이것이 훈련 샘플에서 모델이 보이는 모습입니다. 녹색 곡선과 빨간색 곡선 사이의 델타 마진이 좋은 것을 볼 수 있으며, 이것이 수익입니다.
그러나 아래에서 시험 샘플에서 델타가 어떻게 축소되었는지 확인할 수 있습니다.
테스터에 비해 계산된 잔액이 조금 더 낙관적인 것으로 판명되었지만 구조는 동일하므로 초기 평가에 계속 사용할 것 같습니다.
0.10500이 가장 좋은 옵션입니다. 당신과 거의 같습니다. 하지만 밸런스 라인이 다릅니다. 그리고 오차는 약 0.5입니다. 위험하고 조금 더 나빠지고 고갈되기 시작할 수 있습니다. 4200번 거래하고 거래당 0.10500 /4200 ~= 0.00002에 불과합니다. 매우 위험합니다. 스프레드, 슬리피지 등이 상금을 모두 먹어치울 것입니다.
elibrarius #: 0.01050이 가장 좋습니다. 여러분과 거의 같습니다. 그러나 균형선이 다릅니다. 그리고 오차는 약 0.5입니다. 위험하고 약간 악화되고 소모되기 시작할 수 있습니다. 4200번 거래하고 거래당 0.01050 /4200 ~= 0.00002만 이깁니다. 매우 위험합니다. 스프레드, 슬리피지 등이 모든 상금을 먹어치울 것입니다.
이 모델로 인해 수익성있는 거래의 비율이 4 % 증가했고 MM은 동일한 금액을 제공 할 것이며 이제 착취에 대해 생각할 수 있습니다.
그러나이 마크 업은 시장 구조를 기반으로하지 않기 때문에 정확하지 않다고 생각합니다. 훈련을 위해 유사한 시장 조건을 비교하려는 시도가 없기 때문에 모델이 모든 것을 스스로 수행해야합니다.
Aleksey Vyazmikin #: 또한 자체 보상이 가능하기 때문에 결국 두 가지 모델 (매수 및 매도)에 의해 균형이 결정되어야한다고 생각합니다.
저도 동의합니다. 이것이 제가 실험을 위해하는 일이며, 훈련 할 때 서로 다른 클래스가 서로 간섭해서는 안됩니다. 1 모델은 전체적으로 최상의 결과를 찾습니다. 최고의 모델 2 개는 전체적으로 하나보다 낫습니다. 그러나 다른 한편으로는 더 빨리 과훈련할 수 있으므로 과훈련을 더 강력하게 차단해야 합니다.
이것이 훈련 샘플에서 모델이 보이는 모습입니다. 녹색과 빨간색 곡선 사이에 양호한 델타 마진이 있는 것을 볼 수 있습니다.
그러나 아래에서 테스트 샘플에서 델타가 어떻게 축소되었는지 확인할 수 있습니다.
테스터에 비해 계산된 잔액이 조금 더 낙관적인 것으로 판명되었지만 구조는 동일하므로 초기 평가에 계속 사용할 것 같습니다.
이것이 훈련 샘플에서 모델이 보이는 모습입니다. 녹색 곡선과 빨간색 곡선 사이의 델타 마진이 좋은 것을 볼 수 있으며, 이것이 수익입니다.
그러나 아래에서 시험 샘플에서 델타가 어떻게 축소되었는지 확인할 수 있습니다.
테스터에 비해 계산된 잔액이 조금 더 낙관적인 것으로 판명되었지만 구조는 동일하므로 초기 평가에 계속 사용할 것 같습니다.
0.01050이 가장 좋습니다. 여러분과 거의 같습니다. 그러나 균형선이 다릅니다. 그리고 오차는 약 0.5입니다. 위험하고 약간 악화되고 소모되기 시작할 수 있습니다. 4200번 거래하고 거래당 0.01050 /4200 ~= 0.00002만 이깁니다. 매우 위험합니다. 스프레드, 슬리피지 등이 모든 상금을 먹어치울 것입니다.
이 모델로 인해 수익성있는 거래의 비율이 4 % 증가했고 MM은 동일한 금액을 제공 할 것이며 이제 착취에 대해 생각할 수 있습니다.
그러나이 마크 업은 시장 구조를 기반으로하지 않기 때문에 정확하지 않다고 생각합니다. 훈련을 위해 유사한 시장 조건을 비교하려는 시도가 없기 때문에 모델이 모든 것을 스스로 수행해야합니다.
또한 자체 보상이 가능하기 때문에 결국 두 가지 모델 (매수 및 매도)에 의해 균형이 결정되어야한다고 생각합니다.
또한 균형은 결국 두 가지 모델 (매수 및 매도)에 의해 결정되어야한다고 생각합니다. 왜냐하면 그들은 자체 보상을 할 수 있기 때문입니다.
처음 두 열에 대해 훈련) H1의 마지막 샘플에 대해 훈련합니다.
시간 패턴이 포착되나요?
시간적 패턴을 포착하고 있나요?
그렇습니다. 결과 보기
지금은 다른 접근 방식으로 약간의 재미를 보고 있지만 아직 테스트할 기회는 없습니다. 하지만 분명한 것이라면 분명 찾을 수 있을 거라고 생각합니다.
지금은 다른 접근 방식을 시도해보고 있는데 아직 확인할 기회가 없습니다. 하지만 모든 것이 분명하다면 찾을 수 있을 거라고 생각합니다.
요점은 5000 개 이상의 기능보다 2 배 더 낫다는 것입니다.
다른 모든 5000 개 이상의 기능은 결과를 악화시킬뿐입니다.
모델이이 두 가지에서 무엇을 보여줄지 비교하는 것은 흥미 롭습니다.