交易中的机器学习:理论、模型、实践和算法交易 - 页 1556

 
elibrarius

存款是由什么组成的?从买入/卖出/等待命令。

这些命令将被传授给最终的NS。然后预测它们。中级网应该以什么为基础进行训练?

在这里,你可以简单地实现利润最大化。

也就是说,你要确定能带来利润的进入和退出 点。在进入确定的进入点时,获得的潜在利润越大,网格出口的信号水平就越大。

 
尤金尼-诺伊莫因

在这里,你可以简单地实现利润最大化。

也就是说,确定了导致盈利的开仓和平仓。在确定的进场点进场时,我们可能获得的利润越多,网格出场的信号水平就越高。

这就是一个网格的作用。
中级的需要教一些具体的东西。如果没有具体的东西,它们就没有用处。
 
elibrarius:

存款是由什么组成的?从买入/卖出/等待命令。

这些命令将被传授给最终的NS。然后预测它们。
中间网络应该用什么来训练?ZigZags?对于一个网络来说,要学习一些东西,需要向它展示答案。你想用什么人字形算法和什么参数来作为训练信号?

我不需要任何人字形的算法。这里的结果有点类似于AlfaZero中使用的结果。网络自行检测入口点。

所有的 "之 "字形和任何指标都是拐杖。市场不是一个固定的系统。分形以不同的方式和在不同的时间段出现。所有这些都对市场产生了同时的影响。

那么什么是 "之 "字形或 ""字形呢?它只是将数据流通过某种算法,即某种过滤器。该算法没有考虑到所产生的分形的大小。它只是把信息磨成了一般的东西。而如果你把这个医院的平均值输入到网络的输入端,即事实上你把扭曲的信息输入到输入端,那么输出也会不太充分。神经网络的美妙之处在于,它们本身可以识别和分类存在于接收信号中的分形。

 
尤金尼-诺伊莫因

不需要 "之 "字形算法。在这里,你得到的东西与AlfaZero中使用的东西相差无几。网络本身确定了进入点。

所有的 "之 "字形和任何指标都是拐杖。市场不是一个固定的系统。分形以不同的方式和在不同的时间段出现。所有这些都对市场产生了同时的影响。

那么什么是 "之 "字形或 "木 "字形呢?它只是将数据流通过某种算法,即某种过滤器。该算法没有考虑到所产生的分形的大小。它只是把信息磨成了一般的东西。而如果你把这个医院的平均值输入到网络的输入端,即事实上你把扭曲的信息输入到输入端,那么输出也会不太充分。神经网络的美妙之处在于,它们本身可以检测和分类存在于接收信号中的分形。

我同意。
我的意思是,你不需要中间的网络。 一个网络就可以做所有的事情。最后,我们来到了我们所拥有的。那就是没有人有一个像样的信号来确认国防部的成功。
 
elibrarius
我同意。
也就是说,不需要中间网络。 一个网络就可以做所有事情。最后,我们来到了我们所拥有的。那就是没有人有一个像样的信号来确认国防部的成功。
也许他们对银行和其他基金方面是有效的。当例如一个网络可以买入1000手,看看它如何影响价格,然后卖出2000。而通过这样的测试,学会了如何将小的交易员塞入其中
 
埃利布留斯
这是由一个网络完成的。
中间的人应该接受培训。如果没有具体的东西,它们就没有用处。

每个网络都确定了在哪里开仓以 获得潜在利润。而来自这些网络的信号被输送到例如全链路网络。来自不同时间段的网络的输入组接受潜在的信号。

而全网状网络在获得最大存款增加率的基础上,确定在哪里开仓/平仓比较好。

如果我们在1-10-2000买入欧元,并在月度时间框架上持仓至2008年7月1日,我们将获得一笔利润。 但这并不一定是最大的利润。但如果卖出和买入交易将在这段时间内开启,比如在日线时间框架上,利润将可能更大。一个完全集成的电网是为了检测那些将获得最大利润的地方。

而如果我们在H4或H1开盘...或会议记录上。最后的网格将确定哪里的利润更好,并考虑到来自更高时间段的信号。例如,在这里redtrader.ru,你可以看到不同时间段的信号如何被考虑。但在那里,一切都要手工完成。

Совершение сделок - Торговые операции - Справка по MetaTrader 5
Совершение сделок - Торговые операции - Справка по MetaTrader 5
  • www.metatrader5.com
Торговая деятельность в платформе связана с формированием и отсылкой рыночных и отложенных ордеров для исполнения брокером, а также с управлением текущими позициями путем их модификации или закрытия. Платформа позволяет удобно просматривать торговую историю на счете, настраивать оповещения о событиях на рынке и многое другое. Открытие позиций...
 
尤金尼-诺伊莫因

每个网络都确定了潜在利润的仓位 空缺。而来自这些网络的信号被输送到例如全链路网络。来自不同时间段的网络的输入组接受潜在的信号。

而全网状网络在获得最大存款增加率的基础上,确定在哪里开仓/平仓比较好。

如果我们在1-10-2000买入欧元,并在月度时间框架上持仓至2008年7月1日,我们将获得一笔利润。 但这并不一定是最大的利润。但如果我们在日线时间框架上开启卖出和买入交易,利润将有可能更大。一个完全集成的电网是为了检测那些将获得最大利润的地方。

而如果我们在H4或H1开盘...或会议记录上。最后的网格将确定哪里的利润更好,并考虑到来自更高时间段的信号。例如,这里是redtrader.ru,你可以看到不同时间段的信号如何被考虑。但在那里,一切都要手工完成。

你的想法现在多多少少已经清楚了。谢谢你!
 
不幸的是,在你所有的推理中,有一个明显的错误。一个词是 "她自己"。不幸的是,这是一种错觉,网络本身不能做任何事情,除非你不了解它,否则什么都不会改变。
这种方法有一个致命的弱点。的确,你已经训练了它,它已经找到了一个独特的模式,但它是什么,它是什么样子,它形成的条件是什么,你永远不会知道。黑匣子原则。所以你将来就不能使用它了。而一旦你重新训练一个网络,这种模式就会消失得无影无踪。因此,你会得到一个一次性的模式,我们不能重复地强行学习先前从内部网络获得的一套模式。而且它会不断地产生内部的半垃圾模式,因为你没有解释,它也不屑一顾。这笔钱是你的。
 
Mihail Marchukajtes:
不幸的是,在你所有的推理中,有一个明显的错误。一个字--"本身"。不幸的是,这是一种误解,认为网络本身不能做任何事情,在你了解它之前,一切都不会改变。

你看到了上面的AlfaZero的链接。而那个格子是自己教自己下围棋的。而后,DeepMind团队利用类似的想法,创建了网格,开始在各种计算机和不仅是计算机游戏中获胜。想一想吧。

 
尤金尼-诺伊莫因

你看到了上面的AlfaZero的链接。而那个格子是自己教自己下围棋的。而后,DeepMind团队利用类似的想法,创建了网格,开始在各种计算机和不仅是计算机游戏中获胜。想一想吧。

那么,这也将是在他们的场地上,电脑会输。Shoo choo :-)事实上,阿尔法已经学会了通过与自己玩耍来玩游戏,这里有讨价还价的想法。在我们的案例中,也存在着买家或卖家之间的竞争。现在我们来设定条件。信号应该是买-卖-买-卖交替出现。但与此同时,在采购和销售之间设置竞争,以实现利润最大化。因此,箭头会试图通过倾向于极端的方式来增加其利润。换句话说,我们告诉她。是的,你可以把交易放在你想要的地方,但要坚持这些准则。

在优化过程中,箭头会向极值移动,改善其位置,可能在几个小节内不会到达,但不会失去其相关性,而ZZ将箭头放在极值本身,并试图在那里吸引优化算法,那里没有泛化。也就是说,当箭头到达极点时,它是关键;当它处于极点本身时,它不是。这就是为什么ZZ最好不要被用作目标的原因。