交易中的机器学习:理论、模型、实践和算法交易 - 页 127 1...120121122123124125126127128129130131132133134...3399 新评论 СанСаныч Фоменко 2016.08.26 14:08 #1261 阿列克谢-伯纳科夫。你是如何确定这一点的?你是否跟踪了你的预测器在当时未知的未来的表现? 为什么不是一个未知的未来?在历史上一切都知道。我在1-10块瓷砖上学习它,然后用交叉验证法在它们身上测试。然后我获得11、12等的统计数据,并与我在1-10段得到的数据进行比较。即完全类比于真实交易。我在这个主题上已经描述了很多。 Alexey Burnakov 2016.08.26 14:14 #1262 桑桑尼茨-弗门科。 为什么不是一个已知的未来?在历史上一切都知道。我在1-10大块上学习它,然后在交叉验证上检查它。然后我得到11、12等的统计数据,并与我在1-10大块的数据进行比较。即完全类比于真实交易。我在这个主题上已经描述了很多。是的,我也是这么想的。而你以这种方式经历了多少种不同的模式变化?是否会出现这样的情况:在第11、12等块上,模型的表现比训练块上的表现更差,而你又重新开始? СанСаныч Фоменко 2016.08.26 14:50 #1263 阿列克谢-伯纳科夫。是的,我也是这么想的。而你以这种方式经历了多少种不同的模型变化?是否曾经出现过这样的情况:在11、12......等块上,模型的表现比在训练块上差,而你又重新开始?变化约为2-3%,平均为27-28%。它是作为与平均值的偏差的变化。你所写的是应该减少学习误差。我还没有这样做。对于我的预测器来说,GBM是最好的,然后是ada。我使用rf。接下来是SVM和最差的nnet。如你所见,我没有使用最好的模型。 Alexey Burnakov 2016.08.26 14:57 #1264 桑桑尼茨-弗门科。变化约为2-3%,平均为27-28%。它是作为与平均值的偏差的变化。你所写的是应该减少学习误差。我没有这么做。对于我的预测器来说,GBM是最好的,然后是ada。我使用rf。接下来是SVM和最差的nnet。如你所见,我没有使用最好的模型。嗯,好的。桑桑尼茨。如果你的所有模型都得到了或多或少的验证,你就不需要手舞足蹈。我把信息放在那里供你思考。我使用它,测试自己,把自己从错误中拯救出来。它是否会帮助你--我不知道。我认为这些信息不是最无用的。 СанСаныч Фоменко 2016.08.26 15:16 #1265 阿列克谢-伯纳科夫。嗯,好吧。桑桑尼茨。如果你的所有模型都验证得差不多好,就没有必要跳手鼓舞了。我布置了信息,使之有意义。我使用它,测试自己,把自己从错误中拯救出来。它是否会帮助你--我不知道。我认为这些信息不是最无用的。我一直饶有兴趣地关注着你的所有帖子。还有,祝你好运。 Alexey Burnakov 2016.08.26 19:25 #1266 SanSanych Fomenko: 我一直饶有兴趣地关注着你的所有帖子。好运。 谢谢你。然而,我的印象是,你在预测一些与交易无关的事情。不可能是你的模型这么容易得到60-70%,还能给出准确的信号。我们在这里与过度训练作斗争,而你只是看了看数据,然后说,没有所以没有信号。你的工作看起来像费舍尔的 虹膜预测。消除了一点噪音,一切都静止了。你没有尝试过预测复杂的过程吗,同事。在有很多噪音的地方,你立即拒绝。而除了客户的钱之外,你的利润是什么,一点也不清楚。另外,你不知道你的预测在未来是如何起作用的,尽管你满怀信心地谈论着它。 СанСаныч Фоменко 2016.08.26 21:03 #1267 阿列克谢-伯纳科夫。 谢谢你。然而,我的印象是,你所预测的东西与交易没有什么关系。不可能是你的模型这么容易得到60-70%,还能给出准确的信号。我们在这里与过度训练作斗争,而你只是看了看数据,然后说,没有所以没有信号。你的工作看起来像费舍尔的虹膜预测。消除了一点噪音,一切都静止了。你没有尝试过预测复杂的过程吗,同事。在有很多噪音的地方,你立即拒绝。而除了客户的钱之外,你的利润是什么,一点也不清楚。此外,你不知道你的预测在未来是如何运作的,尽管你自信地说。什么是 "复杂过程 "我不明白。我有一个真正的EA,在终端上挂了一个报价...他们给我的东西就是我们咀嚼的东西。我已经写过,我在老式TF上的TS中使用预测法,它有三个窗口。高级专题小组确定了方向。但除此之外,EA还有相当大的一套工具,其目的是风险管理。这就是为什么我不能肯定地说,属于ZZ方向的下一根蜡烛的预测误差有多大比例会影响总的结果,但我对这个不感兴趣。我重复我之前的帖子。R工具,特别是机器学习,我试图用它来解决某个专家顾问的具体问题。不是一般的,而是一个具体的。很有可能在其他TS中,我的方法并不奏效。关于未来...它从12月开始工作,并有正常的飞行。与专家顾问中的这个地方的指标不同,有一个工具是重新训练的。滞后现象已被消除。还不够吗? 一个巨大的进步。是最后的真相吗?不,当然不是。 Dr. Trader 2016.08.26 23:06 #1268 阿列克谢-伯纳科夫。是的。用M1交叉验证对10次犯规进行一个周期的学习,你的理解是正确的。对于每个学习参数的组合:在9次犯规时学习,在延迟检查时。因此,10次。我们得到了10个折的质量指标的平均值。让我们把它称为M1。我也做了类似的事情,但我没有移动测试窗口,而是移动了训练窗口。在中间,我将始终有一个移动的训练窗口,而测试数据则在两侧围绕着它。我认为,如果依赖关系不是恒定的,一些 "主导时期 "不断地来回浮动(根据mytarmailS,我自己不擅长频率和傅里叶)--那么在极端(时间上)的情况下训练,在中间的东西上测试是没有意义的,这可以通过极端选项的模型来近似。对于训练,我甚至采取了远低于50%的数据,这也是可以的(至少不会更糟)。我使用类似这张图片中的外循环的东西,但在蓝色上训练,在灰色上测试。我试图确保无论我采取什么30%的连续数据进行训练,模型都应该能够在其余的数据上进行有利的交易。有一种理论认为,如果我能够用任何10%的连续数据进行训练,训练出一个在整个时期交易良好的模型,那么它在新的数据上也会交易良好。 mytarmailS 2016.08.27 07:06 #1269 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).............我已经读了三遍,但我不明白(()。1)这似乎不是纯粹的ML,它就像一些现有的TS的改进,它有信号输入,只有在这些输入上我们才会输入,这个输入我们分析ML,对吗?2)当有利润时,我们就关闭交易。当交易处于亏损状态时,我们就持仓,为什么要这样做?3)什么时候买,什么时候卖?我可以装傻,我为之疯狂),但我不明白你写的东西,也许你可以给我看一张图片或一个方案...... mytarmailS 2016.08.27 07:37 #1270 我看到一个博客,几乎要哭了,这个人做的几乎是我曾经想出来并决定实施的想法,正是这个想法,我在一年前开始学习编程。https://www.r-bloggers.com/time-series-matching-with-dynamic-time-warping/我还以为我的想法很独特呢))))。年轻、天真...当然,我没有使用DTW,因为我根本不了解它。 Time Series Matching with Dynamic Time Warping systematicinvestorwww.r-bloggers.com THIS IS NOT INVESTMENT ADVICE. The information is provided for informational purposes only. In the Time Series Matching post, I used one to one mapping to the compute distance between the query(cur… 1...120121122123124125126127128129130131132133134...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
你是如何确定这一点的?你是否跟踪了你的预测器在当时未知的未来的表现?
为什么不是一个已知的未来?在历史上一切都知道。我在1-10大块上学习它,然后在交叉验证上检查它。然后我得到11、12等的统计数据,并与我在1-10大块的数据进行比较。即完全类比于真实交易。我在这个主题上已经描述了很多。
是的,我也是这么想的。
而你以这种方式经历了多少种不同的模式变化?是否会出现这样的情况:在第11、12等块上,模型的表现比训练块上的表现更差,而你又重新开始?
是的,我也是这么想的。
而你以这种方式经历了多少种不同的模型变化?是否曾经出现过这样的情况:在11、12......等块上,模型的表现比在训练块上差,而你又重新开始?
变化约为2-3%,平均为27-28%。它是作为与平均值的偏差的变化。
你所写的是应该减少学习误差。我还没有这样做。对于我的预测器来说,GBM是最好的,然后是ada。我使用rf。接下来是SVM和最差的nnet。如你所见,我没有使用最好的模型。
变化约为2-3%,平均为27-28%。它是作为与平均值的偏差的变化。
你所写的是应该减少学习误差。我没有这么做。对于我的预测器来说,GBM是最好的,然后是ada。我使用rf。接下来是SVM和最差的nnet。如你所见,我没有使用最好的模型。
嗯,好的。桑桑尼茨。
如果你的所有模型都得到了或多或少的验证,你就不需要手舞足蹈。
我把信息放在那里供你思考。我使用它,测试自己,把自己从错误中拯救出来。
它是否会帮助你--我不知道。
我认为这些信息不是最无用的。
嗯,好吧。桑桑尼茨。
如果你的所有模型都验证得差不多好,就没有必要跳手鼓舞了。
我布置了信息,使之有意义。我使用它,测试自己,把自己从错误中拯救出来。
它是否会帮助你--我不知道。
我认为这些信息不是最无用的。
我一直饶有兴趣地关注着你的所有帖子。
还有,祝你好运。
我一直饶有兴趣地关注着你的所有帖子。
好运。
谢谢你。
什么是 "复杂过程 "我不明白。我有一个真正的EA,在终端上挂了一个报价...他们给我的东西就是我们咀嚼的东西。
我已经写过,我在老式TF上的TS中使用预测法,它有三个窗口。高级专题小组确定了方向。但除此之外,EA还有相当大的一套工具,其目的是风险管理。这就是为什么我不能肯定地说,属于ZZ方向的下一根蜡烛的预测误差有多大比例会影响总的结果,但我对这个不感兴趣。
我重复我之前的帖子。R工具,特别是机器学习,我试图用它来解决某个专家顾问的具体问题。不是一般的,而是一个具体的。很有可能在其他TS中,我的方法并不奏效。
关于未来...
它从12月开始工作,并有正常的飞行。与专家顾问中的这个地方的指标不同,有一个工具是重新训练的。滞后现象已被消除。还不够吗? 一个巨大的进步。是最后的真相吗?不,当然不是。
是的。
用M1交叉验证对10次犯规进行一个周期的学习,你的理解是正确的。对于每个学习参数的组合:在9次犯规时学习,在延迟检查时。因此,10次。我们得到了10个折的质量指标的平均值。让我们把它称为M1。
我也做了类似的事情,但我没有移动测试窗口,而是移动了训练窗口。在中间,我将始终有一个移动的训练窗口,而测试数据则在两侧围绕着它。我认为,如果依赖关系不是恒定的,一些 "主导时期 "不断地来回浮动(根据mytarmailS,我自己不擅长频率和傅里叶)--那么在极端(时间上)的情况下训练,在中间的东西上测试是没有意义的,这可以通过极端选项的模型来近似。对于训练,我甚至采取了远低于50%的数据,这也是可以的(至少不会更糟)。
我使用类似这张图片中的外循环的东西,但在蓝色上训练,在灰色上测试。我试图确保无论我采取什么30%的连续数据进行训练,模型都应该能够在其余的数据上进行有利的交易。有一种理论认为,如果我能够用任何10%的连续数据进行训练,训练出一个在整个时期交易良好的模型,那么它在新的数据上也会交易良好。
该方法如下(以下所有内容同样适用于ML和经典的TS).............
我已经读了三遍,但我不明白(()。
1)这似乎不是纯粹的ML,它就像一些现有的TS的改进,它有信号输入,只有在这些输入上我们才会输入,这个输入我们分析ML,对吗?
2)当有利润时,我们就关闭交易。当交易处于亏损状态时,我们就持仓,为什么要这样做?
3)什么时候买,什么时候卖?
我可以装傻,我为之疯狂),但我不明白你写的东西,也许你可以给我看一张图片或一个方案......
我看到一个博客,几乎要哭了,这个人做的几乎是我曾经想出来并决定实施的想法,正是这个想法,我在一年前开始学习编程。
https://www.r-bloggers.com/time-series-matching-with-dynamic-time-warping/
我还以为我的想法很独特呢))))。年轻、天真...当然,我没有使用DTW,因为我根本不了解它。