交易中的机器学习:理论、模型、实践和算法交易 - 页 155 1...148149150151152153154155156157158159160161162...3399 新评论 Alexey Burnakov 2016.10.12 10:16 #1541 J.B: 它是对分类质量增益的经验估计,有了这个因素--没有这个因素,一切都很简单,非线性多因素系统中的相互信息和确定工作不可靠。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,但没有内部信息,如果 只有一个工具的价格......唉,不管你创造了什么人工智能,创造一个终结者比用这种数据打败市场更容易。 嗯,好的。比方说,我不是在对上升/下降的收益进行分类,我是在建立一个回归模型。所以R^2或其他确定的指标(如稳健的绝对偏差指标)就可以了。关于相互信息--它是未经证实的,还是有强有力的证据表明该指标的工作不可靠?我有疑虑。更新: 我对使用相互信息的合成和真实数据做了很多研究。如果依赖关系是静止的,那么这个度量在任何地方都能很好地工作。如果依赖性处于噪声的边缘,那么度量可能显示为零依赖性。但总的来说,我看不出有什么理由它在多变量非线性系统中的表现会比例如F1差。你可以在这里阅读:https://habrahabr.ru/company/aligntechnology/blog/303750/但是,当我对一个增量价格运动进行分类时,我得到了大约以下的图片(对5个货币对一起,即一个模型适用于所有)。这至少是在50个待处理样本上的中位准确值,最高为57%的区域。对于个别货币对,我实现了60%以上的中位数准确率。这仅仅是在时间序列数据上。 J.B 2016.10.12 10:24 #1542 阿列克谢-伯纳科夫。1)这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:从一个时间序列的价格的过去值中,你可以提取足够的信息用于盈利(克服成本)的交易,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。2)PS:个人认为,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条件,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都是纯粹在时间序列的技术分析上获得的--这是个谎言。1)当然,我们必须到处寻找,我只是建议使用更多的信息,而且只使用这些信息,此外,一个成熟的交易员不能被引入歧途,我们只能在他现有的模型上增加信息。2)即使是美国的对冲基金的中位数回报率也低于指数,最艰难的对冲基金在10年内几乎没有给出15-20%的平均回报率,尽管模型不允许以低于2-3的锐利*进行交易,当然能力是10^6-9美元,根据计算,每个人至少应该有20-30%,但.... Alexey Burnakov 2016.10.12 10:27 #1543 J.B:1)当然,你必须到处寻找,我只是建议使用更多的信息,而且是唯一的,此外,一个成熟的交易员不可能被带离他自己的道路,你只能在他现有的模型上增加信息。2)中位数的回报率即使是美国的对冲基金也是悲哀的低于指数,最陡峭的勉强15-20%给了10年的平均数,虽然模型不允许交易的夏普*低于2-3,当然能力也有10^6-9,计算的结果应该是至少20-30%,但....1)是的2)嗯,是的......但这个夏普2-3是如何计算的?基金是如何计算的,或者说他们如何确定这是真实交易的真实夏普估计值? Дмитрий 2016.10.12 10:32 #1544 阿列克谢-伯纳科夫。PS:就我个人而言,在我纠结于所有导致过度学习的因素,并试图采取最保守和最可靠的模型条件下,事实证明,每年不可能挤出超过30-40%的收益(最大缩水为25%)。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收到的纯粹是基于时间序列的技术分析 - 是一个谎言。)))妙趣横生!在这每年30-40%的收益上,你有多少杠杆? Alexey Burnakov 2016.10.12 10:36 #1545 德米特里。)))妙趣横生!你每年做这个30-40%的杠杆率是多少?最高存款负荷为10%(1:10)。好吧,我应该提到,有时我看到多年来赚得更多的例子。但不是用手,就是用抽签的方式,濒临犯规。 Дмитрий 2016.10.12 10:38 #1546 阿列克谢-伯纳科夫。最高存款负荷为10%(1:10)。好吧,我应该指出,有时我看到多年来做得比这更多的例子。但这不是用手,就是在犯规的边缘进行抽签。 我指的不是存款负荷,我指的是杠杆--你用什么杠杆来赚取这每年30-40%的收益? Mihail Marchukajtes 2016.10.12 10:40 #1547 mytarmailS:伙计们,有一个想法,值得一查,我很久以前就有了,我想查,但搞不清包装,不知怎么就忘了,放弃了,但在这里我看了J.B的 分支,想起来了,原来他也做过类似的事情:)我们正在谈论交叉相关--我们可以计算出一个BP落后于另一个BP多少,以及它们之间是否有任何联系......我的想法的本质是同时监测大量的货币对,并建立类似于交叉相关矩阵的东西来比较每个货币对,并找到相互跟随但有一个滞后的货币对,并对这种滞后进行交易,因为市场没有比时间更恒定的东西,我认为计算应该在每个新的条形图上不断进行,以便立即注意到新的关系出现时,也立即注意到这种关系消失时...。你可以采取任何东西,任何预测器,但我认为最好的方法是配对,因为做市商当他们的工具的价格几乎总是由一个或一堆其他工具指导,经典的指标不太可能适合。我可以尝试用动态变化的预测器来训练一个神经元组,总之,一切只受想象力的限制......我想自己实现它,但我正忙于其他项目,不想吐露心声。P中交叉相关的标准ccf()函数是一个先进的软件包,具有预先将频谱分割成等级,然后检查交叉的 "wavemulcor"。而且你可以同时比较许多BPs 不幸的是,这是一个失败,成对的人自己走,熵是另一回事,那是更有趣的。 Alexey Burnakov 2016.10.12 10:41 #1548 迪米特里。 我说的不是存款额度,我说的是杠杆率--你用什么样的杠杆率来赚取每年30-40%的收益? 哦,我看你不明白什么是杠杆。我在括号里最多规定了1:10的杠杆率(如果几笔交易变成了市场上的交易)。 Mihail Marchukajtes 2016.10.12 10:42 #1549 顺便说一下,是的,我已经开始写一篇文章,一旦写好,我一定会在这个主题中发布。这将是我的论文....:-) Дмитрий 2016.10.12 10:43 #1550 阿列克谢-伯纳科夫。 哦,我看你不明白什么是杠杆。我在括号里最多规定了1:10的杠杆率(如果有几笔交易变成了市场上的交易)。10%是存款负荷。如果你有1000美元的存款,你把它加载10%--你开了一个100美元的交易。现在,注意,根据你的经纪人/教练提供的杠杆,你可以购买不同的手数--10,000美元(1:100),5,000美元(1:50),20,000美元(1:200)。P.S. fuckerbaby........ 1...148149150151152153154155156157158159160161162...3399 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
它是对分类质量增益的经验估计,有了这个因素--没有这个因素,一切都很简单,非线性多因素系统中的相互信息和确定工作不可靠。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,但没有内部信息,如果 只有一个工具的价格......唉,不管你创造了什么人工智能,创造一个终结者比用这种数据打败市场更容易。
嗯,好的。
比方说,我不是在对上升/下降的收益进行分类,我是在建立一个回归模型。所以R^2或其他确定的指标(如稳健的绝对偏差指标)就可以了。
关于相互信息--它是未经证实的,还是有强有力的证据表明该指标的工作不可靠?我有疑虑。
更新: 我对使用相互信息的合成和真实数据做了很多研究。如果依赖关系是静止的,那么这个度量在任何地方都能很好地工作。如果依赖性处于噪声的边缘,那么度量可能显示为零依赖性。但总的来说,我看不出有什么理由它在多变量非线性系统中的表现会比例如F1差。你可以在这里阅读:https://habrahabr.ru/company/aligntechnology/blog/303750/
但是,当我对一个增量价格运动进行分类时,我得到了大约以下的图片(对5个货币对一起,即一个模型适用于所有)。
这至少是在50个待处理样本上的中位准确值,最高为57%的区域。对于个别货币对,我实现了60%以上的中位数准确率。这仅仅是在时间序列数据上。
1)这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:从一个时间序列的价格的过去值中,你可以提取足够的信息用于盈利(克服成本)的交易,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。
2)PS:个人认为,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条件,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都是纯粹在时间序列的技术分析上获得的--这是个谎言。
1)当然,我们必须到处寻找,我只是建议使用更多的信息,而且只使用这些信息,此外,一个成熟的交易员不能被引入歧途,我们只能在他现有的模型上增加信息。
2)即使是美国的对冲基金的中位数回报率也低于指数,最艰难的对冲基金在10年内几乎没有给出15-20%的平均回报率,尽管模型不允许以低于2-3的锐利*进行交易,当然能力是10^6-9美元,根据计算,每个人至少应该有20-30%,但....
1)当然,你必须到处寻找,我只是建议使用更多的信息,而且是唯一的,此外,一个成熟的交易员不可能被带离他自己的道路,你只能在他现有的模型上增加信息。
2)中位数的回报率即使是美国的对冲基金也是悲哀的低于指数,最陡峭的勉强15-20%给了10年的平均数,虽然模型不允许交易的夏普*低于2-3,当然能力也有10^6-9,计算的结果应该是至少20-30%,但....
1)是的
2)嗯,是的......但这个夏普2-3是如何计算的?基金是如何计算的,或者说他们如何确定这是真实交易的真实夏普估计值?
PS:就我个人而言,在我纠结于所有导致过度学习的因素,并试图采取最保守和最可靠的模型条件下,事实证明,每年不可能挤出超过30-40%的收益(最大缩水为25%)。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收到的纯粹是基于时间序列的技术分析 - 是一个谎言。
)))妙趣横生!
在这每年30-40%的收益上,你有多少杠杆?
)))妙趣横生!
你每年做这个30-40%的杠杆率是多少?
最高存款负荷为10%(1:10)。
好吧,我应该提到,有时我看到多年来赚得更多的例子。但不是用手,就是用抽签的方式,濒临犯规。
最高存款负荷为10%(1:10)。
好吧,我应该指出,有时我看到多年来做得比这更多的例子。但这不是用手,就是在犯规的边缘进行抽签。
伙计们,有一个想法,值得一查,我很久以前就有了,我想查,但搞不清包装,不知怎么就忘了,放弃了,但在这里我看了J.B的 分支,想起来了,原来他也做过类似的事情:)
我们正在谈论交叉相关--我们可以计算出一个BP落后于另一个BP多少,以及它们之间是否有任何联系......
我的想法的本质是同时监测大量的货币对,并建立类似于交叉相关矩阵的东西来比较每个货币对,并找到相互跟随但有一个滞后的货币对,并对这种滞后进行交易,因为市场没有比时间更恒定的东西,我认为计算应该在每个新的条形图上不断进行,以便立即注意到新的关系出现时,也立即注意到这种关系消失时...。
你可以采取任何东西,任何预测器,但我认为最好的方法是配对,因为做市商当他们的工具的价格几乎总是由一个或一堆其他工具指导,经典的指标不太可能适合。
我可以尝试用动态变化的预测器来训练一个神经元组,总之,一切只受想象力的限制......
我想自己实现它,但我正忙于其他项目,不想吐露心声。
P中交叉相关的标准ccf()函数
是一个先进的软件包,具有预先将频谱分割成等级,然后检查交叉的 "wavemulcor"。而且你可以同时比较许多BPs
我说的不是存款额度,我说的是杠杆率--你用什么样的杠杆率来赚取每年30-40%的收益?
哦,我看你不明白什么是杠杆。我在括号里最多规定了1:10的杠杆率(如果有几笔交易变成了市场上的交易)。
10%是存款负荷。
如果你有1000美元的存款,你把它加载10%--你开了一个100美元的交易。
现在,注意,根据你的经纪人/教练提供的杠杆,你可以购买不同的手数--10,000美元(1:100),5,000美元(1:50),20,000美元(1:200)。
P.S. fuckerbaby........