PRICE <- cumsum(rnorm(300))+1000
layout(1:2)
plot(PRICE,t="l",ylab = "цена" , xlab = "индексы",lwd=2)
Max <- max(PRICE)
Min <- min(PRICE)
range.vector <- seq(Min, Max, length.out=50)
H <- hist(PRICE, breaks = range.vector,
xlab = "все цены которые есть в етом участке",
ylab = "сколько раз график был на одной и той же цене",col = 5)
我一直在思考价格进网的其他方式,我注意到几乎所有成功的交易员 都在交易水平,那些不仅考虑到最近的价格值系列,而且还考虑到过去在相同价格下的那片图表。
如果你想一想,就会出现很多问题,不知道谁做过类似的事情,我想讨论一下......
我暂时搁置了这种方法,但我发现它很有前途......
我把注意力转移到更简单的事情上,我想我可能会尝试以其他方式考虑过去的价格,即使不是完全的,也会压缩价格信息,我说的是价格曲线(或成交量曲线),你真的可以在一个柱状图中考虑几百条,所以我们考虑许多过去的价格,同时压缩它们...我是一个初级程序员,我还不能实现概况,这就是为什么我采取了一个简单的方法,只是把分配和建立在价格部分,什么不是市场概况?;)
有一种希望,网络会比原始价格更好地理解这种分布(轮廓),因为这种轮廓可以说考虑到了所有发生的交易,通过计算图表击中一个价格的次数,交易在理论上 是平...我们必须检查...完成了 :) 感谢D.trader 在分析分布方面的帮助。
我在滑动窗口中抽取了200个价格值的一个片断,将 其缩放,居中,然后将其分布并送入RF
产出
H$断裂
H$counts
和我做分布的最后5个切割值,所以 相对于来自H$breaks和H$counts的值来说,算法可以面向最后一个值,因为所有的价格都已经按比例计算过了。
5分钟图,目标一如既往,反转
结果不是很好...有时网络不知道该怎么做...
有时,它可以很好地进入,参赛作品的质量是超级的。
有趣的是,对新数据没有硬性规定
我没有调整任何东西,我只是训练了模型,并检查了结果。
如果你有兴趣,你可以尝试与你的目标做一些训练,也许你会得到一些有用的东西......
谢谢你的提示;)
在这种方法中,有许多问题要么是无法解决的,要么是可以解决但不能得到很好的学习效果。
好吧,我有点只是用分布代替了市场概况,那些正态分布和它的属性在这里没有被考虑到,或者说我不理解这个评论?:)
不理解。
960, 970, ...-- 如果我把价格标为-2到2,那就不是很清楚了。
960, 970, ...-- 如果我把图片上的例子中的价格显示为-2到2,那就不会完全清楚了。
好的,但是如果没有参考最后的价格,机器就不清楚你的平均价格在哪里。如果所有的价格都从最后的价格中减去,那么平均数将为零,这个平均数的位置相对于价格来说是固定的。
在我的帖子中用蓝色粗体 字强调
有一个约束力:)
在我的帖子中用蓝色粗体 字强调
非常好。总的来说是一个有趣的想法!
如何解决这个问题呢?我是不是不给一个片断的分配,而是一次给一系列的几个片断?
我有图片上的RF模型,参数ntree=20,mtry=5。
如果我设置ntree=100,那么模型就不会对新数据进行任何处理,所以它就会重新训练
=============================================
我必须找出如何解决让网络以相同价格看到过去的图表的问题
这就是网络现在看到的情况
蓝色区域是网络所看到的,蓝条代表这个区域的价格分布,尽管网络看到了许多,200个蜡烛图,但它没有看到主要的东西, 那些早些时候在相同价格的图表。
在我看来,这就是关键信息
而网络对此一无所知
我们仍然需要弄清楚如何解决网络上看到的图表是过去的价格的问题