交易中的机器学习:理论、模型、实践和算法交易 - 页 1250 1...124312441245124612471248124912501251125212531254125512561257...3399 新评论 Aleksey Vyazmikin 2018.12.30 13:34 #12491 法尔哈特-古扎罗夫。天啊,你手动做的所有事情都应该由神经网络来完成,但这种方式....浪费时间,如果结果是负面的,那么就会有海量的挫败感,并四处寻找其他方法。那么,如何手动操作呢,一切都是自动化的,只是有一些阶段,需要手动控制,这是因为不确定,到底应该如何操作。 而事实上,有人欠了东西,我非常怀疑...... 结果--在未来到来之前,谁会知道...... Aleksey Vyazmikin 2018.12.30 14:33 #12492 Vizard_。最有可能的是,从1和-1的滞后(或描述它们的一个谓词)将改善(或已经改善)切0,因为 "不进入" 对我自己来说,这种方法我立即拒绝了,开始只使用二进制的 分类(翻转)。我会看一下对不同波动性的依赖性,它们是否影响或不影响,等等。 我本来想做三个二元分类器。例如,你可以只看1个 "购买"。太复杂了...我有一个关于分钟的趋势系统,所以只是二进制不能立即使用,因为在平面期间,你必须是在围观,而不是直接翻转。理论上,可以分别使用买入/非交易和卖出/非交易,但我们需要大量的采样,而且并不是所有的东西都是好的。 在ketbust中,我有进入的信号和矢量(买入/卖出)被分别选择 - 一些东西似乎是有效的,但仍有实验,现在说肯定还为时过早。当然,我们可以做三个二进制符号,但从将这种情况结合到一个设计的意义上来说,这并不容易......。 波动性当然会影响结果,只要在大涨的时候就可以赚到,问题是规模。 Aleksey Vyazmikin 2018.12.30 14:58 #12493 Vizard_。要理解、研究,结论也适用于反转信号。 它如何影响的不是结果,而是预测器的放置(选择)...我不会假装理解你,请展开你的观点。 Yuriy Asaulenko 2018.12.30 15:11 #12494 桑桑尼茨-弗门科。没有。 在时期适应方面,我在mcl4上使用定稿的JMA已经很长时间了,但它没有什么用:它像其他东西一样褪色。我不得不不时地进行人工干预。 如果是关于过滤器,有一个好奇的平滑包。里面光滑的坐着卡尔曼与状态空间。给出了质量非常好的混搭,并且有提前几步的推断(预测)。 朱里奇是个十足的废物。另一方面,卡尔曼可能需要被奴役。但我认为,在我们的情况下,Kalman不会比Mashkeh更好。 СанСаныч Фоменко 2018.12.30 16:05 #12495 尤里-阿索连科。 Djuric完全是胡说八道。另一方面,卡尔曼可能应该被制造出来。但是,在我们的案例中,卡尔曼似乎不会比MAs更好。哪些是废话,哪些不是,不得而知。 我们应该看一下特定的预测器对特定的目标变量的预测能力。而且更好的是它的可变性与窗户的移动。 Farkhat Guzairov 2018.12.30 16:25 #12496 阿列克谢-维亚兹米 金。好吧,就像手工操作一样,所有的东西都是自动化的,只是有一些阶段需要人工控制,这是因为不确定到底如何对它们进行操作。 而事实上,有人欠了东西,我非常怀疑...... 而结果--在未来到来之前,谁会知道呢......基于上述代码,你有一个明确的在特定条件下的行动算法,在这种情况下,当你有输入数据和想要的结果时,神经元网会帮助你,但你必须在下次市场趋势变化后手动修改代码。 做什么由你决定,但无论如何我都会使用经过训练的神经元网。 Farkhat Guzairov 2018.12.30 16:28 #12497 关于已知和未知,如果你这样想,你也不知道事件会如何发展,这里你或其他人做出的决定是一个概率问题,我的意思是,你必须假设这个决定会有50/50的结果,在这种情况下,谁来统治它并不重要,你还是神经网络。 Aleksey Vyazmikin 2018.12.30 16:52 #12498 Vizard_。预测因素的权重是否因牛而改变。听起来很复杂,很适合。 而且,在T台上也有多级分类。用交叉验证法运行它,看看在犯规等方面是否有错误。 也许这对一个傻瓜来说是有用的......而所有的努力并不是真的需要......你建议如何衡量重量和波动性?我不介意做实验。 多类是有的,但没有模型卸载,除了在他们的二进制代码中,我甚至在理论上都不知道如何连接并使之工作。 有一整个时代的catbust,在那里我正在试验预测器集(部分删除--512个组合),根预测器选择的随机权重(200)--这已经是100k模型了,我有两个这样的分区。是的,在这一切中,有有趣的模型,也有完全的李子(在测试和可学习样本上有利可图,但在独立样本上李子或接近零),但也不能保证它们会继续发挥作用。现在(2018年12月22日)我开始了新的模型创建,但将所有预测因子标记为分类,这是我最初的想法(因为很多已经被切割成不规则的区间并转换为整数值),在新的一年里,计划完成处理--看看是否有区别,因为具有非分类特征的模型在本卷中准备了1.5天,而这里至少有10... 合适与否--很难说,昨天我写道,我更倾向于认为一个模型是合适的,因为它的体积(叶子的数量)可以一次记住许多变化和组合,而我有一个不超过100叶子的模型......当然,我的主要问题是缺乏数据 - 我正在研究Si工具,我想加入欧元兑美元期货,但我需要验证预测器 - 衡量标准问题。 Aleksey Vyazmikin 2018.12.30 16:55 #12499 法尔哈特-古扎罗夫。基于上述代码,你有一个明确的在特定条件下的行动算法,在这种情况下,当你有输入数据和期望的结果时,神经网络会帮助你,但否则,当市场趋势发生变化时,你将不断手动修改代码。 做什么由你决定,但我还是会在这个过程中连接一个神经网络(受过训练的)。我有进入点,我不知道是否进入--那是MO的任务。 正如我之前所说,我不知道一个能够吸收大量(300-500)输入神经元的快速神经网络...但给已经选定的叶子,比方说,给一个神经网络或重复给一棵树... 我不明白关于代码的变化,为什么要这样--你认为5年来趋势没有变化吗? Aleksey Vyazmikin 2018.12.30 17:30 #12500 蜥蜴_。我不是在建议什么,我只是写了我自己会怎么做。而获得的三个班级将只是坚持在ts...你怎么把它放进去?然后你必须在python或R之间建立某种桥梁--这对我来说是一个黑暗的森林。 1...124312441245124612471248124912501251125212531254125512561257...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
天啊,你手动做的所有事情都应该由神经网络来完成,但这种方式....浪费时间,如果结果是负面的,那么就会有海量的挫败感,并四处寻找其他方法。
那么,如何手动操作呢,一切都是自动化的,只是有一些阶段,需要手动控制,这是因为不确定,到底应该如何操作。
而事实上,有人欠了东西,我非常怀疑......
结果--在未来到来之前,谁会知道......
最有可能的是,从1和-1的滞后(或描述它们的一个谓词)将改善(或已经改善)切0,因为 "不进入"
对我自己来说,这种方法我立即拒绝了,开始只使用二进制的
分类(翻转)。我会看一下对不同波动性的依赖性,它们是否影响或不影响,等等。
我本来想做三个二元分类器。例如,你可以只看1个 "购买"。太复杂了...
我有一个关于分钟的趋势系统,所以只是二进制不能立即使用,因为在平面期间,你必须是在围观,而不是直接翻转。理论上,可以分别使用买入/非交易和卖出/非交易,但我们需要大量的采样,而且并不是所有的东西都是好的。 在ketbust中,我有进入的信号和矢量(买入/卖出)被分别选择 - 一些东西似乎是有效的,但仍有实验,现在说肯定还为时过早。当然,我们可以做三个二进制符号,但从将这种情况结合到一个设计的意义上来说,这并不容易......。
波动性当然会影响结果,只要在大涨的时候就可以赚到,问题是规模。要理解、研究,结论也适用于反转信号。
它如何影响的不是结果,而是预测器的放置(选择)...
我不会假装理解你,请展开你的观点。
没有。
在时期适应方面,我在mcl4上使用定稿的JMA已经很长时间了,但它没有什么用:它像其他东西一样褪色。我不得不不时地进行人工干预。
如果是关于过滤器,有一个好奇的平滑包。里面光滑的坐着卡尔曼与状态空间。给出了质量非常好的混搭,并且有提前几步的推断(预测)。
Djuric完全是胡说八道。
哪些是废话,哪些不是,不得而知。
我们应该看一下特定的预测器对特定的目标变量的预测能力。而且更好的是它的可变性与窗户的移动。
好吧,就像手工操作一样,所有的东西都是自动化的,只是有一些阶段需要人工控制,这是因为不确定到底如何对它们进行操作。
而事实上,有人欠了东西,我非常怀疑......
而结果--在未来到来之前,谁会知道呢......
基于上述代码,你有一个明确的在特定条件下的行动算法,在这种情况下,当你有输入数据和想要的结果时,神经元网会帮助你,但你必须在下次市场趋势变化后手动修改代码。
做什么由你决定,但无论如何我都会使用经过训练的神经元网。
预测因素的权重是否因牛而改变。听起来很复杂,很适合。
而且,在T台上也有多级分类。用交叉验证法运行它,看看在犯规等方面是否有错误。
也许这对一个傻瓜来说是有用的......而所有的努力并不是真的需要......
你建议如何衡量重量和波动性?我不介意做实验。
多类是有的,但没有模型卸载,除了在他们的二进制代码中,我甚至在理论上都不知道如何连接并使之工作。
有一整个时代的catbust,在那里我正在试验预测器集(部分删除--512个组合),根预测器选择的随机权重(200)--这已经是100k模型了,我有两个这样的分区。是的,在这一切中,有有趣的模型,也有完全的李子(在测试和可学习样本上有利可图,但在独立样本上李子或接近零),但也不能保证它们会继续发挥作用。现在(2018年12月22日)我开始了新的模型创建,但将所有预测因子标记为分类,这是我最初的想法(因为很多已经被切割成不规则的区间并转换为整数值),在新的一年里,计划完成处理--看看是否有区别,因为具有非分类特征的模型在本卷中准备了1.5天,而这里至少有10...
合适与否--很难说,昨天我写道,我更倾向于认为一个模型是合适的,因为它的体积(叶子的数量)可以一次记住许多变化和组合,而我有一个不超过100叶子的模型......当然,我的主要问题是缺乏数据 - 我正在研究Si工具,我想加入欧元兑美元期货,但我需要验证预测器 - 衡量标准问题。
基于上述代码,你有一个明确的在特定条件下的行动算法,在这种情况下,当你有输入数据和期望的结果时,神经网络会帮助你,但否则,当市场趋势发生变化时,你将不断手动修改代码。
做什么由你决定,但我还是会在这个过程中连接一个神经网络(受过训练的)。
我有进入点,我不知道是否进入--那是MO的任务。
正如我之前所说,我不知道一个能够吸收大量(300-500)输入神经元的快速神经网络...但给已经选定的叶子,比方说,给一个神经网络或重复给一棵树...
我不明白关于代码的变化,为什么要这样--你认为5年来趋势没有变化吗?我不是在建议什么,我只是写了我自己会怎么做。而获得的三个班级将只是坚持在ts...
你怎么把它放进去?然后你必须在python或R之间建立某种桥梁--这对我来说是一个黑暗的森林。