交易中的机器学习:理论、模型、实践和算法交易 - 页 1292 1...128512861287128812891290129112921293129412951296129712981299...3399 新评论 Renat Akhtyamov 2019.02.03 02:36 #12911 圣杯。体积有助于预测从趋势到平坦的状态变化,但不是 "毫无困难",一般来说,对 "趋势/平坦 "状态的预测并不比下一个增量的方向更准确,在单位时间内,大约有57%的准确率,所说的一些不可思议的数字,显然是错误的结果。这些数字是什么? Aleksey Vyazmikin 2019.02.03 07:01 #12912 机器学习毕竟是一个奇怪和不可预测的行业。继续用CatBoost进行调试工作,我得到了一个这样的模型(训练+测试+考试)。 也许2014-2019年的交易不多(346笔),但一直是1299笔缩水,不到10%。当然,在2014年有一个强劲的上涨,可能不会再发生,但之后就很平稳了。 下面是一个仅仅关于考试样本的图表(有条件的,因为样本比这个测试要小)。 但我不只是展示图表,这里并不罕见,我想说的是,当我看了模型的内容后,我感到非常惊讶--38个预测因子中只有4个在那里被使用 TimeH- 以小时为单位的时间DonProcVisota_M15 - 在M15处的Donchian通道的相对宽度LastBarPeresekD_Down_M15 - 自上次越过唐氏通道以来的条数。BB_PeresekN_Total_M1 - 在过去的x个柱子中,价格越过iDelta水平的次数。 当然,我的样本中有大量的预测因子,我对它们进行了分化,然后我对它们进行了筛选,这一切都符合我的理论,即用贪婪来划分样本并不总是有效的--它只是一种方法,并不能保证什么。 这就是我想收集和汇集的那种模型。 Forester 2019.02.03 09:07 #12913 阿列克谢-维亚兹米 金。机器学习毕竟是一个奇怪和不可预测的行业。继续用CatBoost进行调试工作,我得到了一个这样的模型(训练+测试+考试)。 也许2014-2019年的交易不多(346笔),但一直是1299笔缩水,不到10%。当然,在2014年有一个强劲的上涨,可能不会再发生,但之后就很平稳了。 下面是一个仅仅关于考试样本的图表(有条件的,因为样本比这个测试要小)。 但我不只是在展示图表,这里并不罕见,我想说的是,当我看了模型的内容后,我感到非常惊讶--38个预测因子中只有4个被用在了那里 TimeH- 以小时为单位的时间DonProcVisota_M15 - 在M15处的Donchian通道的相对宽度LastBarPeresekD_Down_M15 - 自上次越过唐氏通道以来的条数。BB_PeresekN_Total_M1 - 在过去的x个柱子中,价格越过iDelta水平的次数。 当然,我的样本中有大量的预测因子,我对它们进行了分化,然后我对它们进行了筛选,这一切都符合我的理论,即用贪婪来划分样本并不总是有效的--它只是一种方法,并不能保证什么。 这就是我想收集和汇集的那种模型。 非常值得期待的是,大多数预测因子实际上是噪音或相互关联的。 人行道是什么?Yandex只谈到了洪流传播。 Aleksey Vyazmikin 2019.02.03 09:28 #12914 elibrarius。 非常值得期待的是,大多数预测因子实际上是噪音或相互关联的。 侧向是什么?Yandex只谈到了洪流传播。这个想法不是说它们是噪音,而是说一些预测因素与其他预测因素相重叠--形成的关系很重要,需要产生。 Sideways,这当然是我为自己发明的一个术语--我应用了带有特定数值的--随机种子 标志。的确,我不知道这个值有什么范围,但我看到它对学习有很大的影响,这种受控的随机化很适合我。 Mihail Marchukajtes 2019.02.03 10:02 #12915 你好,伙计们。我想知道通过测试器中的策略测试结果 制作资金图表的指标。我找不到它...我记得它。如果谁有的话,就把它扔给我。谢谢! Forester 2019.02.03 10:43 #12916 阿列克谢-维亚兹米 金。 当然,"坐 "是我为自己发明的一个术语--我应用带有特定数值的--随机种子 标志。虽然我不知道这个值有什么范围,但我看到它对学习有很大的影响,这种受控的随机化很适合我。 修复随机性。通常情况下,它是用于在重新运行期间的结果的可重复性。 最好不要对结果影响太大。否则你会得到一个适合于特定随机性的东西。也就是说,出现了另一个特征(明显影响),必须进行优化。 Грааль 2019.02.03 11:29 #12917 雷纳特-阿赫蒂亚莫夫。什么样的数字?我想我在上面看到有人说,趋势/浮动的预测率几乎达到90%,我想他是某人的孙子或学徒。 Yuriy Asaulenko 2019.02.03 13:54 #12918 圣杯。我想我看到上面有人说,趋势/平局的预测率几乎达到90%,是某个人的孙子或徒弟说的。 是的,100%的人认为在平地之后会有一个趋势。有什么可预测的。 Renat Akhtyamov 2019.02.03 15:01 #12919 圣杯。我想我看到上面有人说,趋势/浮动的预测率几乎达到90%,我想他是某人的孙子或学徒。Aah! 好吧,如果没有刻度,市场可能处于平缓状态,100%。 如果有很多虱子,它就不是一个平的。 Aleksey Vyazmikin 2019.02.03 15:15 #12920 elibrarius。 修复随机性。这通常用于重新启动时结果的可重复性。 最好不要对结果影响太大。否则你会得到一个适合于特定随机性的东西。也就是说,出现了另一个特征(明显影响),必须进行优化。是的,我需要它来重现以后的结果,并产生一般的结果。 只是不完全清楚它是如何工作的,我明白这个参数负责选择最佳选项时分裂结果的随机性,但我在任何地方都找不到细节。 而关于装修...我们必须假设所有的东西都是潜在的拟合,我们只能随着时间的推移检查连接的稳定性,监测这些连接的有效性,例如那个模型由4棵树组成,每棵树也有4个深度,也就是说,由于组合的数量少,这里的拟合非常有效,因此可能是某种规律性的,而不仅仅是抽样描述。 1...128512861287128812891290129112921293129412951296129712981299...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
体积有助于预测从趋势到平坦的状态变化,但不是 "毫无困难",一般来说,对 "趋势/平坦 "状态的预测并不比下一个增量的方向更准确,在单位时间内,大约有57%的准确率,所说的一些不可思议的数字,显然是错误的结果。
这些数字是什么?
机器学习毕竟是一个奇怪和不可预测的行业。继续用CatBoost进行调试工作,我得到了一个这样的模型(训练+测试+考试)。
也许2014-2019年的交易不多(346笔),但一直是1299笔缩水,不到10%。当然,在2014年有一个强劲的上涨,可能不会再发生,但之后就很平稳了。
下面是一个仅仅关于考试样本的图表(有条件的,因为样本比这个测试要小)。
但我不只是展示图表,这里并不罕见,我想说的是,当我看了模型的内容后,我感到非常惊讶--38个预测因子中只有4个在那里被使用
TimeH- 以小时为单位的时间
DonProcVisota_M15 - 在M15处的Donchian通道的相对宽度
LastBarPeresekD_Down_M15 - 自上次越过唐氏通道以来的条数。
BB_PeresekN_Total_M1 - 在过去的x个柱子中,价格越过iDelta水平的次数。
当然,我的样本中有大量的预测因子,我对它们进行了分化,然后我对它们进行了筛选,这一切都符合我的理论,即用贪婪来划分样本并不总是有效的--它只是一种方法,并不能保证什么。
这就是我想收集和汇集的那种模型。
机器学习毕竟是一个奇怪和不可预测的行业。继续用CatBoost进行调试工作,我得到了一个这样的模型(训练+测试+考试)。
也许2014-2019年的交易不多(346笔),但一直是1299笔缩水,不到10%。当然,在2014年有一个强劲的上涨,可能不会再发生,但之后就很平稳了。
下面是一个仅仅关于考试样本的图表(有条件的,因为样本比这个测试要小)。
但我不只是在展示图表,这里并不罕见,我想说的是,当我看了模型的内容后,我感到非常惊讶--38个预测因子中只有4个被用在了那里
TimeH- 以小时为单位的时间
DonProcVisota_M15 - 在M15处的Donchian通道的相对宽度
LastBarPeresekD_Down_M15 - 自上次越过唐氏通道以来的条数。
BB_PeresekN_Total_M1 - 在过去的x个柱子中,价格越过iDelta水平的次数。
当然,我的样本中有大量的预测因子,我对它们进行了分化,然后我对它们进行了筛选,这一切都符合我的理论,即用贪婪来划分样本并不总是有效的--它只是一种方法,并不能保证什么。
这就是我想收集和汇集的那种模型。
人行道是什么?Yandex只谈到了洪流传播。
非常值得期待的是,大多数预测因子实际上是噪音或相互关联的。
侧向是什么?Yandex只谈到了洪流传播。
这个想法不是说它们是噪音,而是说一些预测因素与其他预测因素相重叠--形成的关系很重要,需要产生。
Sideways,这当然是我为自己发明的一个术语--我应用了带有特定数值的--随机种子 标志。的确,我不知道这个值有什么范围,但我看到它对学习有很大的影响,这种受控的随机化很适合我。
当然,"坐 "是我为自己发明的一个术语--我应用带有特定数值的--随机种子 标志。虽然我不知道这个值有什么范围,但我看到它对学习有很大的影响,这种受控的随机化很适合我。
最好不要对结果影响太大。否则你会得到一个适合于特定随机性的东西。也就是说,出现了另一个特征(明显影响),必须进行优化。
什么样的数字?
我想我在上面看到有人说,趋势/浮动的预测率几乎达到90%,我想他是某人的孙子或学徒。
我想我看到上面有人说,趋势/平局的预测率几乎达到90%,是某个人的孙子或徒弟说的。
我想我看到上面有人说,趋势/浮动的预测率几乎达到90%,我想他是某人的孙子或学徒。
Aah!
好吧,如果没有刻度,市场可能处于平缓状态,100%。
如果有很多虱子,它就不是一个平的。修复随机性。这通常用于重新启动时结果的可重复性。
最好不要对结果影响太大。否则你会得到一个适合于特定随机性的东西。也就是说,出现了另一个特征(明显影响),必须进行优化。
是的,我需要它来重现以后的结果,并产生一般的结果。
只是不完全清楚它是如何工作的,我明白这个参数负责选择最佳选项时分裂结果的随机性,但我在任何地方都找不到细节。
而关于装修...我们必须假设所有的东西都是潜在的拟合,我们只能随着时间的推移检查连接的稳定性,监测这些连接的有效性,例如那个模型由4棵树组成,每棵树也有4个深度,也就是说,由于组合的数量少,这里的拟合非常有效,因此可能是某种规律性的,而不仅仅是抽样描述。