交易中的机器学习：理论、模型、实践和算法交易 - 页 1515

新评论
 
Biqvi:

这张图只是对第1和第2阶段的一个说明。

是的，我明白这只是一张图片，但对于类似的编程集，对我个人来说，我需要更清楚地了解它是什么样子的。 是否考虑到酒吧的高度，应该设置什么限制。这套装置的总高度是...和其他细节都有可能。

 
Biqvi:

这张图只是对第1和第2阶段的一个说明。

蜡烛的颜色都在那里吗？

要求这种 "设置 "似乎并不是一个问题
 

我想教神经元看到它（更确切地说，是设置1的部分），以解决两个问题。

1）从它那里得到它所看到的东西，了解在设置中 "它所钩住的东西"，并通过它更好地了解我所看到的东西，以及究竟什么图形特征是重要的。

2）将交易转移到它身上或（最低限度的选择）放一个铃铛。

我想问一下专家，请告知问题的设置是否正确，以及要到哪里去解决。

这张图片只是为了让大家清楚我所说的摆设。

 
Biqvi:

1）从中获得她所看到的东西，了解设置中 "她所迷恋的东西"，并通过这一点更好地了解我所看到的东西以及图表的哪些特征是重要的。

一个神经网络不会让你了解它为什么做出任何决定。但解决一棵树的问题可以用一些条件运算符来重写，如if（height2>10）{ if（delta<50）{ ....}}.要做到这一点，必须用一棵树来建造森林。如果有很多树，例如100棵，我们就需要对100个这样的if(){if(){....)链的解决方案进行平均。}}手动这将是困难的。但森林通常会通过对多个解决方案进行平均化而得到一个更好的解决方案。

可能作为这一年的结果，你将确保在模式1之后，模式2发生大约50%的时间，在其他50%的时间里，情况会相反（双顶，然后是下跌和许多其他变化）。这个分支的常客中缺乏成功的信号就证明了这一点。
这个人看到的不仅仅是模式1的那6个柱子，如果你能做到--手动交易比花一年时间更好。

 
Biqvi:

我想教神经元看到它（更确切地说，是设置1的部分），以解决两个问题。

1）从它那里得到它所看到的东西，了解在设置中 "它所钩住的东西"，并通过它更好地了解我所看到的东西，以及究竟什么图形特征是重要的。

2）将交易转移到它身上或（最低限度的选择）放一个铃铛。

我想问一下专家，请告知问题的设置是否正确，以及要到哪里去解决。

只是一张图片，只是一张图片，让人清楚地看到我打电话的设置。

最简单的方案之一是做一个训练样本，由八个颜色（方向）比例为2:1:2:1:2的输入条和一个输出（目标）组成，对其进行预测训练。

这种方法当然会降低模式的效率，但其观察和识别的概率会更高，对于开始了解其中是否有鱼很重要。

如果这样的变体适合，我可以做，在神经网络上会很模糊，但在解树上应该是可以的--有可读的逻辑。

 
安德烈-迪克

这很酷，不过有点吵。

是的，你也可以改变那里的设置。我太懒了。

最有可能的是最后的废话，就像任何vr的预测。

 
Biqvi:

我想教神经学看它（更确切地说，是设置1的部分）来解决两个问题。

P.S. 我对需要一两年时间来解决这个问题的事实很平静，对与专业人员的合作更平静。

需要神经元（MLP）和其他分类器（随机森林、SVM、kNN等）来实现。 自动地 来寻找这种和更多的非琐碎的模式。 对于你的问题，一个简单的卷积（滑动标量积）就可以了，它可以在一个小时内从头开始编程，几分钟就有现成的工具，你不需要一年。

但我可以事先让你失望的是，成功的概率接近零，因为所有这样的简单结构 都能毫无问题地被自动机找到，如果你成功地交易了手，并获得了利润，这意味着除了模式之外，你还使用了一些辅助条件，这些条件对你来说可能是 "显而易见 "的，但还是会大大影响结果。还记得那个关于 "斧头汤 "的故事吗？这与手工交易员的许多蜡烛形态是一样的，它似乎是一个简单的模式，但在该交易员看所有的新闻，所有的市场，听小道消息和交易或不是一个简单的模式））））。

 
马克西姆-德米特里耶夫斯基。

没有人真正理解hmm，只是在愚蠢地复制lib的水平上？ 你不能用mql重写吗？ 你只是向市场扔了各种神经网络的便便

顺便说一下，这是基础知识。 我得再写一篇文章。

也许除了这一篇，你从来没有读过其他作者的文章，对吗？你从哪里得到这种概括性的结论？

纯粹形式的隐马尔科夫模型并不适用于我们的情况。在我们的时间序列中，状态变化并不是在每个时间步长上都会发生。该状态持续几个（许多/小的）时钟周期，每一步的状态变化概率都会改变。这样的马尔科夫模型被称为半马尔科夫模型。在我的一篇文章 中，我将这种模型应用于平滑预测目标的状态。也就是说，不可能的序列被用hsmm消除了。这里的一些 "学者 "在提到HSMM可能被用来抹平一个名义序列时感到震惊。它发生了。

为了帮助你写一篇关于这个主题的论文，并将数学翻译成hsmm，我附上了文献。我已经彻底完成了我的工作。 从Dropbox的链接 中下载（~46MB）。R中的软件包：mhsmm、SemiMarkov、markovchain、HiddenMarkov、hmm.discnp、HMMmlselect只是我一目了然的检查。

在这个无望的事件中，祝你好运（我是指对MKL的翻译）。

 
弗拉基米尔-佩雷文科。

除了这个主题和你自己的文章，你可能不看其他作者的文章？你从哪里得到这种概括性的结论？

纯粹形式的隐马尔科夫模型并不适用于我们的情况。在我们的时间序列中，状态变化并不是在每个时间步长上都会发生。该状态持续几个（许多/小的）时钟周期，每一步的状态变化概率都会改变。这样的马尔科夫模型被称为半马尔科夫模型。在我的一篇文章 中，我将这种模型应用于平滑预测目标的状态。也就是说，不可能的序列被用hsmm消除了。这里的一些 "学者 "在提到HSMM可能被用来抹平一个名义序列时感到震惊。它发生了。

为了帮助你写一篇关于这个主题的论文，并将数学翻译成hsmm，我附上了文献。这是我彻底解决的一个问题。从Dropbox的链接 中下载（~46MB）。R中的软件包：mhsmm、SemiMarkov、markovchain、HiddenMarkov、hmm.discnp、HMMmlselect只是我一目了然的检查。

在这个无望的情况下，祝你好运（我是指翻译到MKL）。

谢谢，我已经重写了一切，但对于不连续的任务来说

我不知道如何对连续的进行处理。

在Mitramiles提供的过滤而不是平滑的选项中，他滑出了他的数据集，并问为什么在sc.窗口中没有任何东西对他有效？我问的是：你能理解嗯的数学，而不仅仅是用包来理解它为什么不工作吗？ 我问的就是这个。

 
马克西姆-德米特里耶夫斯基。

谢谢，我已经重写了一切，但对于不连续的任务来说

对于连续任务，我还没有想出办法。

我建议用Mitramiles过滤而不是平滑，他给了我他的数据集，并问为什么在sk.窗口中不工作？我问：难道你不知道嗯的数学，而不只是用包来理解它为什么不工作吗？ 我就问这么多。

那么你没有看到我以前的帖子。我把它当成了个人的事。

翻阅文献，这将对你有很大的帮助。有一些是俄语。

再次祝你好运。

1...150815091510151115121513151415151516151715181519152015211522...3399
新评论