交易中的机器学习：理论、模型、实践和算法交易 - 页 154

新评论
 
J.B:

希望卷积或递归网络能自己完成所有的事情是一种天真的看法，就像过去被认为是圣杯火鸡一样。


这并不是一个天真的观点。它是搜索的方向。而且不一定是神经网络。其理论是这样的：从价格的时间序列的过去值中，你可以提取足够的信息用于盈利（克服成本）交易，而不考虑实际远期测试的时间跨度。

我还将就这一主题发布几张图表。我目前正在为一篇文章准备材料。

PS：就个人而言，考虑到所有导致过度训练的因素，并试图采取最保守和最可靠的模型状态，事实证明，每年超过30-40%（最大缩水25%）是挤不出来的。但它已经超过了对冲基金的收益率中值。所有其他的宇宙利益，据说在长期内纯粹依靠基于时间序列的技术分析获得的--都是谎言。

 
fxsaber:
它在MQL上已经有好几年了。

去哪里找？

=======

cp不看:)

 
mytarmailS:
去哪里找？
我给了你上面的链接。
 
J.B:

1）你的想法是正确的开始，但你不应该只使用货币对，还应该使用商品、股票、期货、期权。

2）老子曾说过一句话："知之者不如好之者，好之者不如乐之者"（））。

1）是的，这些都是一般的想法，要做到这种规模，你必须是个百万富翁，光是订单记录就需要很多钱，我对市场的看法略有不同，我仍然坚持模式，价格已经照顾到了一切，我认为你可以用比你更低的成本和更容易的方式做出盈利的市场预测，但要做到这一点，你需要了解市场的机制，能够把无法形成的东西正式化，当我学会后，我会分享 ...

我明白机械原理，现在我需要把它正式化。

2）很多...

 
fxsaber:
我给了你上面的链接。

我没有发现任何提及交叉相关或我所描述的方法，只是投资组合交易，仅此而已...

 
阿列克谢-伯纳科夫。

我现在明白了。

这与我的观察一致。我称其为镜像（我可能会在稍后发布几个关于这个的图表）。对于预测n分钟的价格涨幅，回顾同样n分钟的时间显示出更好的解释价值。

但除此之外，我有非常广泛的数据，哪种水平线的预测能力是最大的。

4-5%的数字是怎么来的？它们是如何计算的？预测因子的显著性，R^2，相互信息？

这是对有了分类质量增益的经验性估计--没有这个因素，很简单，非线性多因素系统中的相互信息和确定性的工作是不可靠的。4-5%的数字并不是教条，你只需要明白，利用 "所有市场 "和信息流，在没有给定工具价格动态的情况下，可以预测它的未来，在某个范围内<5%，这就是全部。也就是说，如果你有一分钟的概率来预测资产未来的上涨，例如70%，那么从分析的数据中排除预测系列的价格，你会得到70-(70-50)*0.5=69%，几乎在差异的噪音范围内。嗯，当然，如果你有来自世界所有市场的实时数据，而且不仅是市场，但没有内部人员，如果 只有一个工具的价格......不管你有什么人工智能，创造一个终结者比用这样的数据打败一个市场更容易。

 
mytarmailS:

我没有找到任何关于交叉相关和我所描述的方法，只有投资组合交易，这就是全部...

随后过渡到相关矩阵的协方差矩阵是在MQL这里的某个资源上找到的。

我只记得，当我把窗口转移到BP时，这个矩阵的计算速度非常快。也许在R中也能做到这一点。

而你所说的偏差是直接在终端显示的。问问看，有人会告诉你。

 
fxsaber:

在MQL这里的某个资源上发现了一个协方差矩阵，然后是一个相关矩阵。

我只记得，当窗口转移到BP时，这个矩阵的计算速度非常快。也许在R中也能做到这一点。

而你所说的偏差就显示在终端。问问看，有人会告诉你。

是的，当然是这样的:)但协方差矩阵不是一个交叉点:)
 
mytarmailS:
是的，当然是这样:)但协方差矩阵不是交叉相关:)

你可以使用任何你喜欢的工具。如果你想，就通过交叉相关正面做。

这是关于寻找 "异常值"，然后用它们来换取 "平衡"。

 
mytarmailS:
是的，当然是 这样。）
我怀疑这一点。你将无法证明这一点，即使你想证明。
1...147148149150151152153154155156157158159160161...3399
新评论