페이지 2 중 912 먼저먼저 12
결과 11 - 20 / 20

실: 신경망을 이용한 가격 분석

  1. #11
    안녕하세요 드러머, NN에 대한 실제 경험이 없지만 분산 된 (병렬) 프로그래밍과 매우 유사하므로 프로그램과 함께 찾고자하는 개념이 있다고 생각합니다. 귀하의 NN에 대한 설명이 매우 좋다.
    . 나는이 질문으로 총을 뛸지도 모르지만 나는 물어야한다. 원시 입력을 익히 자마자 추가 정보를 얻기 위해 뉴스 보고서를 실제로 보십니까? 올바른 필터링 및 리소스를 찾아 사용할 수 있다면 유효한 데이터 세트라고 생각합니다. 당신의 생각은 무엇입니까? 저는 현재 무역 신호 표시기에 관한 뉴스를 제작하는 것과 같은 작업을하고 있습니다. 그것은 기능적이지만, 거래를하기 전에 조정과 괴롭힘이 필요합니다.

  2. #12
    Quote 원래에 의해 게시 됨 ;

    제가 언급 한 이상적인 무역 정보는이 저널의 다음 기사에서 제가 말한 내용입니다. 당신이 말하는 것은 각각의 입력 패턴에 대해 가까운 장래의 높고 낮은 것을 목표로 삼고 있습니다. 당신이 말하기 (highgt; low) * 2-1로 그것을 계산할 수 있다면, buysell 신호는 실제로 중복됩니다. 그 패턴들의 큰 세트에 대해 훈련 한 후에, 신경망은 유사한 패턴들의 세트에 대해 그 값들의 평균을 출력하는 것을 배울 것입니다.
    당신 말이 맞아요, 당신이 시작한 것과 똑같습니다. 그 말은 나를 잠시 던졌다. (hgt; 그럼에도 불구하고) 부울, 1 또는 0입니다.
    어쨌든, 당신이 진술 한대로 NN은 방금 침을 뱉어 유통을 활용해야합니다.
    Quote 원래에 의해 게시 됨 ;
    대신, 나는 지역 사회가 배급을 배울 것을 권합니다. 과거의 전단 배포를 알면 다른 가격대를 치는 계산 된 확률을 기반으로 전략을 수립 할 수 있습니다. 예를 들어, 우리는 2 : 1 또는 3 : 1의 TP 대 SL 비율로 거래를 수락한다는 아이디어에 활용되지만, 예측 우위가 없기 때문에 더 많은 상금을받을 것으로 확신 할 수는 없습니다 일반적으로 추가 이익을 얻는 것보다 더 많은 피해를 입을 가능성이 있습니다. 다음 시간 (또는 일 또는 주간)에 가격대의 통계적 분포를 알고 있다면, 역사적으로 우리의 이익 실현 수준보다 덜 치명적일 수있는 스톱을 설정할 수 있습니다. 이상적으로, 우리는 극도로 높은 확률과 높은 보상을 가진 거래를 선택할 수있는 능력을 가지게 될 것입니다. 여기서 끝은 타격을 입지 않을 것이고, 이윤은 매우 타격을받을 것이고, 또한 이윤은 훨씬 더 멀어집니다 그만큼. 워렌 버핏 (Warren Buffet)은 항상 자신의 성공을 저 위험, 높은 보상 투자로 만들어 냈습니다. 우리의 목표는 잃어 버릴 확률을 최소화하면서 상금의 확률을 극대화하거나 상인의 조건에서 시장에 우위를 가져야한다는 것과 동일해야합니다.
    당신은 내 언어로 이야기하고 있습니다. Expectancy라는 닫힌 스레드는 항상 0인데, 이는 그 중 하나의 주제에 불과합니다. 3 : 1의 TPSL은 가장자리가없는 전략에서 승리율이 약 25 %라는 것을 의미합니다. 일반적으로 거의 모든 전략에 대한 의무적 인 이익률 (RWR)은 (평균 손실)(평균 이득 평균 손실)입니다. 문제는, 과거에 공급 부족에서 벗어나기 위해 머리를 감싸려고 노력했으며 특히 고점 및 저점에 대한 별도 공급의 경우 조치를 취하는 방법을 구상하는 데 어려움을 겪었습니다.
    사실, 당신이 정말로 갖고있는 것은 상한과 하한의 모든 조합에 대한 분포이며, X 축의 높이가 높고 Y의 값이 감소한 곳을 의미합니다. 어떤 주어진 시점에서 이론적으로 당신은 비록 당신이 그들을 비우는 것을 알고 있지만 가치가있을 것입니다. 마지막으로 거래 도구를 만들기 위해서는 한쪽 끝에서 다른 쪽에서 3 가지 큰 결정 (구매매도, 중지, TP)에 대한 입력을 얻는 과정이 있어야합니다. 이것은 그물 자체의 구조와 훈련보다 훨씬 어려운 문제로 판명 될 수 있습니다. 이 단계에서 출력물을 어떻게 보이는지 알고있는 것이 중요하므로 오늘이 내용을 가져오고 있습니다. 모든 것을 만들어 내고 그 결과로 다른 것을하기를 바란다는 것을 깨닫는 것은 고통입니다. 다행히도 당신은 그 문제를 피할 것이고, 아마 당신은 이미 그것을 다루었습니다. 나는 밤 동안 여기에서 나가고있다. 그러나 당신의 갱신을 고대하고있다. 이 스레드는 규칙을 따릅니다.

  3. #13
    드러머, 굉장한 실, 남자! 당신은 이미 뉴럴 네트워크에 대한 나의 이해를 올리고 그것들을 프로그래밍했습니다. 나는 다른 일을하기로되어있다! . . . 젠장!
    . . . 키딩. LOL
    나는 이것을 즐길거야!

  4. #14
    Quote 원래에 의해 게시 됨 ;
    문제는, 이전에 공급 물에서 거래를하면서 머리를 감싸려고 노력했으며,이를 수행하는 방법을 시각화하는 데 어려움을 겪었습니다. 특히 고가 및 저온에 대한 별도 공급의 경우.
    Actually, I guess what you would have is a distribution over all pairings of highs and lows, meaning over a place with large on the X axis and reduced on the Y such as. At any given point theoretically you would have a value although I understand you are going to bin them. Finally, in order to create a trading appliion, there needs to be some process for getting from the inputs at the same end to the 3 large decisions (buy/sell, stop, TP) at the other. This may prove to be a far thornier problem than the construction and instruction of the internet itself. I'm bringing this up today as it's key to understand at this point what you would like the output to look like. It is a pain to find something all constructed and then realize at the conclusion that you would like it to do something different. Hopefully you will avoid that issue, and maybe you've already got it covered.
    저는이 문제에 대해 약간의 생각을했습니다. 귀하의 PM 중 한 명이 유전 알고리즘에 관심이 있습니다. 이것은 신경망의 출력을 사용하기 위해 GA가 좋은 접근법을 결정하는 데 오히려 도움이 될 수있는 경우 일 수 있습니다. 다른 한편, 공급 데이터를 사용하여 거래 의사 결정의 문제에 적용될 수있는 몇 가지 다른 기계 학습 또는 분류 기법이 있습니다. 그러나 우리는 단순한 이론을 통해 거래 전략을 산출 할 수있는 능력을 가지고 있습니다. 공급이 의미하는 것이 무엇인지를 이해하는 한, 우리는 그 공급을 지능적으로 사용할 수 있습니다. 근본적으로 공급 장치는 특정 기간 내에 특정 가격대에 도달 할 가능성이 얼마나 큰지를 알려줄 것입니다. 우리는 현행 가격보다 50 pp 높은 가격에 도달하기 위해서는 가격도 (일반적으로) 10 pip, 20 pip, 30 pip 및 40 pip 수준을 통과해야한다는 것을 알고 있습니다. 따라서 대략적인 공급량을 알면 미래의 기간 동안 예상되는 확률을 계산하기 위해보다 극단적 인 수준의 확률을 합산 할 수 있습니다. 우리는 가장 높은 확률의 거래만을 선택하는 무역 표준을 만들 수 있습니다. 우리는 또한 다른 등급의 확률에 따라 공급 이익을 통해 상당한 이익을 얻고 손실 주문을 상당 수의 계층화 된 주문으로 나눌 수 있습니다. 또한 이것은 최소한의 위험으로 가장 높은 보상을 제공하기 위해 계산 될 수있는 설정입니다. 어쨌든 이것은 최종 네트워크가 끝난 후에 다시 고려해야 할 모든 추측입니다. 나는 설명 된 구조로 커뮤니티를 개발하기 시작할 것이라고 믿습니다. 그리고 나중에 확률 분포가 다른 목표보다 덜 유용하다는 것을 깨달을 때, 우리는 그들을 상당히 쉽게 바꿀 수 있습니다. 프로그래밍의 실제 난이도는 단순히 출력을 교육, 테스트 및보기위한 프레임 워크를 설정하고 디버깅하는 것입니다. 도움이되는 것을 개발할 때까지는 꽤 오래있을 것입니다.하지만 진행하면서이 스레드를 계속 업데이트 해 두겠습니다. 환상적인 주말을 보내거나 무엇이든지 남겨 두십시오.

  5. #15
    아주 좋은 전략! 나는 비슷한 것을하고있다. 막대를 정규화하여 매우 큰 경향을 방정식에 통합하는 것에 대해 어떻게 생각하십니까? 내가 말하고자하는 것은 10000 바 이전의 가격은 3000 pips가 감소했다는 것입니다. 즉, 평균적으로 우리는 10 마디당 3 피스 씩 올라갑니다. OHLC 막대를 정규화하여 분포 방정식에 반영하면 유용할까요?

  6. #16

    Quote 원래에 의해 게시 됨 ;
    정말 훌륭한 접근법! 나는 비슷한 것을하고있다. 막대를 정규화하여 방정식에 매우 큰 경향을 포함시키는 것은 무엇이라고 생각하십니까? 내 말은 가격이 지난 상태의 10000 마디가 3000pips 낮았 음을 의미합니다. 평균적으로 우리는 10 마디 당 3 pips를 올리는 것을 의미합니다. OHLC 막대를 표준화하여 공급 방정식에서이를 나타낼 때 유용 할 수 있습니까?
    흥미로운 아이디어. 정상화가 이루어지지 않으면 공급은 장기적인 경향에 비뚤어 질 것입니다. 우리가 똑같은 장기 추세라면 괜찮을 것이지만 요즘 추세가 바뀌면 좋지는 않을 것입니다. 나는 당신이 어떤 종류의 정상화를 할 수 있다고 생각하지만, 당신이 적절하게 정상화하는 방법을 정확하게 밝히지는 못합니다. 입력에 다른 단계의 이동 평균 세트를 포함하는 것이 더 나을 수도 있습니다. 이렇게하면 시스템이 왜곡 사유를 분리하고 현재 시장에 적합한 분배 왜곡을 복제 할 수있는 위치에있게됩니다. 고마워, charlinks ... 좋은 지적이야!

  7. #17
    Quote 원래에 의해 게시 됨 ;
    나는 유전자 알고리즘에 관심이있는 귀하의 PM 중 한 사람으로부터 이해합니다.
    유전 프로그램 (GP)은 정말로 Koza라는 연구원이 GA 후에 고안 한 이론이었습니다. 나는 일요일 밤에 그냥 따기입니다.
    :

  8. #18
    2 첨부 파일 여기에 내가 유용하게 쓸 수있는 지표가 있습니다. 쉬운 가격 분배입니다. 매개 변수를 들여다 보면 상당히 다른 결과가 발생할 수 있습니다. Cell_width 셀 당 가격 분포에 사용할 막대 수 cell_rows cell_cols에 가격 분포를 몇 행으로 나눠서 생성 할 것인가? 계산이 많은 경우 ... 계산이 많은 경우 기능이 필요할 가능성이 가장 높을 때이 숫자를 줄일 수 있습니다. price distribution cell_step 숫자가 높을수록 매 단계마다 더 많은 블록을 건너 뛰고 여전히 술집의 cell_width 수를 계산합니다. 따라서 cell_step과 cell_width가 정확히 일치하면 수정 같이 맑은 그림을 볼 수 있습니다. cell_width가 높으면 퍼지 인 데이터를 볼 수 있습니다. Cut_off 모든 셀을 그리면 모든 리소스가 매우 리소스 집약적 인 상태로 모든 셀이 0에서 1로 정규화됩니다. 그래서 cut_off보다 더 큰 것은 그려지지 않습니다. (나는 강력한 지원저항 영역을 식별하기 위해 가끔 0.8을 넣었습니다.) count_inside_bars count_support count_resistance 그리고 이것은 마술입니다 ... 전체 바를 계산하는 대신 내부 바 = (Open - Close) 지원 = (Low - Min (열림, 닫힘) 저항 = (최대 (열림, 닫음) - 높음) 서포트를하거나 저항 영역에서만 연구를 집중시킬 수있는 방법입니다. 해피 뉴럴 네트워킹!
    https://www.koreaforex.kr/attachment...3427100106.ex4

  9. #19
    Quote 원래에 의해 게시 됨 ;
    흥미로운 아이디어. 정규화가 없다면, 장기 추세가 무엇이든 상관없이 분포가 왜곡 될 것입니다. 우리가 똑같은 장기 추세라면 괜찮을 것이지만 추세가 최근에 바뀌었다면 좋지는 않을 것입니다. 나는 당신이 어떤 종류의 정상화를 할 수 있다고 생각하지만, 당신이 어떻게 정상적으로 적절하게 정상화되어야하는지 명확하지 않다. 입력에 다른 단계의 이동 평균 세트를 통합하는 것이 더 나을 수도 있습니다. 이는 시스템이 스큐의 원인을 분리하고 현재 시장에 적합한 분배 왜곡을 복제 할 수있는 위치에 있도록 도와줍니다. 고마워, 좋은 목적이야!
    알다시피 ... 그냥 날 때렸어. 당신이해야 할 일은 이자율에 대한 가격을 정정하는 것 뿐이다.
    사실 일부 중개인은 정확하게 ... 그렇게하면 거래를 의미하는 가격을 고칠 수 있습니다. GJ를 100 일 동안 보유한 경우 초기 상거래 가격보다 200 pips가 적당합니다.

  10. #20
    Quote 원래에 의해 게시 됨 ;
    사실 유전 프로그램 (GP)은 코자 (Koza)라는 연구원이있는 GA 이후에 개발 된 개념이었습니다. 나는 일요일 밤에만 질고있어.
    :
    예, 저는 GP가 GA 이론의 합리적인 응용이라고 생각합니다. 내가 가장 익숙한 기계 학습 소설 (Tom Mitchell의 기계 학습)은 모든 유형의 학습 알고리즘을 검색 접근법으로 취급합니다. 따라서 GP는 GA 검색 방법을 프로그래밍 작업에 적용한 것입니다. 택 소노 미어를 제외하고 최적의 거래 선택 문제에 유전 알고리즘 검색 방법을 적용하면 절대로 우리가 생각하지 못하는 적절한 솔루션을 만들 수 있습니다.
    Quote 원래에 의해 게시 됨 ;
    이것은 유용한 지표가 될 수있는 지표입니다. 그것은 단순한 가격 공급입니다. 매개 변수를 들여다 보면 상당히 다른 결과를 얻을 수 있습니다. ...이 방법을 사용하면 지원에만 집중하거나 저항 영역에만 집중할 수 있습니다.
    매우 트렌디 한. 이전에 고저 분포를 기반으로 다양한 색상을 사용하는 sr 라인의 범위를 끌어 모았던 이런 것을 한 번 만들었지 만 그 방법은 더 구성 가능합니다. 잘 했어!

게시 권한

  • You may not post new threads
  • You may not post replies
  • You may not post attachments
  • You may not edit your posts
  •  
쿠키 정책
쿠키 정책: koreaforex 웹사이트는 쿠키를 사용하며, 웹사이트를 사용자는 쿠키 사용에 동의하는 것입니다. 자세한 정보는 '쿠키 공개' 를 읽어주십시오.