交易中的机器学习：理论、模型、实践和算法交易 - 页 108

[mytarmailS]

作为我的小出版物的延续https://www.mql5.com/ru/forum/86386/page98，关于频谱分析和适应真实市场参数。

我做了一个小实验，只是为了用实践来加强理论，实验的实质是检查如果每次你把指标的周期改为市场上客观存在的周期，那么指标是否会更有效？

该指标采取了 "RSI"（只是运气不好），交易规则是初级超过70%卖出，买入低于30%，愚蠢的交易逆转，没有停止。

起初，我采用了通常的RSI指标，周期为14（这个周期在所有书籍和文章中是最常见的），只是为了与一些东西进行比较

指标没有输，说实话，我很惊讶 ....

现在的适应性RSI

结论：适应性的方法比通常的方法更有效果。

[Alexey Burnakov]

安德烈-迪克

1）但是，事实上，不存在 "培训 "和 "教练 "这回事。各种交叉验证和OOS检查都没有也不可能产生预期的效果。重点是，这种技巧只不过是寻找然后选择那些值，这些值在训练区和测试区大约都能令人满意地工作，也就是说，这组参数最初已经存在于它们所有可能的变体中，它相当于一下子选择了整个历史区。

2）尽管如此，在我看来，使用两个模型（在我的例子中，两个网格）是目前可用的 "机器学习 "方法中可以应用的最好的方法。这不是培训或辅导，而是一种优化模式的方式。

3）真正的学习目前并不存在。认识相同或相似的模式不是学习的结果，而是记忆的结果。学习必须涉及某种思维过程（无论多么原始），以便在接受新信息时进行推理和作出结论，以及独立产生新信息的能力。市场需要的正是这样一种方法--思维，据我所知，这种方法今天并不存在。而我们今天使用的是背诵，而不是思考，很遗憾。

1）思想深刻而正确。但并不完整。

TQ（crossvalid.）是指在不同的训练和测试地点，对相同的参数进行学习和测试。甚至在10次不同的犯规上。如果机器在学习噪音，平均质量指标就会很弱。该方法本身非常强大。

但如果数据是有噪音的，可能会有CV拟合，这就是你所说的，但你没有在技术上完成思考，而陷入了悲观主义。嵌套式简历（nested CV）的出现已经有很长一段时间了。你所有选择的模型都可以在独特的样本外数据上得到验证。如果结果有一致性，该模型就是好的，如果没有，就是坏的。一切都是可以解决的。

2）不清楚为什么会出现这种情况。

3）它是。但机器学习是一个依靠可归纳理解的行业。与过度学习作斗争是90%的努力。

[Andrey Dik]

阿列克谢-伯纳科夫。
"机器的坏蛋 "考虑到了这一点。时间被送入机器的输入。此外，价格不仅在夜间有不同的表现，而且在不同时段也有不同的表现。

"马宁男孩"...酷!

很好地考虑到了这一点，读了这个主题--没有注意到任何提及，我想我应该分享我的想法。诚然，我没有找到明确的特征标志来识别个别会议，所以我只适用于时钟上的限制，从现在到现在。

[Andrey Dik]

阿列克谢-伯纳科夫。

2）不清楚为什么会出现这种情况。

这样做的好处是，自从开始在OOS上交易以来，随着时间的推移，交易数量 减少，而不是错误信号的比例增加。越来越多的时候，网络之间存在矛盾，其中一个说卖出，另一个同时说买入，但这是一个0信号，也就是说，在绝对未知的数据上交易损失，而不是模型停止交易。

[Andrey Dik]

mytarmailS:

作为我的小出版物的延续https://www.mql5.com/ru/forum/86386/page98，关于频谱分析和适应真实市场参数。

我做了一个小实验，只是为了用实践来加强理论，实验的实质是检查如果每次你把指标的周期改为市场上客观存在的周期，那么指标是否会更有效？

该指标采取了 "RSI"（只是运气不好），交易规则是初级超过70%卖出，买入低于30%，愚蠢的交易逆转，没有停止。

首先，我采取了一个普通的RSI指标，周期为14（这个周期在所有书籍和文章中都是最常见的），只是为了与一些东西进行比较

指标没有输，说实话，我很惊讶 ....

现在的适应性RSI

结论：适应性方法是更有影响力的常规方法。

我跟踪了这个链接，但不明白你是如何动态改变指标的周期的。

请更详细地解释。

[СанСаныч Фоменко]

mytarmailS:

作为我的小出版物的延续https://www.mql5.com/ru/forum/86386/page98，关于频谱分析和适应真实市场参数。

我做了一个小实验，只是为了用实践来证明理论，实验的实质是检查指标是否会更有效，如果你每次都把周期改为市场上存在的 那个周期。

关于改编，这很清楚。而你从哪里得到 "客观存在于市场中 "的时期？

[mytarmailS]

安德烈-迪克

我按照链接，但不明白你是如何动态地改变指标的周期的。

请更详细地解释。

我查看光谱特征，特别是周期，并提供指标，当新的蜡烛 出现时，该系列向前移动了1根蜡烛，一切都在重复。

[mytarmailS]

桑桑尼茨-弗门科。
关于适应，一切都很清楚。而你从哪里得到 "现在客观上存在于市场中的 "这个时期？

你可以使用例子中的包，即dplR，你可以使用 kza，你可以使用Rssa， 可能还有其他50个我不知道的包。

[Alexey Burnakov]

安德烈-迪克
其好处是，自开始在OOS上交易以来，随着时间的推移，交易数量 减少，而不是错误信号的比例增加。越来越多的时候，网之间出现矛盾，同时一个说卖，另一个说买，这就是信号0，也就是说，在完全不熟悉的数据上，模型反而停止交易损失。

这个想法很有趣。

[Andrey Dik]

阿列克谢-伯纳科夫。
这个想法很有趣。

阿托。

实际上，我在验证图中使用这种效果作为训练正确性的指标，而不是正确/不正确答案的比率（错误）。这是一个重要的贸易属性，也是学习质量的一个指标。如果一个模型在OOS上给出了错误的信号--这说明训练有误，而不是市场变化的事实。