交易中的机器学习：理论、模型、实践和算法交易 - 页 1819

新评论
 

可以人为地制造几个具有不同分布的采样模式，并在模式之间进行随机转换。这将比简单的随机抽样捕获更多有趣的模式

等。

 
Maxim Dmitrievsky:

是的，这都是同一个主题，随机搜索预测器-目标的依赖关系

交易是随机开启的，然后进入一个神经网络。很大程度上取决于合格的抽样

例如，正如你所建议的，我发现了TFs之间的依赖关系

谢谢，我会看一看。

如果我有一个交易，来回滞后多少个柱子？ 或其他方式？

 
Valeriy Yastremskiy:

交易是否前后滞后了多少个柱子？

一个简单的例子。

以0.5的概率，我们在新的条形图 上卖出或买入（或不交易）。

在下一栏中，我们以0.5的概率关闭或保留头寸。

如果是平仓，继续进行第1步，如果没有平仓，等待下一个柱状图，继续观察概率，直到平仓为止。

这是最简单的例子。
 
Maxim Dmitrievsky:

可以人为地制造几个具有不同分布的采样模式，并在模式之间进行随机转换。这将比简单的随机抽样捕获更多有趣的模式

等。

我们要在两者之间寻找什么模式？季节性或时间性在这里逻辑上是不合适的。随机搜索相关关系也不太行得通。另外我们的目的是铅，那么就有意义，如果有规律，但是铅是断断续续的，很随机的，不会给人什么。我们将有一个预测和一个滞后。

尽管如果发现了它们，就会有一些东西需要优化）））。

 
Maxim Dmitrievsky:

一个简单的例子。

以0.5的概率，我们在新的条形图 上卖出或买入（或不交易）。

在下一栏中，我们以0.5的概率平仓或持仓。

如果它被关闭了，就转到第1点，如果它没有被关闭，我们就等待下一个柱状图，并查看概率，直到我们关闭头寸。

这是最简单的例子。

不，不是NS中的问题。如果他们不平仓，等待下一个柱状图，然后寻找平仓的概率。

 
Valeriy Yastremskiy:

我们要找的是什么样的模式？季节性或时间性的模式在这里逻辑上是不合适的。随机搜索相关关系也不是很好。此外，目标是预期，那么它是有意义的，即使我们有规律性，但预期是间歇性的，相当随机的，它不会给我们任何东西。我们将有一个预测和一个滞后。

尽管如果发现了它们，会有一些东西需要优化))))。

预测因素和交易方向 之间的关系。预测因素可以是任何东西，比如说价格增量。

 
Valeriy Yastremskiy:

不，这不是NS中的问题。仅仅是交易的时间和价格，还是说附近也有禁忌条款？

增量，指标，任何进入的东西。在出去的路上，交易的方向。

 
Maxim Dmitrievsky:

预测因素与交易方向 之间的关系。预测器可以是任何东西，例如价格增量

任何一个都太多))))，除了增量，我们只有一个平均数)))))。了解向后退多少条是最合适的，这也是合乎逻辑的。

 
Valeriy Yastremskiy:

任何都太多))))，除了增量，我们只有平均数)))))。理所当然地要了解倒退多少条才是最佳的。

虽然，我仍然怀念卷。

 
Valeriy Yastremskiy:

任何都太多))))，除了增量，我们只有平均数)))))。某种程度上说，了解倒退多少条是最合理的。

这是另一个选择块，它与抽样无关。取最大的后退条，然后选择最佳组合。这是一个定性近似的问题，而不是抽样。

最后，如果取样得当，就会选择最优数量的滞后预测器，最大限度地描述交易方向。

然后进行蒙太奇运算，选择最佳方案。我想这里没有人做过，但我已经做了很久了）。我在寻找拉二，如果有的话......但完美是没有限制的 :)

现在想要一个更有趣的样本

1...181218131814181518161817181818191820182118221823182418251826...3399
新评论