交易中的机器学习：理论、模型、实践和算法交易 - 页 1962

新评论
 
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
darden1/tradingrrl
  • darden1
  • github.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...
 
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。

 
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

 
Maxim Dmitrievsky:

测试员提供可靠的信息

好吧，在演示中检查一下吧。

 
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...

 
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。
 
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。

 
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。

 

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