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。