을 사용하여 프로그래밍할 수도 있습니다.
3. 로봇을 작성할 때 고려되지 않은 "새로운" 상황이 주기적으로 발생하고 사람이 항상 볼 수 있고 로봇이 "볼" 가능성이 가장 높기 때문에 사람에게는 항상 어떤 이점이 있습니다. 슈퍼 듀퍼 "모든 것을 고려한" 신경망에 적용되며 지속적인 추가 교육이 있는 경우에만 약간만 수평을 유지합니다. 로봇은 당연히 고유한 이점이 있습니다. 시스템이 클수록 거래 빈도가 높아집니다.
4. 매우 성공적인 수동 거래자의 시스템을 프로그래밍하는 것은 종종 의미가 없습니다. 적응형이며 실제로 많은 간단한 시스템과 직관과 같은 매개 변수가 있는 의사 결정 시스템의 추가 기능이기 때문입니다. , 행운, 심지어 용기 :) 이러한 의미에서 이미 여기에서 말했듯이 수동 거래와 달리 올바르게 구성된 많은 간단한 시스템의 포트폴리오에서 작업하는 것이 합리적이며 더 간단하고 통계적으로 분석됩니다.
그리고 예, 흥미를 잃고 "복잡한 그래픽 분석"을 프로그래밍할 때까지, 그리고 실제로 프로그래밍한다면 거기에는 비정상적으로 복잡한 것은 없다고 생각합니다)
...
월 30% 정도의 수익률에 벌써 관심이 가는데 이건 월 30%가 아니라 매달(!) 매년(!) 예외 없이! 로봇이 할 수 있는 일인가요??? 나는 그것이 가능하다는 것을 배제하지 않지만 마찬가지로 불가능하다는 것을 배제하지 않습니다(동어반어에 대해 유감스럽게 생각합니다). 따라서 저는 이 분야에서 더 이상 연구 및 개발을 수행하지 않습니다.
왜 이렇게 높은 수익률이 나오는지 궁금합니다) 안정적이고 매월 3~5%면 충분합니다. 그러나 50%의 감소로 물론 더 많은 것이 필요하지만 이것은 매우 분산적입니다.
나는 시스템의 "적합" 정도에 따라 수학적으로 정당화된 수익성 한계가 있다고 생각합니다. 시스템이 특정 시장, 상황, 기간 등에 덜 적응하는 것보다 (즉, 시스템이 더 보편적임) 이 제한은 더 작아집니다. 나는 아직 이 주제에 대한 과학적 연구를 본 적이 없으며 흥미로울 것입니다. 아마도 이것이 은행의 가장 큰 펀드와 거래 부서가 우주적 이익을 보여주지 않는 이유일 것입니다.