交易中的机器学习：理论、模型、实践和算法交易 - 页 123 1...116117118119120121122123124125126127128129130...3399 新评论 Yury Reshetov 2016.08.25 19:35 #1221 安德烈-迪克1.我仍然没有得到答案，这个模式是如何建立/定义/检测的？- 我意识到这个问题可能太亲密了，你不必回答。模式是训练样本的样品。也就是说，它是样本中的一条线：预测因素的几个值和因变量的至少一个值。 为什么mytarmailS 调用模式，即机器学习的结果，并不清楚？安德烈-迪克2.掉头甚至不是太 "难 "的答案，一般是属于 "我不知道从哪里来，我也不知道是什么 "的范畴。这里是下一个蜡烛的反转，不是吗？- 再来一个？- 不，错了!- 也许在第四根蜡烛上会有一个反转？- 是的，它反转了，它走了150点，又反转了，但不，它不是反转，而是修正，尽管它还是反转了......。没有办法定义 "支点"!- 因此，没有办法教他们，不仅是提前，甚至是在当前的时刻。至于潜在的反转，有一些指标可以在图表上为它们标出点（最常见的是使用箭头）。最简单的例子是B. Williams的分形。威廉姆斯的分形图，已知会重绘。在这种情况下，我们可以尝试预测，比如说，在分类器的帮助下，预测一个分形是真的还是假的，以及它是会翻转（假）还是留在图表上（真）。很明显，如果你正确预测真正的分形并根据信号入市，并在下一个分形时出场，你就可以获利。或者在预测被证明是错误的情况下亏损，但在不等待下一个分形的情况下退出市场，从而将潜在损失降到最低。我目前正在研究这个课题。本线程的居民Mihail Marchukajtes 擅长用tdsequenta 指标对反转点进行分类 。这个话题的另一位居民桑桑尼茨-福明科 试图预测 "之 "字形的逆转。 其他居住者大多试图按照分类模式来预测蜡烛的颜色。 СанСаныч Фоменко 2016.08.25 20:00 #1222 尤里-雷舍托夫。这里的另一位居民SanSanych Fomenko 正在试图预测ZigZag逆转。 如果我看其他的，我通常会尝试按照我所分类的模式来预测蜡烛图的颜色。我没有试图预测ZZ的反转。这有很多原因。我在预测ZZ的肩部归属。我不喜欢这个目标变量，但小于30%的误差对我来说是没有问题的，因为这个预测只是TC的一部分。如果我有时间，我一定会尝试预测ZZ的反转，并在此基础上进行一些调整。 Andrey Dik 2016.08.25 20:13 #1223 尤里-雷舍托夫。1.这些模式是训练样本的例子。也就是说，它们是样本中的一条线：预测因素的几个值和因变量的至少一个值。 2.为什么mytarmailS 调用模式，即机器学习出来的东西，并不完全清楚？3.至于潜在的反转，有一些指标可以在图表上为其标出点（最常见的是箭头）。最简单的例子是B. Williams的分形。威廉姆斯的分形图，已知会重绘。在这种情况下，我们可以尝试预测，例如，在分类器的帮助下，预测一个分形是真的还是假的，以及它是否会被重新绘制（假）或留在图表上（真）。很明显，如果你正确预测真正的分形并根据信号入市， 并在下一个分形时出场，你就可以获利。 或者在预测被证明是错误的情况下亏损，但在不等待下一个分形的情况下退出市场，从而将潜在损失降到最低。我目前正在研究这个课题。4.这个主题的居民中，米哈伊尔-马奇卡耶斯 专门研究了tdsequenta 指标的支点分类 5.这个话题的另一位居民桑桑尼茨-福缅科（SanSanych Fomenko）试图通过ZigZag预测反转点。6.其他居民经常试图按照模式预测蜡烛的颜色。1.什么是模式--我明白，但我不知道mytarmailS 衡量的是什么（到底是什么指标或其他什么），这就是为什么我问（试图帮助我确定模式问题的原因）。2.是的，这并不清楚。3, 4, 5 所有允许我们检测反转的工具要么重新绘制，要么以滞后的方式进行，而且是以可变的滞后方式进行。我不想专注于反转，但我可以百分之百肯定地告诉你，检测反转是不合理的（说得不好听）。就检测的可靠性和描述的简单性而言，更正确的是下面描述的方法（你可以在分析的主题中尝试一下），虽然分形被检测到有2-3个蜡烛的延迟，但它意味着不确定性，在交易中应该通过所有可用的手段来避免。6.颜色是50/50。无论选择什么样的地平线，它都是完全没有希望的。ZS。因此，让我们试着了解市场报价中哪些是未确定的，哪些可以表示为网络、树、指标上的经典TS或任何我们想用于交易的明确和 "软 "答案。问题是，在回答了这些问题之后，就有可能不仅在网格和其他MO方法上，而且在经典指标上创建盈利系统。我明白，有人会说 "给我报告，监视器！"。- 我不会的，你自己试试吧，自己想想。 СанСаныч Фоменко 2016.08.25 20:23 #1224 Andrey Dik: 因此，让我们试着弄清楚市场报价中什么是未定义的，什么可以表示为网格、树、指标上的经典TS，或任何我们想用于交易的明确而又 "软 "的答案。问题是，在回答了这些问题之后，就有可能不仅在网格和其他MO方法上，而且在经典指标上创建盈利系统。我明白，有人会说 "给我报告，监视器！"。- 我不会的，你们自己试试吧，自己想想。这是一个关于机器学习的分支，原则上不存在你所描述的重绘问题，因为没有什么是在历史上重绘的。机器学习的全部意义在于在历史上找到这样的预测器组合，以确定目标变量的一个类别。如果我们谈论的是随机森林，这就是不超过300棵树（通常是50到100棵），可以在不超过5000条的样本上得到。进一步增加样本并不增加树的数量，即树的类型--"模式 "对于一组给定的预测因子和目标变量来说是结束的。主要问题在于过度训练，即在未来的样本中，可用的树不能正确地预测类别，或者说预测类别越来越差。在这个分支中考虑的正是这个问题：我们试图证明所获得的树会在未来出现，而且未来样本上的分类误差将与训练样本上的误差大致相同。 Andrey Dik 2016.08.25 20:31 #1225 桑桑尼茨-弗门科。这条线是关于机器学习的，不存在重绘的问题，因为没有什么是在历史上重绘的。机器学习的全部意义在于在历史上找到这样的预测器组合，以确定目标变量的一个类别。如果我们谈论的是随机森林，这就是不超过300棵树（通常是50到100棵），可以在不超过5000条的样本上得到。进一步增加样本并不增加树的数量，即树的类型--"模式 "对于一组给定的预测因子和目标变量来说是结束的。主要问题在于过度训练，即在未来的样本中，可用的树不能正确地预测类别，或者说预测类别越来越差。这就是本主题所涉及的问题，即试图证明所产生的树会在未来出现，并且未来样本上的分类误差与训练样本上的分类误差大致相同。嗯，我大致上是这么想的。我期待着类似的反应。尤里-雷舍托夫，如果你有兴趣，请在个人信息中写给我，我会告诉你。 mytarmailS 2016.08.25 20:45 #1226 安德烈-迪克1.我仍然没有得到答案，这个模式是如何建立/定义/检测的？- 我意识到这可能是一个太过亲密的问题，不用回答了。我正在尝试很多东西，蜡烛图组合+级别组合，价格聚类，ssa+聚类，带有适应期的指标，傅里叶，我有一个想法，如何以正式的方式描述艾略特波，还有一些人群预测的想法，但我不知道如何实现它们，它们都太复杂了。尤里-雷舍托夫。这些模式是来自训练样本的例子。也就是说，它是样本中的一个字符串：预测因子的几个值和因变量的至少一个值。 为什么mytarmailS 调用模式，即机器学习的结果，不是很清楚？我不知道这叫模式，我会记住的，谢谢。尤里-雷舍托夫。这一地区的另一位居民桑桑尼茨-福门科 正试图通过ZigZag来预测逆转的情况。实际上，我负责ZZ的逆转工作。安德烈-迪克我不想专注于反转，但我可以百分之百肯定地说，确定反转是不合理的（说得不好听）。从检测的准确性和描述的简单性来看，更正确的是我将在下面描述的方法（你可以在所研究的主题中尝试）。说吧，我很期待，我也很想听听为什么之字形反转不是王牌的理由？ mytarmailS 2016.08.25 20:49 #1227 安德烈-迪克嗯，这和我想的差不多。我正期待着类似的反应。尤里-雷舍托夫，如果你有兴趣，请给我写信，我会告诉你。 我很感兴趣！请给我留言... Yury Reshetov 2016.08.25 21:03 #1228 安德烈-迪克嗯，这和我想的差不多。我正期待着类似的反应。不要注意他。桑桑尼奇在这里试图强加一些个人和 "最终真理 "的游戏规则，可能会有点自大。问题是，在机器学习中，没有明确的规定，在黑匣子的应用问题上，有许多没有充分阐述的问题。这就是为什么它们是 "黑盒子"，因为它们显然是不明显的。 这个话题的重点是讨论与机器学习有关的一切，不管它是否与自己的世界观相一致或相矛盾。有多少人就有多少种意见，而且在口味和颜色上没有区别。如果对ML有任何困惑，那就在这里讨论--没有人会因此而咬你一口。没有问题的水手和那些清楚地知道在哪里挖，只想测量点数的水手，可以去一个分支：机器学习：理论与实践（只做交易；只对有状态的人访问）。安德烈-迪克 尤里-雷舍托夫，如果有任何兴趣，请在私人信息中写给我，我会告诉你的。 我只在有必要交流机密信息的紧急情况下使用私人信息。我假设你没有被列为 "最高机密 "的信息？如果是这样，最好在这里讨论。如果证明是有建设性的，也许其他人也可以加入讨论？ Andrey Dik 2016.08.25 22:23 #1229 该方法如下（以下所有内容同样适用于ML和经典的TS）。关键是要摆脱不确定性，这意味着一方面要摆脱训练和优化中的拟合，另一方面要毫不含糊地对系统提出 "软 "要求。进场时的TP和SL也是一个不确定因素，所以我们只在紧急出场时使用（这取决于工具的波动性，我们根据经验选择，所以100%的交易尽可能少触发止损，最好是永远不触发。预测整个交易，从进入到退出。我们认为有排除点差和佣金的利润的结果是成功的交易（系统操作是在检查点差和佣金是否被覆盖后确定的）。一旦收到进入信号，系统就会进入，然后等待一定数量的条形图（它是根据经验确定的，取决于预测器和仪器）。- 结束交易，如果是输了，我们再等一栏。有时我使用两个参数：最小和最大（如果一个交易在最大条数 之后没有被关闭--无论如何它都会被关闭），有时我只使用一个--最小条数。很多人会感到惊讶，但很多，甚至是看似无望的系统开始工作，包括魔杖上的TS，更不用说各种有ML的系统。诀窍是不要要求你自己和机器制定铁的TC规则，不要试图完全描述市场运动，并为ML给出那些非常 "软 "的规则。此外，我们摆脱了市场上重重尾巴的坏遗产（或者更准确地说，尾巴不再重要），BP缺乏静止性也不再重要--因为我们知道，市场形状可以纵向和横向扩展，而不改变其内部属性（这让鸸鹋的生活极其困难）。我在第四论坛上写过这个问题，我想是在Swinosaurs主题中，关于所有TS的两种类型（有确定的边界和不确定的边界），但这个想法在那里没有完成。现在这一切似乎更清晰了，或者说......。一般来说，我在开发交易系统时使用我的规则：如果逻辑上的变化导致所有可能的变体中成功的参数份额增加，那么这是一个好的变化（无论我们如何改变参数，选择一个坏的变体进行交易的概率都会降低--我们将处于有利的一面）。这种方法允许在我的TS中大大增加这一份额。 Alexey Burnakov 2016.08.25 22:50 #1230 安德烈-迪克该方法如下（以下所有内容同样适用于ML和经典的TS）。关键是要摆脱不确定性，这意味着一方面要摆脱训练和优化中的拟合，另一方面要毫不含糊地对系统提出 "软 "要求。进场时的TP和SL也是一个不确定因素，所以我们只在紧急出场时使用（这取决于工具的波动性，我们根据经验选择，所以100%的交易尽可能少触发止损，最好是永远不触发。预测整个交易，从进入到退出。我们认为有排除点差和佣金的利润的结果是成功的交易（系统操作是在检查点差和佣金是否被覆盖后确定的）。一旦收到进入信号，系统就会进入，然后等待一定数量的条形图（它是根据经验确定的，取决于预测器和仪器）。- 结束交易，如果是输了，我们再等一栏。有时我使用两个参数：最小和最大（如果一个交易在最大条数 之后没有被关闭--无论如何它都会被关闭），有时我只使用一个--最小条数。很多人会感到惊讶，但很多，甚至是看似无望的系统开始工作，包括魔杖上的TS，更不用说各种有ML的系统。诀窍是不要要求你自己和机器制定铁的TC规则，不要试图完全描述市场运动，并为ML给出那些非常 "软 "的规则。此外，我们摆脱了市场上重重尾巴的坏遗产（或者更准确地说，尾巴不再重要），BP缺乏静止性不再重要--因为我们知道，市场形状可以纵向和横向扩展而不改变其内部属性（而这使倌人的生活难以置信地困难）。我在第四论坛上写过这个问题，我想是在Swinosaurs主题中，关于所有TS的两种类型（有确定的边界和不确定的边界），但这个想法在那里没有完成。现在一切都更加清晰可见，或者说......。一般来说，我在开发交易系统时使用我的规则：如果逻辑的变化导致所有可能的变体中成功的参数份额增加，那么这是一个好的变化（无论我们如何改变参数，选择一个坏的变体进行交易的概率都会降低--我们将处于有利的一面）。这种方法允许在我的TS中增加这一份额。 这是对交易中多变量退出的描述。我自己已经实施了。增加了合体的机会。 1...116117118119120121122123124125126127128129130...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
1.我仍然没有得到答案，这个模式是如何建立/定义/检测的？- 我意识到这个问题可能太亲密了，你不必回答。
模式是训练样本的样品。也就是说，它是样本中的一条线：预测因素的几个值和因变量的至少一个值。
为什么mytarmailS 调用模式，即机器学习的结果，并不清楚？
2.掉头甚至不是太 "难 "的答案，一般是属于 "我不知道从哪里来，我也不知道是什么 "的范畴。这里是下一个蜡烛的反转，不是吗？- 再来一个？- 不，错了!- 也许在第四根蜡烛上会有一个反转？- 是的，它反转了，它走了150点，又反转了，但不，它不是反转，而是修正，尽管它还是反转了......。没有办法定义 "支点"!- 因此，没有办法教他们，不仅是提前，甚至是在当前的时刻。
至于潜在的反转，有一些指标可以在图表上为它们标出点（最常见的是使用箭头）。最简单的例子是B. Williams的分形。威廉姆斯的分形图，已知会重绘。在这种情况下，我们可以尝试预测，比如说，在分类器的帮助下，预测一个分形是真的还是假的，以及它是会翻转（假）还是留在图表上（真）。很明显，如果你正确预测真正的分形并根据信号入市，并在下一个分形时出场，你就可以获利。或者在预测被证明是错误的情况下亏损，但在不等待下一个分形的情况下退出市场，从而将潜在损失降到最低。我目前正在研究这个课题。
本线程的居民Mihail Marchukajtes 擅长用tdsequenta 指标对反转点进行分类 。
这个话题的另一位居民桑桑尼茨-福明科 试图预测 "之 "字形的逆转。
其他居住者大多试图按照分类模式来预测蜡烛的颜色。
这里的另一位居民SanSanych Fomenko 正在试图预测ZigZag逆转。
如果我看其他的，我通常会尝试按照我所分类的模式来预测蜡烛图的颜色。
我没有试图预测ZZ的反转。这有很多原因。我在预测ZZ的肩部归属。我不喜欢这个目标变量，但小于30%的误差对我来说是没有问题的，因为这个预测只是TC的一部分。
如果我有时间，我一定会尝试预测ZZ的反转，并在此基础上进行一些调整。
1.这些模式是训练样本的例子。也就是说，它们是样本中的一条线：预测因素的几个值和因变量的至少一个值。
2.为什么mytarmailS 调用模式，即机器学习出来的东西，并不完全清楚？
3.至于潜在的反转，有一些指标可以在图表上为其标出点（最常见的是箭头）。最简单的例子是B. Williams的分形。威廉姆斯的分形图，已知会重绘。在这种情况下，我们可以尝试预测，例如，在分类器的帮助下，预测一个分形是真的还是假的，以及它是否会被重新绘制（假）或留在图表上（真）。很明显，如果你正确预测真正的分形并根据信号入市， 并在下一个分形时出场，你就可以获利。 或者在预测被证明是错误的情况下亏损，但在不等待下一个分形的情况下退出市场，从而将潜在损失降到最低。我目前正在研究这个课题。
4.这个主题的居民中，米哈伊尔-马奇卡耶斯 专门研究了tdsequenta 指标的支点分类
5.这个话题的另一位居民桑桑尼茨-福缅科（SanSanych Fomenko）试图通过ZigZag预测反转点。
6.其他居民经常试图按照模式预测蜡烛的颜色。
1.什么是模式--我明白，但我不知道mytarmailS 衡量的是什么（到底是什么指标或其他什么），这就是为什么我问（试图帮助我确定模式问题的原因）。
2.是的，这并不清楚。
3, 4, 5 所有允许我们检测反转的工具要么重新绘制，要么以滞后的方式进行，而且是以可变的滞后方式进行。我不想专注于反转，但我可以百分之百肯定地告诉你，检测反转是不合理的（说得不好听）。就检测的可靠性和描述的简单性而言，更正确的是下面描述的方法（你可以在分析的主题中尝试一下），虽然分形被检测到有2-3个蜡烛的延迟，但它意味着不确定性，在交易中应该通过所有可用的手段来避免。
6.颜色是50/50。无论选择什么样的地平线，它都是完全没有希望的。
ZS。
因此，让我们试着了解市场报价中哪些是未确定的，哪些可以表示为网络、树、指标上的经典TS或任何我们想用于交易的明确和 "软 "答案。问题是，在回答了这些问题之后，就有可能不仅在网格和其他MO方法上，而且在经典指标上创建盈利系统。我明白，有人会说 "给我报告，监视器！"。- 我不会的，你自己试试吧，自己想想。
因此，让我们试着弄清楚市场报价中什么是未定义的，什么可以表示为网格、树、指标上的经典TS，或任何我们想用于交易的明确而又 "软 "的答案。问题是，在回答了这些问题之后，就有可能不仅在网格和其他MO方法上，而且在经典指标上创建盈利系统。我明白，有人会说 "给我报告，监视器！"。- 我不会的，你们自己试试吧，自己想想。
这是一个关于机器学习的分支，原则上不存在你所描述的重绘问题，因为没有什么是在历史上重绘的。
机器学习的全部意义在于在历史上找到这样的预测器组合，以确定目标变量的一个类别。如果我们谈论的是随机森林，这就是不超过300棵树（通常是50到100棵），可以在不超过5000条的样本上得到。进一步增加样本并不增加树的数量，即树的类型--"模式 "对于一组给定的预测因子和目标变量来说是结束的。
主要问题在于过度训练，即在未来的样本中，可用的树不能正确地预测类别，或者说预测类别越来越差。在这个分支中考虑的正是这个问题：我们试图证明所获得的树会在未来出现，而且未来样本上的分类误差将与训练样本上的误差大致相同。
这条线是关于机器学习的，不存在重绘的问题，因为没有什么是在历史上重绘的。
机器学习的全部意义在于在历史上找到这样的预测器组合，以确定目标变量的一个类别。如果我们谈论的是随机森林，这就是不超过300棵树（通常是50到100棵），可以在不超过5000条的样本上得到。进一步增加样本并不增加树的数量，即树的类型--"模式 "对于一组给定的预测因子和目标变量来说是结束的。
主要问题在于过度训练，即在未来的样本中，可用的树不能正确地预测类别，或者说预测类别越来越差。这就是本主题所涉及的问题，即试图证明所产生的树会在未来出现，并且未来样本上的分类误差与训练样本上的分类误差大致相同。
嗯，我大致上是这么想的。我期待着类似的反应。
尤里-雷舍托夫，如果你有兴趣，请在个人信息中写给我，我会告诉你。
1.我仍然没有得到答案，这个模式是如何建立/定义/检测的？- 我意识到这可能是一个太过亲密的问题，不用回答了。
我正在尝试很多东西，蜡烛图组合+级别组合，价格聚类，ssa+聚类，带有适应期的指标，傅里叶，我有一个想法，如何以正式的方式描述艾略特波，还有一些人群预测的想法，但我不知道如何实现它们，它们都太复杂了。
这些模式是来自训练样本的例子。也就是说，它是样本中的一个字符串：预测因子的几个值和因变量的至少一个值。
为什么mytarmailS 调用模式，即机器学习的结果，不是很清楚？
我不知道这叫模式，我会记住的，谢谢。
这一地区的另一位居民桑桑尼茨-福门科 正试图通过ZigZag来预测逆转的情况。
实际上，我负责ZZ的逆转工作。
我不想专注于反转，但我可以百分之百肯定地说，确定反转是不合理的（说得不好听）。从检测的准确性和描述的简单性来看，更正确的是我将在下面描述的方法（你可以在所研究的主题中尝试）。
说吧，我很期待，我也很想听听为什么之字形反转不是王牌的理由？
嗯，这和我想的差不多。我正期待着类似的反应。
尤里-雷舍托夫，如果你有兴趣，请给我写信，我会告诉你。
嗯，这和我想的差不多。我正期待着类似的反应。
不要注意他。桑桑尼奇在这里试图强加一些个人和 "最终真理 "的游戏规则，可能会有点自大。问题是，在机器学习中，没有明确的规定，在黑匣子的应用问题上，有许多没有充分阐述的问题。这就是为什么它们是 "黑盒子"，因为它们显然是不明显的。
这个话题的重点是讨论与机器学习有关的一切，不管它是否与自己的世界观相一致或相矛盾。有多少人就有多少种意见，而且在口味和颜色上没有区别。
如果对ML有任何困惑，那就在这里讨论--没有人会因此而咬你一口。
没有问题的水手和那些清楚地知道在哪里挖，只想测量点数的水手，可以去一个分支：机器学习：理论与实践（只做交易；只对有状态的人访问）。
安德烈-迪克
尤里-雷舍托夫，如果有任何兴趣，请在私人信息中写给我，我会告诉你的。
该方法如下（以下所有内容同样适用于ML和经典的TS）。
关键是要摆脱不确定性，这意味着一方面要摆脱训练和优化中的拟合，另一方面要毫不含糊地对系统提出 "软 "要求。进场时的TP和SL也是一个不确定因素，所以我们只在紧急出场时使用（这取决于工具的波动性，我们根据经验选择，所以100%的交易尽可能少触发止损，最好是永远不触发。预测整个交易，从进入到退出。我们认为有排除点差和佣金的利润的结果是成功的交易（系统操作是在检查点差和佣金是否被覆盖后确定的）。一旦收到进入信号，系统就会进入，然后等待一定数量的条形图（它是根据经验确定的，取决于预测器和仪器）。- 结束交易，如果是输了，我们再等一栏。有时我使用两个参数：最小和最大（如果一个交易在最大条数 之后没有被关闭--无论如何它都会被关闭），有时我只使用一个--最小条数。
很多人会感到惊讶，但很多，甚至是看似无望的系统开始工作，包括魔杖上的TS，更不用说各种有ML的系统。诀窍是不要要求你自己和机器制定铁的TC规则，不要试图完全描述市场运动，并为ML给出那些非常 "软 "的规则。此外，我们摆脱了市场上重重尾巴的坏遗产（或者更准确地说，尾巴不再重要），BP缺乏静止性也不再重要--因为我们知道，市场形状可以纵向和横向扩展，而不改变其内部属性（这让鸸鹋的生活极其困难）。
我在第四论坛上写过这个问题，我想是在Swinosaurs主题中，关于所有TS的两种类型（有确定的边界和不确定的边界），但这个想法在那里没有完成。现在这一切似乎更清晰了，或者说......。
一般来说，我在开发交易系统时使用我的规则：如果逻辑上的变化导致所有可能的变体中成功的参数份额增加，那么这是一个好的变化（无论我们如何改变参数，选择一个坏的变体进行交易的概率都会降低--我们将处于有利的一面）。这种方法允许在我的TS中大大增加这一份额。
该方法如下（以下所有内容同样适用于ML和经典的TS）。
关键是要摆脱不确定性，这意味着一方面要摆脱训练和优化中的拟合，另一方面要毫不含糊地对系统提出 "软 "要求。进场时的TP和SL也是一个不确定因素，所以我们只在紧急出场时使用（这取决于工具的波动性，我们根据经验选择，所以100%的交易尽可能少触发止损，最好是永远不触发。预测整个交易，从进入到退出。我们认为有排除点差和佣金的利润的结果是成功的交易（系统操作是在检查点差和佣金是否被覆盖后确定的）。一旦收到进入信号，系统就会进入，然后等待一定数量的条形图（它是根据经验确定的，取决于预测器和仪器）。- 结束交易，如果是输了，我们再等一栏。有时我使用两个参数：最小和最大（如果一个交易在最大条数 之后没有被关闭--无论如何它都会被关闭），有时我只使用一个--最小条数。
很多人会感到惊讶，但很多，甚至是看似无望的系统开始工作，包括魔杖上的TS，更不用说各种有ML的系统。诀窍是不要要求你自己和机器制定铁的TC规则，不要试图完全描述市场运动，并为ML给出那些非常 "软 "的规则。此外，我们摆脱了市场上重重尾巴的坏遗产（或者更准确地说，尾巴不再重要），BP缺乏静止性不再重要--因为我们知道，市场形状可以纵向和横向扩展而不改变其内部属性（而这使倌人的生活难以置信地困难）。
我在第四论坛上写过这个问题，我想是在Swinosaurs主题中，关于所有TS的两种类型（有确定的边界和不确定的边界），但这个想法在那里没有完成。现在一切都更加清晰可见，或者说......。
一般来说，我在开发交易系统时使用我的规则：如果逻辑的变化导致所有可能的变体中成功的参数份额增加，那么这是一个好的变化（无论我们如何改变参数，选择一个坏的变体进行交易的概率都会降低--我们将处于有利的一面）。这种方法允许在我的TS中增加这一份额。