Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 303
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Bu kesinlikle. Ancak giriş eşiğinin yüksek olması çeşitli riskleri de artırmaktadır. Mutlaka finansal değil.
Her şey böyle, yukarıdakiler banal bir biçimde ifade edilebilir: "kâr, yalnızca ticaret için değil, tüm insan faaliyetleri için geçerli olan, makul riskin monoton bir işlevidir", ayrıca, şunu düşünen birinin olduğu bilinmektedir. hiç risk almıyor, örneğin rekabetçi olmayan bir meslek seçiyor ve devlet emekli maaşına güveniyor, bunlar aşırı insanlar))
Ve ne tür bir hayat "risksiz"? Herkes için aynı şekilde biteceği düşünüldüğünde, bu hiç de ilginç değil.
Sistematik bir yaklaşımla, ne yaptığınızın anlaşılmasını ve buna bağlı olarak eylemlerinizin sonuçlarını planlama ve tahmin etme yeteneğini anlıyorum.
Makale için teşekkürler. Çünkü Herhangi bir özel yazılıma aşina değilim, o zaman yeni başlayanlar için en basit ve anlaşılır olanıdır. Hangi yöntemin kullanıldığını, regresyon veya sınıflandırmayı anlamadım?
Doğal olarak, hemen sistemlerini denemeye başladı. Herhangi bir soru zorlaştırıyorsa, o zaman Tanrı onu korusun, oyun sırasında netleşecek.
1. Giriş ve çıkış için mum kullanmıyorum - yalnızca alıntıların akışı ve mumlar yalnızca önceki mumdan başlayarak tarihtedir. Eğitim için yine de sorun değil, mumlarla öğrenmesine izin verin, ancak Rattle'ın mevcut mumun içindeki alıntıların akışını nasıl yutturacağı hala bir gizem. Aynı zamanda, mumun akışının hala bir şekilde analiz edilmesi gerekiyor.
2.Ayarlanabilir tahmin edicilerle ne yapılmalı? Örneğin, regresyon çizgileri ve sigmalarla. Bunları geçmişin yerine koyamazsınız (öğrenmek için), onları anında hesaplayan ve geçmişten önceki yapıların izlerini kaldıran fonksiyonlara ihtiyacınız var.
3. Benzer şekilde - her zaman var olmayan ve serideki belirli noktalardan oluşturulan ve genel olarak oyun sırasında yeniden oluşturulabilen titrek tahminciler.
4 Tahmin edicilerin 2. ve 3. maddelere göre normalleştirilmesi sorunu - temelde imkansızdır.
Ve tahmin edicilerin geçmişi, hem eğitim hem de iş sırasında hesaplanmalıdır.
Şimdiye kadar, tam bir kafa karışıklığı.
çıngırak iki durumda iyidir:
1. Regresyon veya sınıflandırma. Bu, hedef değişkenin türünü belirler. Gerçek sayı bir gerilemedir. Nominal (faktör) - sınıflandırma.
2. Hedef değişkenle başlayın. Görünen basitliğe rağmen, bu oldukça karmaşık bir sorudur. Ne tahmin edeceksin? Yön? büyüklük, aşırılık, seviye...
3. Tahminciler. Hedef değişkenle "ilişkili" olduklarını kanıtlamak gerekir. Bu en zor kısım. Zamanın% 70'ine kadar bu soruyu yerim. Bu konuda şubede çok şey yazdım.
4. Statikten memnun değil. İşte burada R'ye gitmek devreye giriyor. çıngırak, bu tür R'ye gitmeyi basitleştirir, çünkü tüm eylemlerinizi R'ye kaydeder ve bu hazır kod değişiklik için kullanılabilir. Genel olarak, bir sonraki adım şapkadır.
2. Hedef değişkenle başlayın. Görünen basitliğe rağmen, soru oldukça karmaşık. Ne tahmin edeceksin? Yön? büyüklük, aşırılık, seviye...
Görünüşe göre her şeyin tahmin edilmesi gerekiyor.) Şimdi modelde (MO değil) yaklaşık 30 "gösterge" var (onları öngörücü olarak adlandırmak daha doğru) + karşılıklı işleme ve mantıkları. 10 tane daha olması gerekiyordu.
Böyle bir ciltle manuel olarak başa çıkmak ve yine de her tahmin edicinin ortak nedene katkısını anlamak artık çok iyi olmaz. gerçek. Bu nedenle, bu arada, MO kullanma fikri. Her şey henüz en başında.
San Sanych Fomenko :
3. Tahminciler. Hedef değişkenle "ilişkili" olduklarını kanıtlamak gerekir. Bu en zor kısım. Zamanın% 70'ine kadar bu soruyu yerim. Bu konuda şubede çok şey yazdım.
Evet, uyum sağlamanız gerekiyor. Anlayamazsınız gibi görünüyor.)
San Sanych Fomenko :
4. Statikten memnun değil. İşte burada R'ye gitmek devreye giriyor. çıngırak, bu tür R'ye gitmeyi basitleştirir, çünkü tüm eylemlerinizi R'ye kaydeder ve bu hazır kod değişiklik için kullanılabilir. Genel olarak, bir sonraki adım şapkadır.
Anladım.
İlginç bir plaka, en sık kullanılan MO paketleri
İlginç bir plaka, en sık kullanılan MO paketleri
Listeye bir tane daha eklemeyi unuttum. Ah evet, benzersiz bir yazılımım var, nadir denilebilir :-)
Görünüşe göre her şeyin tahmin edilmesi gerekiyor.) Şimdi modelde (MO değil) yaklaşık 30 "gösterge" var (onları öngörücü olarak adlandırmak daha doğru) + karşılıklı işleme ve mantıkları. 10 tane daha olması gerekiyordu.
Böyle bir ciltle manuel olarak başa çıkmak ve yine de her tahmin edicinin ortak nedene katkısını anlamak artık çok iyi olmaz. gerçek. Bu nedenle, bu arada, MO kullanma fikri. Her şey henüz en başında.
San Sanych Fomenko :
3. Tahminciler. Hedef değişkenle "ilişkili" olduklarını kanıtlamak gerekir. Bu en zor kısım. Zamanın% 70'ine kadar bu soruyu yerim. Bu konuda şubede çok şey yazdım.
Evet, uyum sağlamanız gerekiyor. Anlayamazsınız gibi görünüyor.)
San Sanych Fomenko :
4. Statikten memnun değil. İşte burada R'ye gitmek devreye giriyor. çıngırak, bu tür R'ye gitmeyi basitleştirir, çünkü tüm eylemlerinizi R'ye kaydeder ve bu hazır kod değişiklik için kullanılabilir. Genel olarak, bir sonraki adım şapkadır.
Anladım.
5 sentimi koyacağım. Aslında çıktı değişkeni değil, FİYAT oluşturacak bu tür girdileri sağlamanız gerekiyor! O zaman herhangi bir araç iyi çalışacaktır. Amaç fonksiyonlarına örnekler:
En bariz SİNYAL KAR, ayrıca bugün hangi seviyeye ulaşılacağı gibi belli bir seviyeye geri çekilme olacak mı vs. Yazımı okuyun, tembel olmayın, bundan bahsediyorum. Yani tüm bu amaç fonksiyonları için aynı girdileri veriyorum ve tüm modellerin çalışması oldukça tatmin edici. Üstelik aynı girişlerin piyasaya nasıl baktığı da doğrudan görülebiliyor. Burada kâr için, burada bir geri dönüş için, burada bir seviye için. Ve makul bir şekilde çalışırlar çünkü girişler fiyatın nedenidir.
Girişteki bir değişikliğin fiyatta bir değişikliğe yol açmasının nedenini biraz açıklayayım, bunun tersi değil. Burada kafanız çok karışabilir, çünkü TS'nin istatistikleri çok kötü. Çünkü Zscore tam olarak fiyatın kendisine söylediği değeri alır, tersi değil. Delta, örneğin fiyat değişikliğinin nedenidir. :-)
5 sentimi koyacağım. Aslında çıktı değişkeni değil, FİYAT oluşturacak bu tür girdileri sağlamanız gerekiyor! O zaman herhangi bir araç iyi antrenman yapacak. Amaç fonksiyonlarına örnekler:
En bariz SİNYAL KAR, ayrıca bugün hangi seviyeye ulaşılacağı gibi belli bir seviyeye geri çekilme olacak mı vs. Yazımı okuyun, tembel olmayın, bundan bahsediyorum. Yani tüm bu amaç fonksiyonları için aynı girdileri veriyorum ve tüm modellerin çalışması oldukça tatmin edici. Üstelik aynı girişlerin piyasaya nasıl baktığı da doğrudan görülebiliyor. Burada kâr için, burada bir geri dönüş için, burada bir seviye için. Ve makul bir şekilde çalışırlar çünkü girişler fiyatın nedenidir.
Girişteki bir değişikliğin fiyatta bir değişikliğe yol açmasının nedenini biraz açıklayayım, bunun tersi değil. Burada kafanız çok karışabilir, çünkü TS'nin istatistikleri çok kötü. Çünkü Zscore tam olarak fiyatın kendisine söylediği değeri alır, tersi değil. Delta, örneğin fiyat değişikliğinin nedenidir. :-)
Yazınız, link önceki sayfa değil diyorsanız okuyun. Belki bir şey kaçırdı. tekrar okuyacağım.
Evet, elbette, fiyat hareketini tahmin etmek için bunun tahmin edicileri var. Ancak bunların süperpozisyonu + fiyatı bir giriş sinyali verir, yani. orijinal (eğitim) kara kutunun tepkisini tahmin edin. Soru, tavuk mu yumurta mı önce gelir sorusuna benzer. Farklılıkların tamamen terminolojide olması mümkündür.
Burada ideoloji açısından en azından katı mantığı olan sistemlerde fiyatı tahmin etmek daha doğrudur ve çıktı değişkeni zaten işlemenin sonucudur.
Yazınız, link önceki sayfa değil diyorsanız okuyun. Belki bir şey kaçırdı. tekrar okuyacağım.
Evet, elbette, fiyat hareketini tahmin etmek için bunun tahmin edicileri var. Ancak bunların süperpozisyonu + fiyatı bir giriş sinyali verir, yani. orijinal (eğitim) kara kutunun tepkisini tahmin edin. Soru, tavuk mu yumurta mı önce gelir sorusuna benzer. Farklılıkların tamamen terminolojide olması mümkündür.
Burada ideoloji açısından en azından katı mantığı olan sistemlerde fiyatı tahmin etmek daha doğrudur ve çıktı değişkeni zaten işlemenin sonucudur.
Bu doğru, ancak fiyatın değiştiği verileri kullanarak fiyatı tahmin etmeniz gerekiyor. Çok ilginç bir gözlem var. Girdi, fiyatın nedeniyse, örnek dışı çalışmanın sonucu eğitimden biraz daha kötü olacaktır, yani NN'nin eğitimde nasıl çalıştığı ve "Örnek dışı" durumda çalışmaya devam etmesi yalnızca önemli ölçüde daha kötü olduğunda , değilse. Her şey modele bağlı. Ve fiyata bağlı OLMAYAN girdi verilerini sağladığınızda, "Örnek dışı" bölümündeki çalışma bir Yazı-tura, yazı-turaya dönüşür. NA'nın ne zaman hata yapacağını asla bilemezsiniz. Bunun gibi bir şey...
Bu doğru, ancak fiyatın değiştiği verileri kullanarak fiyatı tahmin etmeniz gerekiyor. Çok ilginç bir gözlem var. Girdi, fiyatın nedeniyse, örnek dışı çalışmanın sonucu eğitimden biraz daha kötü olacaktır, yani NN'nin eğitimde nasıl çalıştığı ve "Örnek dışı" durumda çalışmaya devam etmesi yalnızca önemli ölçüde daha kötü olduğunda , değilse. Her şey modele bağlı. Ve fiyata bağlı olarak girdi verilerini sağladığınızda, "Numune dışı" bölümündeki çalışma bir CoinFlip'e, bir yazı-turaya dönüşür. NA'nın ne zaman hata yapacağını asla bilemezsiniz. Bunun gibi bir şey...
Aslında, fiyatın ve değişikliklerinin bağlı olduğu veriye sahip değiliz. Ve eğer içeriden biri değilsek olamaz. Genel olarak, fiyat hareketinin kendisinde gelecek hakkında dolaylı (ikincil) veriler arıyoruz. Onlar. verilerimiz tam olarak fiyata ve geçmişteki ve şimdiki davranışına bağlıdır.
Ve bu ifade: Değiştiği verileri kullanarak fiyatı tahmin etmeniz gerekir. Onunla hemfikir olunamaz. Girdideki tahmin kalitesi ne kadar yüksek olursa, sonuçların o kadar iyi olduğu tartışılmaz.
------------------------------
Moskova Bölgesi'ne göç için tahmin ediciler hazırlamaya başladı. Hepsini R'de yapmak istedim. Tüm gücü için R'nin modelleme ve sinyal işleme için tamamen uygun olmadığı ortaya çıktı. Ne yazık ki. Her şey son derece uygunsuz.
Tüm hazırlık çalışmalarını, tüm bunların çok daha basit ve rahat bir şekilde yapıldığı SciLab'a aktarmamız gerekecek. SciLab - Pts'nin çevresi ve arayüzü ve ideolojisi. R'ye yakın ve veri işleme ve matematiksel modelleme için tasarlanmıştır. Bununla birlikte, radyo mühendisliğinden aerodinamiğe kadar her şey ve R. Spesifikliğinde tamamen bulunmayan birçok matematik var. SciLab'da Stat yöntemleri ve Veri Madenciliği oldukça iyi sunulmuştur, ancak bu anlamda SciLab, bu tür yöntemlerin seçiminde R'den önemli ölçüde daha düşüktür. SciLab'da SanSanych ormanı yapamazsınız.) Her ne kadar orada kurulu paketler de kir gibi olsa da, öyle görünüyor ki, yakın bir şey yok.
Genel olarak, farklı sorunları çözmek ve ortamlar arasında veri aktarmak için farklı geliştirme ortamlarını birleştirmeniz gerekecektir. Çok yazık. Her şeyi en iyisini (R'de) yapmak istedim, ama her zamanki gibi çıktı.