交易中的机器学习：理论、模型、实践和算法交易 - 页 169

新评论
 
mytarmailS:

如果你把塞子拿掉，就没有什么...

但也有玻璃、T&S、OI...等等......。

你将不会得到报酬。

我明白了，谢谢你。

mytarmailS:

如果你在一分钟内做几笔交易，你将无法在外汇市场上生存下去...即使你奇迹般地获得了100万分之一的机会，也不能保证你能得到报酬。

嗯，又是交易条件。

 
Mihail Marchukajtes:
如果你不能够使用它，R-ka也不会帮助你。做NS顾问是一回事，做用户是另一回事。这些是非常不同的事情...

我认为没有人是这样的，这叫让人感到荒谬，而且 是为了让主持人明白他的言论的荒谬性，雷谢托夫与此无关......

你决定用excel计算平均数，你在mql论坛上写东西，你是一个寄生虫，因为你可以在mt5里做，mql没有帮助mql社区，明白吗？

你是一个寄生虫，迈克尔，因为你使用JProjection，这就是它的作用...:)

 
我使用它，但我最终还是用MQL来写，或者说是把网插入指标中，所以.....，我有点像寄生虫，但很有用 :-)
 
mytarmailS:

R与此无关，用什么写有什么区别？这是一个方便的问题，没有更多的....。在这里，Reshetov用Java写了他的JProjected，禁止它，它不是mql，它没有用，这个叫什么的--寄生虫!!!!。

那是一个词。

雷舍托夫是在假设结果将被用于MT的情况下制作他的程序的。他写了很多顾问，想出了成千上万的点子，而且都对MT有用，所以他作为一个普及者做了很多，很多。

你可以用上帝的迅捷写出你想要的东西，但你需要社区能够在MT中使用它，否则你对社区就没有用处。一个被珍视和培育的社区，通过投入巨额资金而得到了扩展。

 
sibirqk:

如果你有一个可行的想法，把它翻译成MCL并不难。而他在这里而不是在R论坛上写文章是可以理解的--R是无底洞，一个高度专业化的社区是不容易找到的。而对于MT社区来说，他是一笔毋庸置疑的财富。

R可能有一个交易社区，但与MQL社区相比，它是0，你不能在那里得到一个新的想法，所以它在这里摩擦而不是在那里。
 
阿列克谢-伯纳科夫。

在不同的时间范围内对其他样本进行交叉验证。
Dr.Trader:
假设我有一年的训练数据。我想训练12个模型--一个使用1月的数据，另一个使用2月的数据。
阿列克谢-伯纳科夫。
这是一个契机。
没有科学的短语，如--对于预测因素不完全......，或.....)的情况。）
让我们以简单、清晰的数据为例，对其进行建模...培训。蓝点--趋势。红点-验证。

n1;n2;目标
1;0;1
1;1;2
1;0;1
1;1;2
1;0;1
1;0;1
1;1;2
1;0;1
1;0;1
1;0;1

左上角50%的趋势，50%有效。右上角--与混合。
对于OOS（底部），让我们通过愚蠢地增加以前的样本来增加样本。因为在现实中我们不知道未来。
只要测试（OOS）与训练点相对应，一切都很好。
在1.5时，该模型跌跌撞撞...省略了使用验证性和原始性的小优势

在现实生活中，我们有大致相同的图片...


 

这是资源所有者的官方观点。

从这里开始

Renat Fatkhullin 2016.10.11 03:43RU

请停止指责。

每种语言都有它的位置。R对交互式研究很有帮助。这是我第二天探索它（我之前读过这本书），它看起来真的是一个强大的调试器，具有可视化的内部结构。

与R合作，立即暴露了我们的弱点。

  • MQL5有少数强大的功能用于频繁的操作。对于许多事情，你应该编写微代码。在接下来的两次构建中，我们将推出几十个新的功能，以便在一次调用中进行复杂操作。
  • 需要更多的数学功能。我们已经发布了R函数类似物的第一个测试版本，现在将通过增加矢量变体来进一步推动它。
  • 我们需要一个简单而强大的图形库，其功能类似于R中的图形包。我们将以R为中心进行创作。
我们这样做是为了什么？

早在2001年，我们就发布了MQL的第一个算法交易平台。每一次我们都增加了它的可能性，但数学工具箱却不是那么好。我们开发了分析、数据访问、测试器、分布式计算，然后我们进入了销售产品的阶段。

然后很明显的是，大多数解决方案都陷入了一个恶性循环，即分析、指标和装配。我们需要让开发者在数学能力上更上一层楼。

这就是为什么前段时间我们开始在MQL5中扩展数学库，并且还发布了Alglib、Fuzzy和Stat的测试版本。他们将简化从其他系统转移到MQL5的模型，这将提高为Metatrader 5平台 创建的分析解决方案的等级。

在接下来的2个月里，你将看到我们在发展数学环境方面取得的进展。

我们欢迎，并欢迎关于复杂数学包的讨论和文章。撰写并向拉希德-乌马罗夫发送文章请求。我们的任务是鼓励和教育交易者掌握更复杂的技术，而不是把自己围困在自己的MQL5世界里。

当然，我们捍卫并将继续捍卫我们的语言和平台免受攻击，但我们也在努力发展它们。所以一切都会好起来的。

PS。

我的强调

 
Vizard_。

在现实世界中，我们有一张这样的图片......

我不完全理解你的结论。
该模型只有在已知的数据上才会起作用？也就是说，当对新的数据进行预测时，不管是什么类型的故障（有/无混合），它都会开始磕磕绊绊的？

省钱的唯一方法是不做交易。

我这样做不仅是为了选择模型的参数，也是为了选择指标及其参数。我从mt5下载了10000个具有不同参数和滞后期的指标，然后我使用遗传学来搜索这个列表中使用的指标和模型参数（森林中的树，神经元中的层，等等）。你可以说这是我寻找恒定依赖关系的方法。
如果我在MT5中采取一套标准参数的标准指标，那么我将不会有任何模型与之交叉验证，无论是神经元卡还是树。要找到一组指标，让模型在这种交叉验证中给出积极的结果，是一个需要大量工作和时间的成就。一个积极的结果是一个一定的标准，即所有预测因素之间在空间和时间上存在着恒定的相关性。无论采取哪种区间进行训练--模型都会找到相同的依赖关系，并依靠它们。

下面的图片是这种交叉验证的一个例子。每条黑线是集合体中每个单独模型的贸易结果（平衡增长）。红线是集合中大多数模型的交易结果。那里大约有1/3的模型根本无法获得任何利润，尽管遗传学花了一天多的时间来搜索所有的变体，即这是可以找到的最好的结果之一，尽管结果甚至不是很好。如果你免费拨打任何标准指标，所有这些黑扇子都会下降，红线会在屏幕外下降。

 
Dr.Trader: 这已经有点绝望和老套了，省钱的唯一方法就是不交易。

下图是这种交叉认证的一个例子。每条黑线是集合体中每个单独模式的交易结果（平衡增长）。红线是交易大多数模型的结果


不，只是对实际发生的事情进行视觉上的表述。
寻找解决方案...在这些现实中。
------------------------------------------------------------------------
屏幕左侧的缩水情况还不错，模型没有描述这个区域...
 
我对你们俩的回答是。

如果在选择模型的数据上对其进行评估，那么该模型就没有价值。即使它是一段没有经过训练的模型的数据。

想一想吧。

有1）过度学习。这就是你把训练数据上的模型赶到一个接近完美的状态。在其他数据上，没有可概括性。

还有就是2）选择偏差（乐观的模型选择）。这是在已经知道模型行为的数据上选择最佳模型或委员会。再说一遍--即使它是一个测试案例。

你得到这个现实。一个由交叉验证测试块选择的未经训练的模型（一个在测试中走向正方的模型）有可能被拟合到TEST上。为了减少这种影响，我们发明了嵌套交叉验证法。已经选定的模型（或委员会）应在其他数据上进一步测试。

换句话说--这是对模型选择方法的验证。

再一次，我也有几十个模型，我也在预测器和参数中翻滚。而这些模型在每一个8年的时间里，都会进入稳固的加分项!而这就是测试期。但是，当通过测试选出的 "最佳 "模型被延迟抽样测试时，就会出现意外。这就是所谓的--模型拟合交叉验证。

当它是清楚的，纯粹的实验继续进行。如果不清楚的话，你会看到现实世界中质量的多重下降。这就是你在99%的时间里看到的情况。
1...162163164165166167168169170171172173174175176...3399
新评论