交易中的机器学习:理论、模型、实践和算法交易 - 页 1150

 
Alexander_K:

在我看来,他什么都不知道...

妈的,别这么大声说话,否则我的权威就会倒下))。

 
mytarmailS:

不要这么大声说话,否则你会失去我的信誉)。

我的朋友,不要生气--我很久以前就意识到,NS本身并不能从市场中获得一分钱。但是,要确定具有正相关的区域--它甚至能够做到这一点吗?如果你想到了什么,请告诉我。把它附在我的TS上,我们就可以出去赚点钱了。我根本不需要任何帮助....

 
印度人又在胡说八道了......这很疯狂...他们问他神经格拉尔什么时候来?没有回答...没有尊重,那么。
 
mytarmailS:

马克西姆卡你好!听着,我已经做了一些关于中枢点的预测,目前只有B+的预测,但明天也会有一些关于B+的预测...

停顿只是为了视觉化,它们不是CP的。

预测器已经在自己的工作中发挥了作用。我有一个建议,如果我把数据以开盘|高位|低位|收盘|成交量|预测1|预测2|预测3的格式发送给你,会怎么样?.....

你从OHLC数据中生成你的预测器,用于过滤和训练网络或其他什么,也许你会想出一些有用的东西。

你怎么说?

如果你不介意的话,我可能会试一试,附上一个系列的测试。

 
晋升
 
圣杯

我可以试试,如果你不介意的话,我附上了一排测试用的。

我不介意,但你将在什么目标上授课?如果二进制分类它不感兴趣,我可以这样做......有趣的是,教一个健身函数,那些搜索某个最小的函数或好,最大...

数据被缩短了,因为太多了,希望没有计算错误,因为我写的代码很快。

附加的文件:
EURUSD_10_m.zip  629 kb
 
FxTrader562:

2年来...它甚至不能在测试器中运行:)))

你是指在训练过的样本数据中还是在样本外(OOS)?

在样本数据范围内......曲线非常好:)))

在OOS中,它处于净亏损状态()。

因此,我在MT5中进行直接向前的测试。

啊,好的 )

 
mytarmailS:

我不介意,但你打算教哪个目标?如果二元分类,那就没意思了,我可以这样做......有意思的是,在健身函数上的教学,那些搜索某个最小函数或最大...

数据被缩短了,因为太多了,希望在计算上没有错误,因为我写的代码很快。

好的,谢谢,我有一天会用它来玩的。

关于目标...一般来说,如果你有信号反转的功能(我猜),那么就有更多的方法来 "射中自己的脚"(用algotrader的方式),如果你对 "好 "的结果不小心和情绪化,因为枢轴点分类/回归本身的准确性(logolos,等等)很容易被误导。与盈利/亏损交易的比例一样,这说明不了什么,"中枢 "本身并不包含你能在其中损失多少利润的信息,因此分类/回归的质量很难解释。我认为,我们应该首先将 "逆转 "转化为 "方向",然后用利润来量化它们。

我认为首先要从你的分歧反转信号中做出一个连续的趋势,用它们来寻找不同时期的未来回撤方向,就是这样......

 
The Grail:

好的,谢谢,我改天再来玩。

关于目标...一般来说,如果你有发出反转信号的特征(我猜),那么就有更多的方法来 "射中自己的脚"(用algotrader的方式),如果你对 "好 "的结果不小心和情绪化,所以例如中枢点分类/回归的准确性本身(logloss等)很容易误导。与盈利/亏损交易的比例一样,这说明不了什么,"中枢 "本身并不包含你能在其中损失多少利润的信息,因此分类/回归的质量很难解释。我认为我们应该首先将 "逆转 "转化为 "方向",然后用利润来量化它们。

我认为要从你的分歧反转信号开始做一个连续的趋势,并绘制不同时期的未来回调方向,像这样......

嗯,试试吧...

顺便说一下,添加更多的预测器,我认为烛台形态 将是很好的过滤,你也可以不通过信号立即进入,而是通过烛台进入,例如,通过某种确认。

 
圣杯

但说真的,"不成功 "和交易作为一个指标完全没有意义,它不能被优化,因为策略每次都会因交易数量的不同而不同,所以例如产生1000次交易的策略会比100次交易的策略少三倍的利润和最大缩水。

尽管你计算资产和投资组合的锐化的方法是共同的,但我还没有准备好把它转移到个人的TS。我认为,TS绝不是一个投资组合,而只是它的一个可能部分。

这甚至不是关于锐利度本身,而是关于强加的方法,我不得不考虑一个模糊的TS,许多交易可以被人为地粘在一起,不存在的空交易可以在这个过程中被添加。而这只是因为 "必须如此"。

对我来说,sharpe是交易利润分布的一个特征,它显示了平均利润与零之间的统计学意义。在一个TS中的交易数量可以变化如此之大的情况下,夏普将不得不被修改。要做到这一点,我们需要减去一个类似k/sqrt(n)的值,其中n是交易的数量。问题是,随着交易数量的增加,数学预期的置信区间 会缩小,这可以在一定程度上补偿通常夏普的价值随着交易数量的增加而减少。如果交易数量没有跳跃那么多,那么这种修正不会影响优化,因此可以使用标准分片。