交易中的机器学习：理论、模型、实践和算法交易 - 页 1713 1...170617071708170917101711171217131714171517161717171817191720...3399 新评论 Evgeny Dyuka 2020.04.18 07:30 #17121 雷纳特-阿赫蒂亚莫夫。 你以为你是什么，科学家还是什么？ 先生们，你们只是在寻找一个可以赚钱的系统 但没有人，绝对没有人可以做到这一点 我们只是对解决一个有趣的问题感兴趣，特别是当它开始被解决的时候。 Evgeny Dyuka 2020.04.18 07:32 #17122 mytarmailS: 当科学家想对一些复杂的过程进行理解时.... 有趣的是，我将挖掘... Реter Konow 2020.04.18 07:46 #17123 mytarmailS:当科学家想了解一个复杂的过程时，他们试图将其分解成更简单的组成部分并对其进行分析，这就是光谱分析产生的原因。让我们试着扮演科学家），虽然不是很成功的科学家。我已经想出了如何将价格分解成更简单的部分。我的分解没有可加性，这很糟糕，但从不同的角度看价格，还是很有趣的。 因此，我们需要收盘价 和波动率（高低）。 让我们把价格变成一个有条件的二进制--如果价格上涨高于前一次，则为 "1"，如果价格下跌，则为"-1"。 R代码 我们得到一个二进制的价格 你可以把它累积起来，与价格进行比较。 它看起来并不多）现在让我们把波动性添加到我们的系列中去 已经好了... 思想... 观点1 因此，几乎所有的 "天气 "都是由 "时间表内 "的波动决定的，而不是由 "二元 "价格方向决定的。问题是，波动率具有明显的季节性，而且相对容易预测，我们只需要预测二元价格，在结构上比普通价格更容易，然后简单地结合预测，得到一个完整的预测... IDEA 2 所有适当的MO算法从原始价格中学习得非常糟糕，即使它们被归一化，因为它们在系列中没有重复性，可能只是因为波动率总是不同，如果我们将价格分解为二进制和波动率，将波动率归一化并将它们加回去，或者不归一化并将它们送入MO，理论上我们应该得到更好的概括能力，因为重复性将增加 IDEA 3 通过分解，我们可以在不损失任何延迟的情况下平滑价格。我们可以对价格进行分解，分别对波动率和价格进行插值（拉伸），然后再加回一起 IDEA 4 我们可以对价格和集群波动率进行分解，即减少自由度（例如10个集群（州），即对其进行标准化，并返回标准化的波动率 将一个复杂的过程分解为各个组成部分的建议是非常明智的。这就是进行的方式。但由于某些原因，你的组件非常少。有许多市场参数，包括衍生品，都可以加入到研究中。你有一个强大的工具--MO!为什么不尝试建立一个连贯的、符合逻辑的参数系统，在其中借助MO寻找统计模式？扩大研究中的参数集，以前按联系和依赖关系组织它们，你将从统计学上检查它们的强度。如果你留下2-3个参数，研究的有用性就会丧失，因为对我们来说，过程的随机性与已知参数的数量及其关系成反比。数量越多，我们在这个过程中看到的随机性就越少。因此，建立系统并添加参数。 Valeriy Yastremskiy 2020.04.18 08:59 #17124 Konow注册。 将一个复杂的过程分解为各个组成部分的建议是非常合理的。这是个好办法。但你没有足够的选民。有许多市场参数，包括衍生品，都可以加入到研究中。你有一个强大的工具--MO!为什么不尝试建立一个连贯的、符合逻辑的参数系统，在其中借助MO寻找统计模式？ 通过预先组织链接和依赖关系，扩大研究中的参数集，你可以从统计学上检查其强度。 如果你保留2-3个参数，研究的有用性就会丧失，因为对我们来说，过程的随机性与已知参数的数量及其关系成反比。数量越多，我们在这个过程中看到的随机性就越少。 因此，建立系统并添加参数。 最初我们有3个参数tick series, bid asc, tick time。所有其他参数都是由这三个参数得出的。稀释，平均化。还有许多人的。 Реter Konow 2020.04.18 09:12 #17125 瓦列里-亚斯特雷姆斯基。 最初，我们有3个参数，即tick系列、bid asc、tick时间。所有其他参数都是由这三个参数得出的。稀释，平均化。还有许多人的。 买入价、卖出价、翻牌价、各层次的供求量、OI、季节性、会议时间和其他许多因素以及衍生品 ...你可以包括基本参数，如新闻发布时间，新闻的重要性，利率，同一时刻的平行对的行为。如果你要使用MO，你应该最充分地使用它。就像那首 "我的父亲和母亲教我......来探索，所以要探索！"））。我们需要从一大批市场参数中建立一个系统，并静态地确定它们之间的关系。然后，必须在此基础上推导出作为TS "模式 "的 "伪依赖关系"（以高概率工作的依赖关系）。 Valeriy Yastremskiy 2020.04.18 09:20 #17126 Retag Konow: 买入价、卖出价、翻牌价、各层次的供求量、OI、季节性、会议时间，以及更多和衍生品。你可以包括基本参数，如新闻发布时间，新闻的重要性，利率，同一时刻的平行对的行为。如果你要使用MO，你应该最充分地使用它。就像那首 "我的父亲和母亲教我......来探索，所以要探索！"））。 这里没有考虑基本的外部参数，因为将它们数字化的任务还没有解决，除了新闻的重要性，它是超级小的，其他市场属性和参数的介绍到目前为止还没有看到，显然在某个地方有一些正在开发，但它们没有被使用。来自于有关这个问题的新闻。人工智能会考虑到关于敌国状况的情报，并制定出行动策略。将社会状况、市场、国家的数据数字化，是一项不同的任务。 Renat Akhtyamov 2020.04.18 09:27 #17127 叶夫根尼-迪尤卡。 我们只是对解决一个有趣的问题感兴趣，特别是当它开始被解决的时候。 你如何确定一个问题何时开始被解决？ Реter Konow 2020.04.18 09:31 #17128 瓦列里-亚斯特雷姆斯基。 这里没有考虑基本的外部参数，因为将它们数字化的任务还没有解决，除了新闻的重要性，它是超级小的，其他市场属性和参数的介绍到目前为止还没有看到，显然在某个地方有一些正在开发，但它们没有被使用。来自于有关这个问题的新闻。人工智能将考虑到关于敌国状况的情报，并制定出行动策略。将社会、市场和国家状况的数据数字化是一项不同的任务。 即使没有基本数据的数字化，除了价格，还有交易量、未平仓合约、价格水平和交易量、时间参数--时段、季节等等。新闻，似乎已经被数字化了......。也就是说，市场参数的菜单比这里讨论和使用的要丰富得多，人工智能的潜力在研究中没有得到充分实现。我将把可用的参数收集到一个条件系统中，把它们的值组织到一个MO算法中，该算法将依靠一个统计数据库来计算 "交叉 "依赖的系数，该数据库将被实时补充和更新。 Evgeny Dyuka 2020.04.18 09:32 #17129 雷纳特-阿赫蒂亚莫夫。 你如何确定一个问题何时开始被解决？ 简单地说，神经网络在现实市场中作为一个指标，很好地预测了资产的动向。再加上另一个是试图给出入口点。这里是过去10小时内的最后四个信号，所有信号都要公开。 Реter Konow 2020.04.18 09:38 #17130 研究的目的是在市场参数值的动态中找到稳定的关系。参数越多越好，因为NS在对比中会有变化性，这将增加找到模式的可能性。 1...170617071708170917101711171217131714171517161717171817191720...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
你以为你是什么，科学家还是什么？
先生们，你们只是在寻找一个可以赚钱的系统
但没有人，绝对没有人可以做到这一点
当科学家想对一些复杂的过程进行理解时....
有趣的是，我将挖掘...
当科学家想了解一个复杂的过程时，他们试图将其分解成更简单的组成部分并对其进行分析，这就是光谱分析产生的原因。让我们试着扮演科学家），虽然不是很成功的科学家。我已经想出了如何将价格分解成更简单的部分。我的分解没有可加性，这很糟糕，但从不同的角度看价格，还是很有趣的。
因此，我们需要收盘价 和波动率（高低）。
让我们把价格变成一个有条件的二进制--如果价格上涨高于前一次，则为 "1"，如果价格下跌，则为"-1"。
R代码
我们得到一个二进制的价格
你可以把它累积起来，与价格进行比较。
它看起来并不多）现在让我们把波动性添加到我们的系列中去
已经好了...
思想...
观点1
因此，几乎所有的 "天气 "都是由 "时间表内 "的波动决定的，而不是由 "二元 "价格方向决定的。问题是，波动率具有明显的季节性，而且相对容易预测，我们只需要预测二元价格，在结构上比普通价格更容易，然后简单地结合预测，得到一个完整的预测...
IDEA 2
所有适当的MO算法从原始价格中学习得非常糟糕，即使它们被归一化，因为它们在系列中没有重复性，可能只是因为波动率总是不同，如果我们将价格分解为二进制和波动率，将波动率归一化并将它们加回去，或者不归一化并将它们送入MO，理论上我们应该得到更好的概括能力，因为重复性将增加
IDEA 3
通过分解，我们可以在不损失任何延迟的情况下平滑价格。我们可以对价格进行分解，分别对波动率和价格进行插值（拉伸），然后再加回一起
IDEA 4
我们可以对价格和集群波动率进行分解，即减少自由度（例如10个集群（州），即对其进行标准化，并返回标准化的波动率
将一个复杂的过程分解为各个组成部分的建议是非常合理的。这是个好办法。但你没有足够的选民。有许多市场参数，包括衍生品，都可以加入到研究中。你有一个强大的工具--MO!为什么不尝试建立一个连贯的、符合逻辑的参数系统，在其中借助MO寻找统计模式？
最初我们有3个参数tick series, bid asc, tick time。所有其他参数都是由这三个参数得出的。稀释，平均化。还有许多人的。
最初，我们有3个参数，即tick系列、bid asc、tick时间。所有其他参数都是由这三个参数得出的。稀释，平均化。还有许多人的。
买入价、卖出价、翻牌价、各层次的供求量、OI、季节性、会议时间，以及更多和衍生品。你可以包括基本参数，如新闻发布时间，新闻的重要性，利率，同一时刻的平行对的行为。如果你要使用MO，你应该最充分地使用它。就像那首 "我的父亲和母亲教我......来探索，所以要探索！"））。
这里没有考虑基本的外部参数，因为将它们数字化的任务还没有解决，除了新闻的重要性，它是超级小的，其他市场属性和参数的介绍到目前为止还没有看到，显然在某个地方有一些正在开发，但它们没有被使用。来自于有关这个问题的新闻。人工智能会考虑到关于敌国状况的情报，并制定出行动策略。将社会状况、市场、国家的数据数字化，是一项不同的任务。
我们只是对解决一个有趣的问题感兴趣，特别是当它开始被解决的时候。
这里没有考虑基本的外部参数，因为将它们数字化的任务还没有解决，除了新闻的重要性，它是超级小的，其他市场属性和参数的介绍到目前为止还没有看到，显然在某个地方有一些正在开发，但它们没有被使用。来自于有关这个问题的新闻。人工智能将考虑到关于敌国状况的情报，并制定出行动策略。将社会、市场和国家状况的数据数字化是一项不同的任务。
你如何确定一个问题何时开始被解决？