Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3348
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
Hayır, bunda bir sorun yok. Kar marjının ne olduğu önemli değil. Önemli olan sınıflandırma hatasıdır. Eğitime yayılma eklendiğinde artar ya da aynı kalır.
Ancak model, fiyatlandırmada spread dikkate alındığında daha iyi çalışmaya başlamıyor, kar vermiyor, ancak spread olmadan eğitilmiş gibi aynı şekilde çalışıyor. Bu yüzden spread'i koşullu olarak sınıflandırma hatasına ekledim. Yani, modelin tepkisi onu yenmenize izin vermez.
Fiyatlandırmada spread'i hesaba katmak, onu aşan işlemlerin uzunluğu anlamına gelir. Yani, işlemleri daha uzun yapıyorum, sonra onları eğitiyorum ve artan spread üzerinde yapılan testin sonucu, daha kısa işlemlerle eğitilen başka bir modelin sonucuyla neredeyse aynı.
Benim işaretlerime göre, diyelim ki, MO'nun spread'i geçemeyeceği oldukça açık bir sonuç olarak ortaya çıkıyor.
Ancak bazen, kozul ile ilgili belirli entrikalarla olabilir. Yani, bazı istatistikler varsa. sinyallerin çıkarılan "güvenilirliğinin" göstergesi, o zaman yayılma arttığında da çalışırlar.
Kârın ne için hesaplandığı önemli değildir.Önemli olan sınıflandırma hatasıdır.
Bu yaklaşım nedeniyle, potansiyel olarak kaybettiren işlemleri "doğru" sınıflandırırsınız. Gerçekte, durum yalnızca spread nedeniyle değil, çok daha kötüdür. Gerçek bir EA'da "doğru" sınıflandırmadan karlı bir sisteme ulaşmak şaşırtıcı olmadığı için bir sorun olmaya devam etmektedir.
Kar marjının ne olduğu önemli değil,sonrasında sınıflandırma hatasının ne olduğu önemli .
Bu yaklaşım nedeniyle, potansiyel olarak kaybedilen işlemleri "doğru" bir şekilde sınıflandırırsınız. Gerçekte, durum yalnızca spread nedeniyle değil, çok daha kötüdür. Gerçek bir EA'da "doğru" sınıflandırmadan karlı bir sisteme geçmek şaşırtıcı olmadığı için bir sorun olmaya devam etmektedir.
Önce fiyatlandırma mümkün olduğunca karlı hale getirilir. Daha sonra "güvenilir" örnekler yeniden örneklenir ve model hatalarına göre filtrelenir, geri kalanı çöp olarak işaretlenir. Çünkü asla ilk kase işaretlemesinde olduğu gibi ideal bir ticaret olmayacağı açıktır (yayılma olmadan neredeyse bir kase olacaktır). Kârlılık bir seviyeye kadar düşer, yeni verilerdeki istikrar artar. Bu ve bunun arasında bir denge seçilir.
Mantıklı görünüyor ve diğerlerinin TS'lerini gerekçelendirdiği kadar belirsiz değil.
Makalede anlamak için en kolay varyantı anlattım, kendiniz kontrol edebilirsiniz, algoritmanın özü basittir.
İlk olarak, fiyatlandırma mümkün olduğunca karlı hale getirilir. Daha sonra "güvenilir" örnekler yeniden örneklenir ve model hataları temelinde filtrelenir, geri kalanı çöp olarak işaretlenir. Çünkü hiçbir zaman ilk kase düzeninde olduğu gibi ideal bir ticaret olmayacağı açıktır (yayılma olmadan neredeyse bir kase olacaktır). Kârlılık bir seviyeye kadar düşer, yeni verilerdeki istikrar artar. Her ikisi arasında bir denge seçilir.
Mantıklı görünüyor ve diğerlerinin TS'lerini gerekçelendirdikleri kadar belirsiz değil.
Anlaşılması en kolay varyant makalede açıklanmıştır, kendiniz kontrol edebilirsiniz, algoritmanın özü basittir.
Makaleye hızlıca bir göz attım.
En başından beri, diğer her şeyin dayandığı belirli bir temel önermeyi seçtim:
Modeli rastgele alt örneklemler üzerinde birçok kez eğitirsek ve ardından her birinde tahminin kalitesini test edip tüm hataları toplarsak, aslında çok yanıldığı ve sık tahmin ettiği vakalar hakkında nispeten güvenilir bir resim elde ederiz.
Kesinlikle katılmıyorum.
Herhangi bir çapraz doğrulama, tanımı gereği modelin kalitesini artıramaz. Çapraz doğrulama, bir dizi istatistik pahasına daha GEÇERLİ bir hata değeri hesaplamanıza olanak tanır. Hepsi. ve sonuçta ortaya çıkan sınıflandırma hatasının harici dosyadaki tahminle bir ilgisi olabilir veya olmayabilir.e. gerçek ticarette.
Bir model tarafından yapılan tahminin kalitesi, belirli bir etiket kümesi için tahmin ediciler kümesi tarafından belirlenir ve modelle hiçbir ilgisi yoktur. Modellemeden önce şu soru cevaplanmalıdır: tahmin ediciler ve etiketleri birbirine uyuyor mu? Bu soruyu bir model yardımıyla yanıtlamak imkansızdır ve siz bunu yapmaya çalışıyorsunuz.
Bu soruya bir modelle cevap vermek mümkün değildir ve siz bunu yapmaya çalışıyorsunuz.
Ne ile cevap vermek istiyorsun?
ve ne ile cevap vermek istiyorsunuz?
Eski bir konu ve defalarca yazıldı.
Eski bir konu ve defalarca yazıldı.
görüntüleme, vernikleme, R rusquant paketinin geliştiricisinin aboneliği ile destek
Aynı şey.
Makalenizde, test cihazının "ileri" modu için, modeli gerçekten yargılayabileceğiniz bir grafik yok.
Bu arada, fiyat farkı ne olursa olsun mashki kullanıyorsunuz ve onlara dikkat etmelisiniz, çünkü kendi testçileriniz tarafından modellerin test edilmesinin belirli koşulları altında, komik olmadığı ve tüm TA ile çeliştiği için, mashki ileriye bakıyor. "İleri" modunu kullanarak, ileriye bakma varsa, ileri ve ana grafik arasındaki sonuçlarda büyük bir tutarsızlık elde edersiniz.
rusquant
Site, API Tinkoff, Finam ve Alor ile etkileşimin desteklendiğini söylüyor.Bunu araştıran oldu mu?