交易中的机器学习:理论、模型、实践和算法交易 - 页 1432

 
伊万-布特科

那么,不使用3层,每层20个神经元(如例子中),而是使用10层,每层100个神经元,是否有意义?我今天已经想把我的Kor i7装起来了

在2018年至2019年的1年时间里,在每小时的图表上做了10层,每层100个神经元的训练。在6000个小时的蜡烛中,现在猜中了所有6000个。最有趣的事情仍然是--将这1000条弦组装成EA,看看这个 "伟大 "的配件是否能至少工作一个月。

 
伊万-布特科

在2018年至2019年的1年时间里,用10层每层100个神经元对小时图做了训练。在6000个小时的蜡烛图中,现在猜中了全部6000个。有趣的部分仍然是--把这些堆积如山的绳子放在一个EA中,看看这个 "伟大 "的配合是否能在至少一个月内发挥作用。

什么成堆的绳子? 不,这行不通。原因是市场的非平稳性。

在一些添加了噪音的简单功能上进行测试,然后将其复杂化。如果你有很多神经元,那么它在任何复杂的foya上都能正常工作,但对于新的数据,当把它复杂化时,它就无法工作。

下面是关于它的整个主题,你可以从头开始阅读

 

嘿,伙计们!

我们的人工智能机器人进展如何?

 
马克西姆-德米特里耶夫斯基

什么成堆的线? 不,这行不通。原因是市场的非平稳性。

在一些添加了噪音的简单功能上进行测试,然后将其复杂化。如果你有很多神经元,那么它在任何复杂的函数上都能学得很好,但对于新的数据,当把它复杂化时,它就不能工作了。

下面是关于它的整个主题,你可以从头开始阅读

有一条带权重的长线--一个神经元。为了把它从程序中以适当的形式翻译成EA,我们必须改变语法,在每一行后面加上分号。而有10*100=1000。这很麻烦,但我已经按文章前面说的做了))

是的,我知道这样做是不行的))。我读了关于再培训的文章。

>>有一整个关于它的主题,你可以从头开始读。

1432页...D))
 
雷纳特-阿赫蒂亚莫夫

一条趋势线证明了什么?

但SB不是。

这一切看起来都太有故事了--300%的菲波和 "棍棒法 "上的精确逆转--某人的狡猾计划......

 
阿列克谢-维亚兹米 金。

这一切看起来都太戏剧化了--用菲波法计算的300%,用 "棍子法 "计算的精确反转--某人的狡猾计划......。

300%只是4倍。其中没有Fibo,Fibo是数字之间1.6的比率,即68%,以此类推,这些数值可以称为Fibo。

 
圣杯

嗯......这很不错......。

如果不是秘密的话,你用的是什么?

猫咪

 
伊万-布特科

300%只是4倍之多。其中没有Fibo,Fibo是数字之间1.6的比率,即68%,以此类推,这些数值可以称为Fibo。

是的,它真的不是菲波,它甚至更原始、更残酷。

 
阿列克谢-维亚兹米 金。

还有谁相信随机游走?

你明白所有这些 "趋势线 "的任意性,你可以画几个明显的,有些会 "有效",有些不会,这是吉普赛人和骗子的主要 "证明 "技巧,将样本转移到有利的一面,选择有效的例子,忽略其他。如果你想真正证明什么,那就把画趋势线的算法和符合趋势线的市场行为 正式化,然后在漫长的历史中运行并收集统计数据,这是唯一的办法。而一张图片,甚至10张图片,可以很容易地被用来 "证明 "任何指标或TS是超级赚钱的,这是一个吉普赛人的主题,不要被模仿。

 
govich

你明白所有这些 "趋势线 "的任意性,你可以画几个明显的,有些会 "有效",有些不会,这是吉普赛人和骗子 "证明 "的主要方法,将样本转移到有利的一面,选择有效的例子,忽略其他。如果你想真正证明什么,那就把画趋势线的算法和符合趋势线的市场行为 正式化,然后在漫长的历史中运行并收集统计数据,这是唯一的办法。而一张图片,甚至10张图片,可以很容易地放在一起,向任何指标或TS "证明 "超级利润,这是一个吉普赛人的主题,不要这样。

你不明白主要的一点,这只是价格行为计划的实施。谁说计划一定要太复杂,谁说一定要一直都是一样的?