Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2536
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret 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
Yetkili bir bilim adamı, fiyatın logaritma olması gerektiğini yazdı ve tüm teorisyenler körü körüne bunu yapmaya devam ediyor.
John Tukey? veya Cox ile Boks?
John Tukey? veya Cox ile Boks?
Muhtemelen Eugene Fama tezinde, ama emin değilim.
daha önce burada olmuş gibi görünüyor
peki, düz ve trend sorunu tekrar ortaya çıkacak
...........
Yöntem şunlardan oluşur:
1) Bir tür modeliniz var (örneğin, doğrusal regresyon)
2) Doğruluğundan emin olmadığınız bazı gözlemler
Sonra rastgele bir gürültü yaratırız ve bunu birkaç kez tekrarlayarak bir dizi gözlemle birleştiririz.
Bundan sonra, modelin davranışını farklı sonuç kümeleri üzerinde karşılaştırır ve bazı sonuçlar çıkarırız.
İsteğe bağlı olarak, tercih edilen davranış olarak en kararlı davranışı seçebilirsiniz.
Sihirli bir değnek değil, sadece analiz ve olası küçük iyileştirmeler için bir araçtır, yanlış bir modeli doğru modele dönüştürmez.
...........
Yöntem şunlardan oluşur:
1) Bir tür modeliniz var (örneğin, doğrusal regresyon)
2) Doğruluğundan emin olmadığınız bazı gözlemler
Sonra rastgele bir gürültü yaratırız ve bunu birkaç kez tekrarlayarak bir dizi gözlemle birleştiririz.
Bundan sonra, modelin davranışını farklı sonuç kümeleri üzerinde karşılaştırır ve bazı sonuçlar çıkarırız.
İsteğe bağlı olarak, tercih edilen davranış olarak en kararlı davranışı seçebilirsiniz.
Sihirli bir değnek değil, sadece analiz ve olası küçük iyileştirmeler için bir araçtır, yanlış bir modeli doğru modele dönüştürmez.
yaramaz. Deterministik bir seri ve onu %100 doğrulukla anlatan bir model var. Eklenen gürültü - modelin açıklamasının doğruluğu %52 oldu. Bu eylemin anlamı daha mı?
Mors alfabesi ve işaretçiler. oradan.
...........
Yöntem şunlardan oluşur:
1) Bir tür modeliniz var (örneğin, doğrusal regresyon)
2) Doğruluğundan emin olmadığınız bazı gözlemler
Sonra rastgele bir gürültü yaratırız ve bunu birkaç kez tekrarlayarak bir dizi gözlemle birleştiririz.
Bundan sonra, modelin davranışını farklı sonuç kümeleri üzerinde karşılaştırır ve bazı sonuçlar çıkarırız.
İsteğe bağlı olarak, tercih edilen davranış olarak en kararlı davranışı seçebilirsiniz.
Sihirli bir değnek değil, sadece analiz ve olası küçük iyileştirmeler için bir araçtır, yanlış bir modeli doğru modele dönüştürmez.
sadece belirli durumlarda ve işe yaramadığı bir dizi durum var. Tek umut, mantıksal olarak, her zaman böyle değildir, işe yaramadığı daha az durum vardır.
yaramaz. Deterministik bir seri ve onu %100 doğrulukla anlatan bir model var. Eklenen gürültü - model açıklamasının doğruluğu %52 oldu. Bu eylemin anlamı daha mı?
Bu seriden kesin değerler alabiliyorsanız, bunun bir anlamı yok. Yalnızca yaklaşık değerler alabiliyorsanız, o zaman nokta oldukça basittir, modelin sonucunun orijinal (ideal) serinin yanlış ölçümlerinizin hatası olup olmadığını kontrol etmek. Bunun kesin matematiksel formülleri ve tanımları var ama anlamıyorum.
Bu seriden kesin değerler alabiliyorsanız, bunun bir anlamı yok. Yalnızca yaklaşık değerler alabiliyorsanız, o zaman nokta oldukça basittir, modelin sonucunun orijinal (ideal) serinin yanlış ölçümlerinizin hatası olup olmadığını kontrol etmek. Bunun kesin matematiksel formülleri ve tanımları var ama anlamıyorum.
Mesele, değerlerin doğruluğunda değil, istenen seçiminin güvenilirliğindedir. Aradığımız şey var, yüzde 10 karıştırıyoruz, 99'u seçiyoruz, 50'yi karıştırıyoruz, 80 veya 20'yi seçiyoruz ... hepsi istenen veriyi çıkarmak için kullanılan algoritmaya bağlı.
not Eh, elbette gürültünün kalitesi. Sinyali biliyorsanız, herhangi bir sinyali gizleyebilirsiniz. ve bazen tesadüfen olur.Bu seriden kesin değerler alabiliyorsanız, bunun bir anlamı yok. Yalnızca yaklaşık değerler alabiliyorsanız, o zaman nokta oldukça basittir, modelin sonucunun orijinal (ideal) serinin yanlış ölçümlerinizin hatası olup olmadığını kontrol etmek. Bunun kesin matematiksel formülleri ve tanımları var ama anlamıyorum.
Tahmin edicileri ve çıktıyı rastgele doldurdum. Sadece öğrenmenin mümkün olmadığından emin olmak için. %50/50 oranında ikna oldum.
Tırnaklarla ve hedef TP=SL'deyken de %50/50 çıkıyor.
Ve hedef rastgele belirlenmezse?
Burada bir deney yaptım - genellikle 3 parçaya bölünmüş bir örneğim var, bu yüzden onu aldım, tek bir örnekte birleştirdim ve 100 ağaçlık bir model eğittim, sonra hangi tahmin edicilerin kullanılmadığına baktım ve onları engelledim. Ardından, her zamanki gibi, modeli ikinci örnekte yeniden eğitim duruşuyla eğittim ve tahmin edicileri hariç tutmadan eğittiğimde üçüncü örnekteki sonuçları seçenekle karşılaştırdım. Sonuçların seçilen yordayıcılarda daha iyi olduğu ortaya çıktı ve burada bu etkinin sonuçlarıyla bir kaybım var. "Farklı yordayıcıların seçimi, aralıktaki örneklerdeki farklılıklardan kaynaklanmaktadır, öğrenme üzerinde tüm örnek için, uzun bir süre içinde önemini kaybetmeyen tahmin edicileri otomatik olarak seçiyoruz.". Ancak bu, örneklem ne kadar büyükse, modelin uzun vadede daha istikrarlı olduğu anlamına mı geliyor? Bu şekilde eğitim için tahmin edicileri seçmek mümkün mü, yani. Bu yeniden eğitime katkıda bulunmuyor mu? Genel olarak, CatBoost'un yaratıcılarından, modelin hiper parametrelerini bulmanız ve ardından modeli işte uygulamak için mevcut tüm örnekten aptalca öğrenmeniz gerektiğine dair bir öneri duydum.
%47,5 hata ile bir seçenek vardı, harika görünüyordu ama MT test cihazına bağladığımda büyüme yerine düşüş olduğu ortaya çıktı. Komisyonun dikkate alınmadığı ortaya çıktı ve bu yüzde 2'lik ikramiyeyi yedi.
İşte komisyon nasıl hesaplanır...
Formaya 4 puan eklemek istedim. Ama bu doğru değil. TP ve SL bazen test cihazında olması gereken yanlış çubukta fazla tahmin edilen bir Ask tarafından tetikleneceğinden, bu nedenle sonraki işlemlerin tüm sırası değişebilir.
Ancak test cihazı, çubuk üzerindeki minimum yayılmayı da kullanır, aynı zamanda gerçeklikten de farklı olacaktır.
Hangisinin daha iyi olduğunu henüz çözemedim.
Piyasa A yönünde 100 puan hareket ederse, yayılmaya hiç bir şekilde bağımlılık olmamalıdır - sadece finansal sonuç yayılmaya bağlıdır - eğitim sırasında dikkate alınmaması gerektiğini düşünüyorum. Model onayladıktan sonra veya onaylamadıktan sonra piyasa durumuna göre girişlerim olduğunu ve bunları işaretlerken, spread'i sanal olarak genişletme fırsatım olduğunu varsayalım - yani. kâr belirtilen puan sayısından azsa, girmeyiz. Ayrıca, modelleri analiz ederken, sonucu yalnızca bir örnek temelinde hesapladığımda, yayılmayı da hesaba katıyorum - işlemin finansal sonucundan belirli sayıda puan çıkarıyorum.
Moex'te, fiyatın olduğu yerde stoplar tetiklenir, bu yüzden elbette bununla daha kolay.