交易中的机器学习:理论、模型、实践和算法交易 - 页 1786 1...177917801781178217831784178517861787178817891790179117921793...3399 新评论 Valeriy Yastremskiy 2020.05.20 10:23 #17851 mytarmailS:这篇文章是个炸弹,我什么都不懂,但我是张着嘴读的......。谢谢! 我甚至有一个想法,如果大量的随机规则仍然收敛到一些共同的结构,只是方式不同,那么我们可以和随机森林算法进行类比,它的创造者做了大量的测试,结果发现,规则形成或分解的顺序并不重要,只是简单的随机总能得到类似的结果... 所以我想,如果我们采取,例如,一个5分钟/周的图表,并把它作为某个大模式--"BP",并在其中使用不同的滑动窗口生成一个样本(当然,按比例归一化),会怎么样呢? 然后在这个样本上训练一个Forest,即在BP里面生成一堆随机的规则。 然后将BP扩展到样本桅杆上,并通过其先前生成的内部规则预测BP...... 考虑到断裂性,并检查所有这些嵌套是否有效... 有趣的是... 不要相信假设上的理论。简单规则和物理定律的结果的相似性不是证明,而是假设。 你可以试试,只是规则对我们来说只是随机的。事实上,它们并不是随机的。看到这个结果是很有意思的))))。 mytarmailS 2020.05.20 19:34 #17852 Valeriy Yastremskiy:不要相信假设上的理论。简单规则的结果与物理学定律的相似性不是证明,而是假设。 是可以尝试的,只是规则对我们来说只是随机的。事实上,它们并不是随机的。看到这个结果是很有意思的))))。 它没有发挥作用( 我曾试图用类似物来识别它们,但也没有用。 Valeriy Yastremskiy 2020.05.20 20:05 #17853 mytarmailS:没有成功( 福瑞斯特不知道为什么不学习,试过模拟识别但也不成功( 它不应该是这样的。随机搜索的随机规则。)) Aleksey Vyazmikin 2020.05.21 06:24 #17854 在我开始做MO之前,我花了大约半年时间对EA进行微调,在历史上进行测试并改进其性能,找到导致损失的视觉模式--换句话说,手动调整它以适应历史。那是在2017年,在这一年的年底,我运行EA直到2018年2月左右。 卑鄙的法则,或者正如我当时决定的那样,修修补补,立即将余额送入负值,该项目被认为是一个令人失望的项目并被关闭。 在2018年年底,我再次尝试重新审视这个项目,看到了年底的一个有趣的结果。 再一次,打嗝开始了,EA被删除了,2019年在测试器中监测了一下结果后,我确信我做出了放弃这个项目的正确决定。 昨天我决定检查旧的树叶模型,并检查了EA,它最后一次调整是在2018年,但并不明显。 说实话,我简直不敢相信自己的眼睛--效果非常好!"。 于是,论文和问题就出现了。 1.为什么用这种方法创建的EA比用MO方法创建的EA更稳定? 2.不利的交易期是存在的--2019年对斯来说是纯粹的平淡。 3.一旦我将EA付诸行动,它就会开始流失吗? 4.我可以通过什么指标来划分最适合某个TS/MO模型的全球交易期? 5.在等待合适的交易期时,如何容忍一年的接近零的悬空,甚至是亏损? Valeriy Yastremskiy 2020.05.21 09:54 #17855 Aleksey Vyazmikin: 4.用什么指标来划分最适合特定TS/IO模型的全球交易期?5.在等待合适的交易期时,如何容忍一年来在零点附近徘徊,甚至是暴跌? 关键问题。似乎没有一个。这是一个决定。要不要提高销路。))))它指出,这些指标应该来自于历史和当前的平均水平。而ZZ的东西需要形成。关联性看起来并不好。他们似乎是这样的,但他们落后了,太平均了。不管怎么说,我现在是在做马拉松。 看一下ZZ所有tf极值的pirson系数,趋势或最小/最大极值的数量,波动的平均宽度和价格的平均速度 会很好。除了增量之外,目前没有想到任何关于数据的问题。 这里有些人采取简单的方式。他们采取了很多简单的TS,并试图以最佳方式应用它们--通过简单的训练,取得最佳效果。 目前还没有任何服务,我们使用所有的仪器,从70年到20年))))。 Aleksey Vyazmikin 2020.05.21 10:13 #17856 Valeriy Yastremskiy:... 一个好的做法是看所有tf的皮尔逊系数对ZZ极值、趋势的数量或最小/最大极值、平均波动宽度和平均价格速度的影响。除了增量之外,目前没有想到任何关于数据的问题。 ... 我做过类似的事情,我把ZZ段按长度分成三组。 是的,这是我的TS成功的一个很好的指标,但它只能用于过去,而如何处理现在是一个谜。 Valeriy Yastremskiy 2020.05.21 10:27 #17857 Aleksey Vyazmikin:我也做过类似的事情,我把ZZ段按长度分为3组,是的--这是我的TS成功的一个很好的指标,但你只能这样定义过去,如何处理现在才是个谜。 3个是不够的。而我们需要以某种方式理解/定义所有TF数据的逻辑。这很好,如果历史上的所有指标都确定了,我们用它们作为决策的标准,那么如果新的数据重复了历史,那么一切都很好,如果不是--这就是新的数据。如果新的数据超过了30%,那么数据就有错误。这只是不够,或者没有意义。或者它是神化,没有任何联系。 必须对增量进行测量并与数据进行比较))))。除了增量之外,我还想要其他东西。但所有可能被发明的东西都是增量的衍生物。 量当然仍然存在,但我不知道如何从这个角度来处理它。 Aleksey Vyazmikin 2020.05.21 10:34 #17858 Valeriy Yastremskiy:3个是不够的。而我们需要以某种方式理解/定义所有TF数据的逻辑。从好的方面来说,如果历史上的所有指标都被定义了,我们用它们作为决策标准,那么如果新的数据重复了历史,那么一切都很好,如果没有,那么就是新的数据。如果新的数据超过30%,那么数据中就有错误。这只是不够,或者没有意义。或者它是神化,没有任何联系。 必须对增量进行测量并与数据进行比较))))。除了增量之外,我还想要其他东西。但是,所有被发明的东西都是增量的衍生品。当然,我仍然有这个量,但我不知道该用哪种方式来看待它。 我不使用裸体形式的增量--事实上只有相对的归一化值。 将模型性能的预测指标和确定某一特定模型的有利性的预测指标混在一起是没有意义的。我认为一个模型应该决定有利性,另一个模型应该决定TC本身。然后,仍然存在训练这种有利条件的标记问题,为此我们需要定义TS有效工作时的阈值。这可以是一些指数,例如误差平衡和利润增长或其他一些度量指标。并分别确定一个星期或至少一天的分类。 mytarmailS 2020.05.21 10:44 #17859 Aleksey Vyazmikin:但这只是定义过去的一种方式,而如何处理现在才是一个谜。 这并不神秘。 1)有必要确定TS的有利时期和不利时期,即以相同的通常二进制形式创建目标 "Y",Y=0000111100000。 2)创建变量,这将反映 "市场特征"严格说来,这是个公平和不偏不倚的结果。DSP,特别是光谱分析在这里会有帮助。 从DSP中我们知道,任何复杂的信号都可以用正弦波之和来描述,一个正弦波只有三个参数--振幅、频率和相位;这个正弦波之和或者说它们的参数可以作为一个市场特征,它将是客观的。 如果这对你来说很困难,你可以为我准备数据,价格和 "Y "的分类,我将制定一个代码,并检查我是否能够区分有利的交易条件,因为这个主题对我来说也很有趣。 mytarmailS 2020.05.21 11:00 #17860 但如何计算Y呢?仅仅通过利润可能不是最好的选择,进入点很重要......毕竟利润是从一个好的进入点获得的,而不是从进入和退出之间的范围。 因此,事实证明,我们此时只需要系统的进入点和市场参数 ... 事实证明,AMO会收到TS发出的入场信号,并决定是否开仓 想想都觉得可怕,但这就是我们的米查不断的趋势))。 1...177917801781178217831784178517861787178817891790179117921793...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
这篇文章是个炸弹,我什么都不懂,但我是张着嘴读的......。谢谢!
我甚至有一个想法,如果大量的随机规则仍然收敛到一些共同的结构,只是方式不同,那么我们可以和随机森林算法进行类比,它的创造者做了大量的测试,结果发现,规则形成或分解的顺序并不重要,只是简单的随机总能得到类似的结果...
所以我想,如果我们采取,例如,一个5分钟/周的图表,并把它作为某个大模式--"BP",并在其中使用不同的滑动窗口生成一个样本(当然,按比例归一化),会怎么样呢?
然后在这个样本上训练一个Forest,即在BP里面生成一堆随机的规则。
然后将BP扩展到样本桅杆上,并通过其先前生成的内部规则预测BP......
考虑到断裂性,并检查所有这些嵌套是否有效...
有趣的是...
不要相信假设上的理论。简单规则和物理定律的结果的相似性不是证明,而是假设。
你可以试试,只是规则对我们来说只是随机的。事实上,它们并不是随机的。看到这个结果是很有意思的))))。
不要相信假设上的理论。简单规则的结果与物理学定律的相似性不是证明,而是假设。
是可以尝试的,只是规则对我们来说只是随机的。事实上,它们并不是随机的。看到这个结果是很有意思的))))。
它没有发挥作用(
我曾试图用类似物来识别它们,但也没有用。
没有成功(
福瑞斯特不知道为什么不学习,试过模拟识别但也不成功(
在我开始做MO之前,我花了大约半年时间对EA进行微调,在历史上进行测试并改进其性能,找到导致损失的视觉模式--换句话说,手动调整它以适应历史。那是在2017年,在这一年的年底,我运行EA直到2018年2月左右。
卑鄙的法则,或者正如我当时决定的那样,修修补补,立即将余额送入负值,该项目被认为是一个令人失望的项目并被关闭。
在2018年年底,我再次尝试重新审视这个项目,看到了年底的一个有趣的结果。
再一次,打嗝开始了,EA被删除了,2019年在测试器中监测了一下结果后,我确信我做出了放弃这个项目的正确决定。
昨天我决定检查旧的树叶模型,并检查了EA,它最后一次调整是在2018年,但并不明显。
说实话,我简直不敢相信自己的眼睛--效果非常好!"。
于是,论文和问题就出现了。
1.为什么用这种方法创建的EA比用MO方法创建的EA更稳定?
2.不利的交易期是存在的--2019年对斯来说是纯粹的平淡。
3.一旦我将EA付诸行动,它就会开始流失吗?
4.我可以通过什么指标来划分最适合某个TS/MO模型的全球交易期?
5.在等待合适的交易期时,如何容忍一年的接近零的悬空,甚至是亏损?
4.用什么指标来划分最适合特定TS/IO模型的全球交易期?
5.在等待合适的交易期时,如何容忍一年来在零点附近徘徊,甚至是暴跌?
关键问题。似乎没有一个。这是一个决定。要不要提高销路。))))它指出,这些指标应该来自于历史和当前的平均水平。而ZZ的东西需要形成。关联性看起来并不好。他们似乎是这样的,但他们落后了,太平均了。不管怎么说,我现在是在做马拉松。
看一下ZZ所有tf极值的pirson系数,趋势或最小/最大极值的数量,波动的平均宽度和价格的平均速度 会很好。除了增量之外,目前没有想到任何关于数据的问题。
这里有些人采取简单的方式。他们采取了很多简单的TS,并试图以最佳方式应用它们--通过简单的训练,取得最佳效果。
目前还没有任何服务,我们使用所有的仪器,从70年到20年))))。
...
一个好的做法是看所有tf的皮尔逊系数对ZZ极值、趋势的数量或最小/最大极值、平均波动宽度和平均价格速度的影响。除了增量之外,目前没有想到任何关于数据的问题。
...
我做过类似的事情,我把ZZ段按长度分成三组。 是的,这是我的TS成功的一个很好的指标,但它只能用于过去,而如何处理现在是一个谜。
我也做过类似的事情,我把ZZ段按长度分为3组,是的--这是我的TS成功的一个很好的指标,但你只能这样定义过去,如何处理现在才是个谜。
3个是不够的。而我们需要以某种方式理解/定义所有TF数据的逻辑。这很好,如果历史上的所有指标都确定了,我们用它们作为决策的标准,那么如果新的数据重复了历史,那么一切都很好,如果不是--这就是新的数据。如果新的数据超过了30%,那么数据就有错误。这只是不够,或者没有意义。或者它是神化,没有任何联系。
必须对增量进行测量并与数据进行比较))))。除了增量之外,我还想要其他东西。但所有可能被发明的东西都是增量的衍生物。 量当然仍然存在,但我不知道如何从这个角度来处理它。
3个是不够的。而我们需要以某种方式理解/定义所有TF数据的逻辑。从好的方面来说,如果历史上的所有指标都被定义了,我们用它们作为决策标准,那么如果新的数据重复了历史,那么一切都很好,如果没有,那么就是新的数据。如果新的数据超过30%,那么数据中就有错误。这只是不够,或者没有意义。或者它是神化,没有任何联系。
必须对增量进行测量并与数据进行比较))))。除了增量之外,我还想要其他东西。但是,所有被发明的东西都是增量的衍生品。当然,我仍然有这个量,但我不知道该用哪种方式来看待它。
我不使用裸体形式的增量--事实上只有相对的归一化值。
将模型性能的预测指标和确定某一特定模型的有利性的预测指标混在一起是没有意义的。我认为一个模型应该决定有利性,另一个模型应该决定TC本身。然后,仍然存在训练这种有利条件的标记问题,为此我们需要定义TS有效工作时的阈值。这可以是一些指数,例如误差平衡和利润增长或其他一些度量指标。并分别确定一个星期或至少一天的分类。
但这只是定义过去的一种方式,而如何处理现在才是一个谜。
这并不神秘。
1)有必要确定TS的有利时期和不利时期,即以相同的通常二进制形式创建目标 "Y",Y=0000111100000。
2)创建变量,这将反映 "市场特征"严格说来,这是个公平和不偏不倚的结果。DSP,特别是光谱分析在这里会有帮助。
从DSP中我们知道,任何复杂的信号都可以用正弦波之和来描述,一个正弦波只有三个参数--振幅、频率和相位;这个正弦波之和或者说它们的参数可以作为一个市场特征,它将是客观的。
如果这对你来说很困难,你可以为我准备数据,价格和 "Y "的分类,我将制定一个代码,并检查我是否能够区分有利的交易条件,因为这个主题对我来说也很有趣。
但如何计算Y呢?仅仅通过利润可能不是最好的选择,进入点很重要......毕竟利润是从一个好的进入点获得的,而不是从进入和退出之间的范围。
因此,事实证明,我们此时只需要系统的进入点和市场参数 ...
事实证明,AMO会收到TS发出的入场信号,并决定是否开仓
想想都觉得可怕,但这就是我们的米查不断的趋势))。