交易中的机器学习:理论、模型、实践和算法交易 - 页 133

 
弗拉基米尔-佩雷文科

LSTM我们将在后面看。

目前,我和我的同事已经得出了R^2 0.2的测试结果。几个卷积滤波器和全连接层中的几个神经元。我们的想法是,那里不需要复发。需要适当的特征提取。

 
mytarmailS:

我对这个概念越来越明智了,从目前历史上的模式 "B "中,我们寻找与 "A "相似的模式。使用DTW算法,我们寻找相似性...

可悲的是,我们不知道 "B "和 "A "最终可能是什么尺寸。而这导致了很多头痛的问题。

你不仅需要搜索本身,而且还需要动态地扩展/收缩这些模式...

如果任何人有任何想法,如何使这种搜索尽可能有效的兴趣,我会听...

我曾经使用过一个指标,通过欧氏距离搜索价格模式,并画出一个带有置信区间 的未来延续线。但它没有X轴的缩放功能,而且效果不是很好。
 
Dr.Trader:

MT中的标准 "Bill Williams Fractals "指标也是在寻找某种模式,没有DTW,只是按条形来搜索。它曾经运作得相当好,直到由于它的流行而失败(在D1的一些符号上,它仍然可以使用,虽然利润很小)。

但使用该指标的交易策略比 "在1个柱子上买入/卖出 "更复杂。它使用了挂牌,tp和sl,所以除了寻找模式,你还需要寻找它们适用的交易策略。

交易系统的任务可以表述如下。

在发生重新计算的每个条形图上,执行两个动作。

1)在 "向上 "和 "向下 "之间选择

2)选择交易量(从0到一定的最大值)。

其结果大约如下。

上升0.1

上0

上升0.13

上0

下降0.23

下降0.3

...

这是一项极难优化的任务。

首先,你可以通过对整个历史进行相当繁重的计算,对这些简单的行动进行 "完美 "的交替,导致最大的利润和最小的缩减。

在第二步,通过选择训练小说,你可以尝试在之前选择的行动上训练机器。例子。

FICHA1, FICHA2, ...itch10: 0

fich1,fich2,...痒10: 0.4

...

fich1,fich2,...fich10: -0.25

经典形式的回归。

即使是第一点,也不容易实施。数学家朋友们,有什么想法吗?

 
阿列克谢-伯纳科夫

交易系统的任务可以表述如下。

在发生重新计算的每个条形图上,执行两个动作。

1)在 "向上 "和 "向下 "之间选择

2) 选择交易量(从0到某个最大值)。

其结果大约如下。

上升0.1

上0

上升0.13

上0

下降0.23

下降0.3

...

这是一项非常困难的优化任务。

在什么方面有困难?
 
阿列克谢-伯纳科夫
我曾经使用过一个指标,通过欧氏距离搜索价格模式,并画出一个带有置信区间 的未来延续线。但它在X轴上没有缩放功能,而且不是很好。
我也做过,我花了大约一年的时间,我们在大约50页之前有过关于它的谈话,但显然你的记忆力很差,因此对它没有兴趣。
 
安德烈-迪克
复杂在什么方面?

在计算方面。想象一下,你有2,000,000个5分钟的交易。对于每一个你需要优化的值从-1到1,增量为0.01。目标是获得一个完美的,完美的交易。

例如,在上升趋势中,没有必要每分钟都买入--这是对价差的损失。在趋势刚开始的时候,有必要一次买进很多。而它将是这样的。

上一页 1

上0

上0

...

上0

...... 下一页 1

而不是一个低效的计划

上升0.02

上升0.02

...

上升0.02

..

下一页 1

 
mytarmailS:
我也做过,我花了大约一年的时间,我们在大约50页之前有过关于它的谈话,但显然你的记忆力很差,因此没有兴趣

这不是一个很有逻辑的建议。

我记得,但没有兴趣。但不是因为它是一个妄想的想法,也不是因为我不尊重你的想法。这是因为我现在正忙于另一个想法。

 
阿列克谢-伯纳科夫

在计算方面。想象一下,你有2,000,000个5分钟的交易。对于每一个你需要优化的值从-1到1,增量为0.01。目标是获得一个完美的,完美的交易。

例如,在上升趋势中,没有必要每分钟都买入--这是对价差的损失。在趋势刚开始的时候,有必要一次买进很多。而且将是如此。

你需要找到理想ZZ的点,我说得对吗?
 
安德烈-迪克
你需要找到一个理想ZZ的点,我说的对吗?
确切地说,是一个理想的。就是说,不妥协。如果有可能完美地优化每个酒吧的行动,这将是你理想的人字形。
 
阿列克谢-伯纳科夫
完全理想。就是说,没有妥协。但是,如果你能在理想情况下为每一个酒吧优化行动,这将是你理想的人字形。
你有没有试着阅读我的文章?在那里,只是这样的之字形被认为是复杂优化问题的一个例子。