交易中的机器学习:理论、模型、实践和算法交易 - 页 1962 1...195519561957195819591960196119621963196419651966196719681969...3399 新评论 Maxim Dmitrievsky 2020.08.09 07:14 #19611 Ivan_Invanov: 你是否使用了演示? 在测试器中 试过了,有一个mt4的例子 https://github.com/darden1/tradingrrl darden1/tradingrrl darden1github.com 01_python: Implementation with python. 02_cython: Implementation with cython. 03_cpp: Implementation with c++. 04_cython_cppwraper: Implementation with cython wrapping c++. 05_mql: Implementation with mql. 06_ga_optimizer: Use GA for optimizing... Ivan_Invanov 2020.08.09 07:33 #19612 Maxim Dmitrievsky: 在测试器中试过这个,有一个mt4的例子https://github.com/darden1/tradingrrl 测试仪不能提供可靠的信息。好吧,我说的是没有神经网络的EA,但我看不出在这方面有什么不同。我认为每个策略,甚至是一个具有不同参数的策略,都会与测试产生不同的相关性,这就是为什么我甚至无法估计出大概的情况。 Maxim Dmitrievsky 2020.08.09 07:38 #19613 Ivan_Invanov: 测试员不能提供可靠的信息。好吧,我说的是没有神经网络的EA,但我看不出在这方面有什么不同。每个策略,甚至一个具有不同参数的策略,都会与测试者产生不同的相关性,这就是为什么我们甚至无法估计出大概的情况。 测试仪提供可靠的信息 Ivan_Invanov 2020.08.09 07:40 #19614 Maxim Dmitrievsky: 测试员提供可靠的信息 好吧,在演示中检查一下吧。 Maxim Dmitrievsky 2020.08.09 07:58 #19615 mytarmailS: 也许我应该写信给他,让他把代码寄给我)。我自己看了两遍,还是不明白它是如何工作的,内存是如何翻三倍的,以及它是如何战胜超精密层的特性的......总之,这篇文章不是很好,但产品本身是好的,作者只是需要一些解释......所以,如果你想通了,至少要写出它是如何运作的...... 我懒得去揭穿另一个神话)有人扭曲了一些东西,大声宣布,再培训是不可能的。让我们来看看... mytarmailS 2020.08.09 08:05 #19616 Maxim Dmitrievsky: 懒得揭穿另一个神话)有人在外面扭曲了一些东西,大声说没有再培训。让我们来看看...好吧,这篇文章表明,这个人了解算法。 你应该试试,实验是真理的标准。 Rorschach 2020.08.09 08:09 #19617 mytarmailS: 酷炫的Python圣经https://docs.google.com/document/d/1hoU2HbnEyBYXbxA7dya8zrsJzzSvd-Plv8osaB63YvQ/edit#我认为这很有希望。 https://github.com/huseinzol05/Stock-Prediction-Models Maxim Dmitrievsky 2020.08.09 08:10 #19618 mytarmailS: 不,好吧,这篇文章显示,这个人知道算法。 你必须尝试,实验是真理的标准。 该计划很简单。我们输入特征向量,ONO输出一个范围为0;1的随机信号。我们开出一笔交易,并在下一次迭代时关闭。例如,我们决定如果它超过0.5--买入,低于0.5--卖出。如果事先的交易是红色的--我们在单独的条目上给电网一个惩罚,如果是在加号中,我们鼓励它。每次迭代都应该是这样的。因此,它在交易过程中会调整权重。为什么她立即在图表上的 "+"位置进行交易是无稽之谈),因为她起初是个哑巴。最有可能的是,他先是训练了它,然后在同一地区重新训练它。 mytarmailS 2020.08.09 08:20 #19619 Rorschach: https://github.com/huseinzol05/Stock-Prediction-Models 我对照片的结果印象不深... Maxim Dmitrievsky: 该计划很简单。 如果这么简单,为什么会有两种或三种类型的网络? 为什么他说古典的RL不会起作用? 记忆的目的是什么? 我在RL中是一个完全的书呆子,但在我看来,这并不是那么简单。 Maxim Dmitrievsky 2020.08.09 14:57 #19620 多个D型神经元(网格型)误差,% = 45.10948905109489再见 ) 给网格的作者发了邮件,表达了我的愤慨。 1...195519561957195819591960196119621963196419651966196719681969...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
你是否使用了演示?
在测试器中
试过了,有一个mt4的例子
https://github.com/darden1/tradingrrl
在测试器中
试过这个,有一个mt4的例子
https://github.com/darden1/tradingrrl
测试仪不能提供可靠的信息。好吧,我说的是没有神经网络的EA,但我看不出在这方面有什么不同。我认为每个策略,甚至是一个具有不同参数的策略,都会与测试产生不同的相关性,这就是为什么我甚至无法估计出大概的情况。
测试员不能提供可靠的信息。好吧,我说的是没有神经网络的EA,但我看不出在这方面有什么不同。每个策略,甚至一个具有不同参数的策略,都会与测试者产生不同的相关性,这就是为什么我们甚至无法估计出大概的情况。
测试仪提供可靠的信息
测试员提供可靠的信息
好吧,在演示中检查一下吧。
也许我应该写信给他,让他把代码寄给我)。
我自己看了两遍,还是不明白它是如何工作的,内存是如何翻三倍的,以及它是如何战胜超精密层的特性的......总之,这篇文章不是很好,但产品本身是好的,作者只是需要一些解释......所以,如果你想通了,至少要写出它是如何运作的......
我懒得去揭穿另一个神话)有人扭曲了一些东西,大声宣布,再培训是不可能的。让我们来看看...
懒得揭穿另一个神话)有人在外面扭曲了一些东西,大声说没有再培训。让我们来看看...
好吧,这篇文章表明,这个人了解算法。
你应该试试,实验是真理的标准。酷炫的Python圣经
https://docs.google.com/document/d/1hoU2HbnEyBYXbxA7dya8zrsJzzSvd-Plv8osaB63YvQ/edit#
我认为这很有希望。
不,好吧,这篇文章显示,这个人知道算法。
你必须尝试,实验是真理的标准。该计划很简单。我们输入特征向量,ONO输出一个范围为0;1的随机信号。我们开出一笔交易,并在下一次迭代时关闭。例如,我们决定如果它超过0.5--买入,低于0.5--卖出。如果事先的交易是红色的--我们在单独的条目上给电网一个惩罚,如果是在加号中,我们鼓励它。每次迭代都应该是这样的。因此,它在交易过程中会调整权重。为什么她立即在图表上的 "+"位置进行交易是无稽之谈),因为她起初是个哑巴。最有可能的是,他先是训练了它,然后在同一地区重新训练它。
https://github.com/huseinzol05/Stock-Prediction-Models
我对照片的结果印象不深...
该计划很简单。
如果这么简单,为什么会有两种或三种类型的网络?
为什么他说古典的RL不会起作用?
记忆的目的是什么?
我在RL中是一个完全的书呆子,但在我看来,这并不是那么简单。
多个D型神经元(网格型)
误差,% = 45.10948905109489
再见 )
给网格的作者发了邮件,表达了我的愤慨。