交易中的机器学习：理论、模型、实践和算法交易 - 页 1914

[Evgeny Dyuka]

Viktar DayTrader:

当我读到有人发明了另一个圣杯时，我也会笑起来))))。所以再次祝你好运)

有一项非常有趣的任务--用神经网络预测价格走势。这个问题是可以解决的，而且已经有了可行的解决方案。为什么每个人都专注于获取利润？这就像学习飞行，但在你到达月球之前，你不能认为任何飞行是成功的。
你不可能一下子无中生有地做出一个盈利的交易神经元。你必须首先学会预测一些东西，然后利用这种经验来了解你所调查的对象的性质，并学会与之合作。完善网络，提高质量，只有这样，这种质量将不可避免地导致成功的交易。

每个人都被锁定在交易中，没有研究和逐步成长的过程。在每个阶段都必须有一个结果--一个真正的预测，尽管质量不高。你必须得到一个结果，进行巩固，然后继续前进。

如果你从利润/亏损的角度考虑，你将永远无法解决这个问题。我宁愿给10万块钱做一个合理的研究，有合理和可理解的结果。

[mytarmailS]

伙计，在压缩的特征空间中可以得到如此有趣的结构，我不知道如何应用它们，但这很吸引人)。

在三维umap空间中提出了两个PCA特征

==========

三维空间中的两个指标

[Renat Akhtyamov]

mytarmailS:

))))

你知道，也许你不应该在优化随机指标的论坛上寻找这样的人？

也许你应该在专业部门和几个部门中寻找这样的人。

曾几何时，人们不相信飞行是可能的。 第一次飞行后，86年过去了，我们进入了太空......

下面是一个机器人如何与一个将自己的一生都奉献给聪明算法的知识分子进行交易。

我可以给你他的联系方式，但他不需要你，不需要有一百或一百万，为什么不需要？

如果你住在一个部落的小岛上，那里没有人会说英语，那就不可能说英语，不是吗？)))))))

屏幕上的数字是对什么的衡量？

[mytarmailS]

Renat Akhtyamov:
截图上的数字是对什么的衡量？

进入/退出时间，财务状况。也许还有其他的东西，白色是加号交易，橙色是减号。

[Renat Akhtyamov]

mytarmailS:

入境/出境时间，财务状况，也许更多，白色打印的是顺差的贸易，橙色是逆差的。

见

神经元学？

[[删除]]

mytarmailS:

哦，你不要先说这个......

好吧，妈妈的司机，我已经厌倦了你......

ahahahah))))))，有你的垃圾从所有的裂缝中出来))))))，他们在这里画的图片))))) 小丑）我的朋友交易ahahahahah))))))))，继续预测随机的）dilettante

[[删除]]

Evgeny Dyuka:

有一项非常有趣的任务--用神经网络预测价格走势。这个问题是可以解决的，而且已经有了可行的解决方案。为什么每个人都在骑自行车获利？这就像学习飞行，但在你到达月球之前，不要认为任何飞行是一种结果。
你不可能一下子无中生有地做出一个盈利的交易神经元。你必须首先学会预测一些东西，然后利用这种经验来了解你所调查的对象的性质，并学会与之合作。完善网络，提高质量，只有这样，这种质量将不可避免地导致成功的交易。

每个人都被锁定在交易中，没有研究和逐步成长的过程。在每个阶段都必须有一个结果--一个真正的预测，尽管质量不高。你必须得到一个结果，进行巩固，然后继续前进。

如果你从利润/亏损的角度考虑，你将永远无法解决这个问题。你最好为一项有合理的、可理解的结果的合理研究提供10万美元。

我可以向该基金投入一百万，没有问题。但这就像一个关于通灵者的实验，即在1966年，谁能证明自己的通灵能力，就给谁一百万美元。而剩下的大批通灵者说，他们可以轻松地拿下这一百万，但他们不需要）））就像有人在上面贴了一个朋友的照片--他不需要几百或几百万美元。他不需要几百或几百万美元。 这是一项正在进行的工作。

[Evgeny Dyuka]

Viktar DayTrader:

我可以向基金投入一百万，没有问题。但这就像一个关于通灵者的实验--从1966年开始，100万美元将给那些能证明自己通灵能力的人。但到目前为止，还没有人证明过。也有人尝试过，但可惜。而剩下的大批通灵者说，他们可以轻松地拿下这一百万，但他们不需要）））就像有人在上面贴了一个朋友的照片--他不需要几百或几百万美元。他们目前是没有希望的。

我的神经元网已经工作了4个月了，它预测了四对运动。它的质量比任何指标都好，我公开证明了这一点。我不能提供链接，否则管理员可能又会歇斯底里，因为那里有几个付费服务。但无论如何，它是一个真正的神经网络，它真的看到并预测了一些东西。

[mytarmailS]

Renat Akhtyamov:

明白了

神经元学？

有神经元学、自适应滤波、频谱分析、Q-learning和聚类，还有老师的训练，老师自己在图上戳出要输入的点，并在犯错时惩罚机器人自己。 机器人是自适应的，学习新知识，必要时忘掉旧知识，所以它是一个真正的猛兽。

[[删除]]

Evgeny Dyuka:
我已经有一个神经网络工作了4个月，它可以预测4个货币对的走势。我已经有了比任何指标更高的质量，我正在公开示范。我不能给出链接，否则管理员又会歇斯底里，因为那里有几个付费服务。但无论如何，它是一个真正的神经网络，它真的看到并预测了一些东西。

你真的很厉害。 大多数网络开发者的问题是，他们教网络预测价格变化。他们对市场的机制了解得很差，所以他们知道市场远远没有达到混乱的程度。 你必须知道谁改变了价格，如何改变，并教给网络，看谁会改变价格。如果你给一个网络输入垃圾，你就会得到垃圾。 你不需要指标和其他废话。找到一个人，他可以告诉你如何真正让一个位置改变价格，价格如何表现，这一切是如何运作的--教网络看到这些变化，整个世界都在你的脚下。