交易中的机器学习：理论、模型、实践和算法交易 - 页 1256

新评论
 
elibrarius。
顺便说一下，我有一个情况，第一次分离几乎没有改善误差，而第二次分离却改善了100%。

我有4个部门，每个部门有10个点。1个分割，可以沿X轴或Y轴。几乎不会改善误差，它将保持在50%左右。例如，首先在中间垂直分割。在水平方向上从中间分割第二次，会使误差有非常大的改善（从50%到零）。
但这是人为创造的情况，在生活中不会发生。

你可以使用一个内核（transormat数据）并进行一次划分。我不知道这种情况的内核是什么样的，但它肯定应该是

时间序列不是这样预测的，你需要周期和定期成分。而且由于在市场上，它们随着样本的增加而消失，所以每个人都有50/50的误差

这就是为什么只有提前几步的预测是有效的。 有了良好的正则化，你会得到更长的周期，系统存活时间更长，但交易量更小。

 
马克西姆-德米特里耶夫斯基。
时间序列根本不是这样预测的，你需要强调周期，周期性的成分。而由于在市场上，当样本量增加时，它们都会消失，这就是为什么每个人都有50/50的误差。

这一点我无法反驳）。

 
马克西姆-德米特里耶夫斯基。

因此，这对每个人来说都是一个50-50的错误

不是每个人都能做到:)我有10-15%的误差。

 
凯沙-鲁托夫。

不是每个人都能做到:)我有10-15%的误差。

我也是，但在新的数据上并不意味着什么......嗯，比50个好。

 
马克西姆-德米特里耶夫斯基。

我也是，但在新的数据上并不意味着什么......嗯，比50个好。

有了新的数据就可以了，问题是MO在交易中没有发挥任何作用，就像指标一样，成功取决于其他逃避正式解释的东西。

 
马克西姆-德米特里耶夫斯基。

我也是，但在新的数据上并不意味着什么......嗯，比50好是的。

如果你的利润大于你的损失，50是最好的）。你不应该追逐它，它是绰绰有余的。
 
凯沙-鲁托夫。

在新的数据上一切都很好，问题是不同的，MO在交易中没有起到像指标一样的作用，成功取决于其他一些逃避正式解释的东西。

这就对了。嗯，至少在一般情况下制定这个东西，然后教莫）。莫氏会设法自己澄清它。
我已经写了：首先是基本策略，然后是MO。
 
凯沙-鲁托夫。

在新的数据上一切都很好，问题是不同的，MO在交易中没有起到任何作用，就像指标一样，成功取决于其他一些逃避正式解释的东西。

你必须明白，成功取决于其他一些无法正式解释的东西。

 
凯沙-鲁托夫。

在新的数据上一切都很好，问题是其他的东西，MO在交易中没有起到任何作用，就像指标一样，成功取决于其他的东西，躲过了正式的解释。

成功取决于运气 伴随着傻瓜，只有他们才能从事MO并使其看起来很有希望;)
 
尤里-阿索连科。
如果你的利润大于你的损失，50是最好的）。你不应该追逐它，它是绰绰有余的。

是的，但不是那么简单，比如说随机进场，TP/SL=2，最后会出现相同的差价损失，因为止损会是盈利的两倍，市场不可能那么容易被打败，所以索罗斯和巴菲特是相当罕见。

尤里-阿索连科。
正是如此。所以，至少要制定一些一般性的条款，然后教他们。）莫氏将能够自行阐述。
我已经写过：首先是基本战略，然后才是莫。

你知道这个 "东西"，这个 "基本策略 "吗？

马克西姆-德米特里耶夫斯基。

世界上所有的东西都影响着它），直到你出生的那天。

这就是智慧，无所不知，但你如何在不死的情况下找到它？

1...124912501251125212531254125512561257125812591260126112621263...3399
新评论