交易中的机器学习：理论、模型、实践和算法交易 - 页 1122 1...111511161117111811191120112111221123112411251126112711281129...3399 新评论 Igor Makanu 2018.10.19 14:06 #11211 Maxim Dmitrievsky: 因此，它是 )不瞒你说，在我注册论坛的这些年里，我已经测试了大约1000个TP，从今年开始编写和修改了大约40-50个EA，所有这些都是我很早以前学到的。 - 测试器中美丽的平坦图表只意味着过度的风险（通常是没有止损的TS或纯粹的止损......谁知道为什么SL是TP的3倍），即超过坐庄的损失。 - 一个漂亮的平面图...意味着平均化或马丁格尔式的过度坐庄 ....在关于实践的理论中，他们已经展示了自己的套路，但可惜的是，没有止损，但套路很好））。 此外...也就是说，为了以最小的风险安全地进入市场，MO应该在第二个信号上进入市场 - 我写的不是大的TF（M1-30，更高的TF，没有什么，contrendovyh TS是更有效的，在市场上持有一个位置的时间是完全不同的高TF）。 ...而如果MO使用所有的信号进入市场，一些信号将不是冲动的，而是缺乏流动性的螺柱，分别增加了入市的随机性......。如果你对市场一无所知，如果市场已经走了半天，你不可能让它朝一个方向走2-5分钟。 Maxim Dmitrievsky 2018.10.19 14:14 #11212 伊戈尔-马卡努。我曾经在马特上赚了不少钱（我可以在两个月内赚到大约1500%，高风险）。但有可能做了几次尝试，仍能赚到钱。那是在危机期间，当时欧元币值不断下跌，只有懒人才会不卖。 我也喜欢套利，但我感到厌烦了。 我还没有掌握到最后，但在风险控制方面的潜力是显而易见的。 Maxim Dmitrievsky 2018.10.19 14:15 #11213 我没有 看到任何区别。 可能fxsaber 先生只是混淆了术语，但 "样本外 "是一个测试，即向前看，它必须从早期的数据中得出，否则就是荒谬的，它通过未来预测过去，非常容易做到，但它没有意义。为什么，数据是独立的。我有时也这样做测试，我没有看到有什么不同。 aleger 2018.10.19 14:38 #11214 尤里-阿索连科。你不说。分段把握趋势比一下子把握趋势更容易。而且你也不需要记账）。也是一种选择（不必要的对经纪人的照顾，他已经照顾自己很久了）。但如果你设法做一些有价值的事情，他（很可能）会反复感激你。 Igor Makanu 2018.10.19 14:53 #11215 马克西姆-德米特里耶夫斯基。我还没有完全掌握它，但我可以看到在风险控制方面的潜力。你还没有掌握？ 别傻了，这里三分之一的人都没有很多知识，只是......像我一样，多年来他们掌握了一些基本知识，现在他们变得聪明了））））。 我想在IR中实现适应性，或者针对不同的金融工具，或者针对不同的预测因素，但是......我有很多东西要读，IR的研究材料真的很庞大，我现在想先处理一下基础知识。 Yuriy Asaulenko 2018.10.19 14:59 #11216 伊戈尔-马卡努。我想实现MO的适应性，无论是对不同的金融工具还是对不同的预测因素。我不这么认为。MO的基本方法与传统逻辑相似--如果...那么......，就有点复杂了。而不是一步到位。 适应性的当然是可能的，但它们的结构要复杂得多，我不认为在我们的条件下它们是现实的。 Maxim Dmitrievsky 2018.10.19 15:03 #11217 伊戈尔-马卡努。你还没有掌握它吗？ 别傻了，在座的三分之一的人连你的三分之一的知识都没有，只是......像我一样，他们多年来掌握了基本知识，变得聪明了））））。 我确实想在IR中实现适应性，或者针对不同的金融工具，或者针对不同的预测因素，但是......但是我仍然需要阅读，IR的学习材料真的很庞大，我只是需要掌握基础知识。我迷上了书，否则一些胡言乱语就会从我的脑海中冒出来 :) 我的数学很弱，但我对什么东西从哪里来，到哪里去有一定的了解。 我自己也在做一个适应性的，这样它就能把所有的东西都吃成一排。适用于任何策略的库，在1行中连接起来 Maxim Dmitrievsky 2018.10.19 15:51 #11218 同样的事情。哦，不...有一个区别，一个非常大的区别。前进只在后退之后，它们当然不应该重叠。 除了偷看的小说，过去和未来的样本在时间上的混合也是ML算法在训练中不现实的原因之一，你不能随机地把它们混合起来。 老实说，我认为这是一个错字，否则就是非常粗糙的错误，或者是另一个 "hyver-staker "式的伪造，就像他喜欢做的那样，使 "肉 "认为))))。而且，前锋在火车后面，又有什么区别呢？如果样本不重叠。它们只是几组点，没有任何联系（好吧，也许由于滞后的预测因素，连接到一点深度）。 你可以问他:)@fxsaber 或如何在这里发出邀请。 Igor Makanu 2018.10.19 16:01 #11219 马克西姆-德米特里耶夫斯基： 适应自己，这将吃一切。适用于任何策略的库，在1行中连接起来如果我读完了所有的书，我会从2个符号的2个图表开始我的实验。 同一个人写道，如果我的TS在某些金融工具上不起作用，我不应该强迫机器搜索另一个金融工具或使用合成品。我在策略测试器中 检查了一些TS，大多数情况下是这样的--使用一些货币没有问题，而使用一些我优化的货币--在历史上不会有积极的预期。所以我决定，"这不是没有道理的"（C），这意味着我们可以在MO的帮助下找到这些差异 Mihail Marchukajtes 2018.10.19 16:30 #11220 没有人也没有什么可以阻止你用分/秒工作，每分/秒写样本，甚至用于长期交易，相应地扩大 过滤器参数，你将有数十万个样本。 然而，如果你不做自己的实验，而从市场周围一些新秀的有偏见的 "文章 "中获得 "灵感"，所有这些建议都是没有用的，有几百个，甚至几千个，你需要能够自己发明和检查。你没有这个能力，这一切就没有意义了。巫师对某人说了类似的话。在为时已晚之前，请听一听这个消息。好吧，让我们谈谈.....它是用黄色突出显示的。我也这么做，只是我自己做。我扩大了市场规模，以避免用我自己能做的东西使NS超载。 训练样本量的差异与神经网络的 能力直接相关。所有在1000个例子上进行培训的人都走了最简单的路。一种从坦克上射向麻雀的镜头。也就是说，你把网络的容量、神经元的数量、层数等。甚至把它不需要的东西也塞进去，希望它能自己解决，由于它的容量，它给出了一个好的模型。但这并不能说明教育质量的问题。在我这里，我试图只训练一个神经元，但质量很高，这就足够了。就我而言，是用狙击步枪射击。那么一个合理的问题就出现了。 你能把你的人工智能减少到一个神经元，并仍然运行我的数据吗？当然，赞美Sanych，但我可以自己在Rattle中做统计分析，并对其施以法术......没意思 :-( 到目前为止，我还没有等来答案，坦率地说，我也不会等来一个.......。 而在java中，我也不介意一些帮助，为了开始用我的超级公制进行优化，我只需要把一个数组从一个类转移到另一个类，炸弹就会出现。我不知道在哪里可以得到它......，我想我在一年内就可以做到这一点 :-( P.S. 我们之间的争议将永远持续下去，因为这是两种方法，都有权利，就像阴阳、黑白、干湿、AI开发者和一个培训工程师一样。是的，是的，这是IO中两个完全不同的专业，如果你认为你一次成功地结合了两个专业，你就大错特错了....。虽然这也不是不常见的... 1...111511161117111811191120112111221123112411251126112711281129...3399 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
因此，它是 )
不瞒你说，在我注册论坛的这些年里，我已经测试了大约1000个TP，从今年开始编写和修改了大约40-50个EA，所有这些都是我很早以前学到的。
- 测试器中美丽的平坦图表只意味着过度的风险（通常是没有止损的TS或纯粹的止损......谁知道为什么SL是TP的3倍），即超过坐庄的损失。
- 一个漂亮的平面图...意味着平均化或马丁格尔式的过度坐庄
....在关于实践的理论中，他们已经展示了自己的套路，但可惜的是，没有止损，但套路很好））。
此外...也就是说，为了以最小的风险安全地进入市场，MO应该在第二个信号上进入市场 - 我写的不是大的TF（M1-30，更高的TF，没有什么，contrendovyh TS是更有效的，在市场上持有一个位置的时间是完全不同的高TF）。
...而如果MO使用所有的信号进入市场，一些信号将不是冲动的，而是缺乏流动性的螺柱，分别增加了入市的随机性......。如果你对市场一无所知，如果市场已经走了半天，你不可能让它朝一个方向走2-5分钟。
我曾经在马特上赚了不少钱（我可以在两个月内赚到大约1500%，高风险）。但有可能做了几次尝试，仍能赚到钱。那是在危机期间，当时欧元币值不断下跌，只有懒人才会不卖。
我也喜欢套利，但我感到厌烦了。
我还没有掌握到最后，但在风险控制方面的潜力是显而易见的。
可能fxsaber 先生只是混淆了术语，但 "样本外 "是一个测试，即向前看，它必须从早期的数据中得出，否则就是荒谬的，它通过未来预测过去，非常容易做到，但它没有意义。
为什么，数据是独立的。我有时也这样做测试，我没有看到有什么不同。
你不说。分段把握趋势比一下子把握趋势更容易。而且你也不需要记账）。
也是一种选择（不必要的对经纪人的照顾，他已经照顾自己很久了）。但如果你设法做一些有价值的事情，他（很可能）会反复感激你。
我还没有完全掌握它，但我可以看到在风险控制方面的潜力。
你还没有掌握？ 别傻了，这里三分之一的人都没有很多知识，只是......像我一样，多年来他们掌握了一些基本知识，现在他们变得聪明了））））。
我想在IR中实现适应性，或者针对不同的金融工具，或者针对不同的预测因素，但是......我有很多东西要读，IR的研究材料真的很庞大，我现在想先处理一下基础知识。
我想实现MO的适应性，无论是对不同的金融工具还是对不同的预测因素。
我不这么认为。MO的基本方法与传统逻辑相似--如果...那么......，就有点复杂了。而不是一步到位。
适应性的当然是可能的，但它们的结构要复杂得多，我不认为在我们的条件下它们是现实的。
你还没有掌握它吗？ 别傻了，在座的三分之一的人连你的三分之一的知识都没有，只是......像我一样，他们多年来掌握了基本知识，变得聪明了））））。
我确实想在IR中实现适应性，或者针对不同的金融工具，或者针对不同的预测因素，但是......但是我仍然需要阅读，IR的学习材料真的很庞大，我只是需要掌握基础知识。
我迷上了书，否则一些胡言乱语就会从我的脑海中冒出来 :)
我的数学很弱，但我对什么东西从哪里来，到哪里去有一定的了解。
我自己也在做一个适应性的，这样它就能把所有的东西都吃成一排。适用于任何策略的库，在1行中连接起来哦，不...有一个区别，一个非常大的区别。前进只在后退之后，它们当然不应该重叠。
除了偷看的小说，过去和未来的样本在时间上的混合也是ML算法在训练中不现实的原因之一，你不能随机地把它们混合起来。
老实说，我认为这是一个错字，否则就是非常粗糙的错误，或者是另一个 "hyver-staker "式的伪造，就像他喜欢做的那样，使 "肉 "认为))))。
而且，前锋在火车后面，又有什么区别呢？如果样本不重叠。它们只是几组点，没有任何联系（好吧，也许由于滞后的预测因素，连接到一点深度）。
你可以问他:)@fxsaber 或如何在这里发出邀请。适应自己，这将吃一切。适用于任何策略的库，在1行中连接起来
如果我读完了所有的书，我会从2个符号的2个图表开始我的实验。 同一个人写道，如果我的TS在某些金融工具上不起作用，我不应该强迫机器搜索另一个金融工具或使用合成品。我在策略测试器中 检查了一些TS，大多数情况下是这样的--使用一些货币没有问题，而使用一些我优化的货币--在历史上不会有积极的预期。所以我决定，"这不是没有道理的"（C），这意味着我们可以在MO的帮助下找到这些差异
没有人也没有什么可以阻止你用分/秒工作，每分/秒写样本，甚至用于长期交易，相应地扩大 过滤器参数，你将有数十万个样本。
然而，如果你不做自己的实验，而从市场周围一些新秀的有偏见的 "文章 "中获得 "灵感"，所有这些建议都是没有用的，有几百个，甚至几千个，你需要能够自己发明和检查。
你没有这个能力，这一切就没有意义了。巫师对某人说了类似的话。
在为时已晚之前，请听一听这个消息。
好吧，让我们谈谈.....它是用黄色突出显示的。我也这么做，只是我自己做。我扩大了市场规模，以避免用我自己能做的东西使NS超载。 训练样本量的差异与神经网络的 能力直接相关。所有在1000个例子上进行培训的人都走了最简单的路。一种从坦克上射向麻雀的镜头。也就是说，你把网络的容量、神经元的数量、层数等。甚至把它不需要的东西也塞进去，希望它能自己解决，由于它的容量，它给出了一个好的模型。但这并不能说明教育质量的问题。在我这里，我试图只训练一个神经元，但质量很高，这就足够了。就我而言，是用狙击步枪射击。那么一个合理的问题就出现了。
你能把你的人工智能减少到一个神经元，并仍然运行我的数据吗？当然，赞美Sanych，但我可以自己在Rattle中做统计分析，并对其施以法术......没意思 :-(
到目前为止，我还没有等来答案，坦率地说，我也不会等来一个.......。
而在java中，我也不介意一些帮助，为了开始用我的超级公制进行优化，我只需要把一个数组从一个类转移到另一个类，炸弹就会出现。我不知道在哪里可以得到它......，我想我在一年内就可以做到这一点 :-(
P.S. 我们之间的争议将永远持续下去，因为这是两种方法，都有权利，就像阴阳、黑白、干湿、AI开发者和一个培训工程师一样。是的，是的，这是IO中两个完全不同的专业，如果你认为你一次成功地结合了两个专业，你就大错特错了....。虽然这也不是不常见的...