交易中的机器学习:理论、模型、实践和算法交易 - 页 1516

 
Biqvi:

下午好。

有一种模式是我用眼睛看到的,但由于它的复杂性和对我所看到的不太清楚,我无法给它编码。 核心是被理解和形式化的,但有一些细节被 "侧视 "抓住了,被考虑到了,但没有传送到意识中。这个模式已经在 我手上成功交易了很多年


我想教神经学,看它(或者说是设置1的那部分)来解决两个问题。

1)把她看到的东西拿出来,了解她在设置中 "迷上了什么",并通过这个更好地理解我看到的东西,以及图表的重要特征到底是什么。

2)将交易转移到它身上或(最低限度的选择)放一个铃铛。

向专业人员提问,请告知问题是否设置正确,去哪里解决?

P.S. 我很容易接受的事实是,它将不得不花一两年的时间来做决定,甚至更轻松地与一个专业人员合作。

我现在已经直观地分析了5年的图表,TF D1

我没有见过这些图案。

请给我一个真实图表的例子

 
亲爱的会员们,有没有人有一台Windows 7 64x的电脑--真的需要检查CatBoost 的最新控制台版本是否有效--只要下载并运行exe即可。我已经停止工作的最后两个版本 - 开发人员声称他们应该工作,但像他们有所有的机器在Windows 10和一切工作在那里。
 
阿列克谢-维亚兹米 金。
亲爱的参与者,是否有Windows 7 64x的电脑 - 非常有必要检查CatBoost的最后一个控制台版本的工作能力 - 它是足够的,只是下载和运行exe。我已经停止工作的最后两个版本 - 开发人员声称他们应该工作,但像他们的所有机器都在Windows 10上,一切都在那里工作。
我有一个老山毛榉,有一个64专业版,让我检查一下链接。
 
伊万-涅里什尼
有一个老的山毛榉,有一个64英寸的显示器。

这里有一个下载的链接

 
阿列克谢-维亚兹米 金。

以下是下载链接

好的下载,如果有任何复杂的问题,请告知...

1.下载保护后骂人

2.启动时出现0xc0000005错误

也许文件被破坏了,我的文件大小是148 395 520 catboost-0.15.2.exe
 
伊万-涅里什尼

好的下载,如果有一个棘手的部分,那么提示...

1.下载后,保护骂人

2.启动时出现0xc0000005错误

也许文件被破坏了,我有148 395 520 catboost-0.15.2.exe的大小。

谢谢你--是的,在使用Windows 7工作时出现错误--我也有同样的麻烦--如果你有机会在这里 回信确认错误。

 
凯沙-鲁托夫

需要神经网络(MLP)和其他分类器(随机森林、SVM、kNN等)以 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,而且有现成的工具,几分钟就可以完成,你不需要年。

但我可以事先让你失望,成功的概率接近零,因为所有这样的简单结构 都是通过自动机毫无问题地找到的,如果你成功地在交易中获利,这意味着除了模式之外,你还依赖一些辅助条件,这些条件对你来说可能是 "显而易见 "的,但却大大影响了结果。 还记得那个关于 "斧头汤 "的故事吗?对于手动交易者的许多蜡烛图形状来说也是如此,它似乎是一个简单的模式,但在此之前,交易者看所有的新闻,所有的市场,听八卦,交易或不交易他的简单模式)))。

任务如下。

1)我有一个已知的模式。我想提供一组数据:第2节(设置后的结果镜头)和之前的N个条形图,让它在这N个条形图中找到自己的东西。 我的意思是同样的自动搜索,但在预先选择的部分,我知道它在那里,而不是在整个图表上。

2)观察神经元的内部,了解它的发现。

图案很复杂,给出图片只是为了了解有面积1和面积2。

 

我有一些理论-哲学问题,几乎是关于这个主题的。

我希望听到更多或更详细的答案,而不是匆匆忙忙地出生。

 

问题01.

以下指标只有一个外部输入参数

  • 指数平滑法--周期/系数。
  • PriceChannel(每个区间的最高和最低价格)--区间的大小。
  • ZigZag - 最小膝盖的大小。

我选择这些指标正是因为其外部输入参数最少。

是否有可能在MO方法的帮助下重现他们的算法。也就是说,采取任何历史,以任何参数运行指标,并将其送入MO。是否有可能在输出中获得适当的指标算法?

 

问题02.

让有四个输入参数的TS在某个区间进行成千上万次交易。我们增加了两个可能变体数量较少的输入参数作为过滤器。在输出中,我们有一个直线图,上面有大约1000个交易。而且所有这些都或多或少地均匀地分布在整个测试区域。


在OOS上损失初始区间的5%的高概率是什么原因?巨大的间隔和仅有的六个输入给了真正大量的交易一个直接的结果。而出来的是一个赤裸裸的配合。

这是否意味着有六个以上的参数?这有点像对第一个问题 的参考--对我们来说简单的算法,其实在本质上并不复杂?