交易中的机器学习:理论、模型、实践和算法交易 - 页 2014 1...200720082009201020112012201320142015201620172018201920202021...3399 新评论 J.B 2020.10.02 09:53 #20131 elibrarius: 这是给大家的一个问题: ,我也从网络上得到成捆的单向信号。这和这里的情况差不多。 有时我连续输了100次甚至200次。只有一个办法--用微小的手数进行交易,如0.5%的存款。 谁有想法不连续交易数百个信号? 交易第一笔,然后不交易,直到开放的那笔关闭?在我看来,这并不是最好的解决办法。你有什么选择? 你是在非常嘈杂的数据(signals/target)上进行训练,例如在增量上,这就是为什么信号非常嘈杂。你可以尝试对迹象和目标进行平滑处理,或对最终信号本身进行平滑处理,以减少信号中的噪音,但这根本不会有什么帮助,也不会带走任何利润。 Valeriy Yastremskiy 2020.10.02 10:07 #20132 elibrarius: 这是给大家的一个问题: ,我也从网络上得到成捆的单向信号。这和这里的情况差不多。 有时我连续输了100次甚至200次。只有一个办法--用微小的手数进行交易,如0.5%的存款。 谁有想法不连续交易数百个信号? 交易第一笔,然后不交易,直到开放的那笔关闭?在我看来,这并不是最好的解决办法。有哪些选择? 开放是一种逻辑,护送和关闭是另一种逻辑。我更喜欢这种方式。停车是一种保险。否则,是的,只是用止损开仓,以限制未平仓订单的数量,是比较好的。 VVT 2020.10.02 11:31 #20133 elibrarius: 这是给大家的一个问题: ,我也从网络上得到成捆的单向信号。这和这里的情况差不多。 有时我连续输了100次甚至200次。只有一个办法--用微小的手数进行交易,如0.5%的存款。 谁有想法不连续交易数百个信号? 交易第一笔,然后不交易,直到开放的那笔关闭?在我看来,这并不是最好的解决办法。有哪些选择? 为什么要交易它们,这就像用小口径枪进行俄罗斯轮盘赌 :) Alex Berdenev 2020.10.06 20:17 #20134 看看这个指标)只在2020年起作用。 mytarmailS 2020.10.11 16:51 #20135 Maxim Dmitrievsky: 考试有什么收获吗? Maxim Dmitrievsky 2020.10.11 18:08 #20136 mytarmailS: 怎么了,考试有什么收获吗? 还是一样......在本周初,经过'预训练',效果不错。然后开始倾泻。又重做了一遍,明天将进行测试 :D 一些交易机器人可能在交易员中计算错误......在一系列的更新之后,它开始以错误的方式交易。 我还在Torch中处理递归网的工作。 黄色 - 周初,最初1-3天 Aleksey Vyazmikin 2020.10.11 19:01 #20137 有人尝试过使用重复性(recurring?)网络来降低维度吗? 文章。 视频。 Лекция 6 | Нейросетевые технологии 2018.10.14www.youtube.com Дата: 08.10.2018 Лектор: Дорофеев Евгений Александрович Лекции в формате PDF - https://goo.gl/Xwzg4a Maxim Dmitrievsky 2020.10.11 19:07 #20138 Aleksey Vyazmikin: 有人尝试过使用重复性(recurring?)网络来降低维度吗?文章。视频。 递归自动编码器被使用。 Aleksey Vyazmikin 2020.10.11 19:12 #20139 Maxim Dmitrievsky: 递归自动编码器被使用。 我不明白,所有的输出神经元,其数量等于输入神经元的数量,是如何一次评估的? 如果你看到类似的东西,适合使用,请让我知道。 我的样本量已经接近3000个预测因子,人们担心它们会被高度压缩,因为它们描述的是类似的领域。 Maxim Dmitrievsky 2020.10.11 19:18 #20140 Aleksey Vyazmikin: 我不明白模型质量估计是如何对所有输出神经元一次性进行的,其数量等于输入神经元...如果你看到类似的东西,适合应用,请让我知道。我有一个接近3000个预测因子的样本,有人担心它们会被高度压缩,因为它们描述的是一个类似的领域。 输入和输出都是小说,隐藏层中的神经元较少。它只是通过最小化输出中的误差来压缩信息。输入应该等于输出(理想情况下)。然后,NS的第二部分在训练后被丢弃,你在输出端得到的压缩特征等于隐藏层的神经元数量。 你可以添加递归层,等等。 谷歌自动编码器及其变种。 1...200720082009201020112012201320142015201620172018201920202021...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
这是给大家的一个问题:
,我也从网络上得到成捆的单向信号。这和这里的情况差不多。
有时我连续输了100次甚至200次。只有一个办法--用微小的手数进行交易,如0.5%的存款。
谁有想法不连续交易数百个信号?
交易第一笔,然后不交易,直到开放的那笔关闭?在我看来,这并不是最好的解决办法。
你有什么选择?
你是在非常嘈杂的数据(signals/target)上进行训练,例如在增量上,这就是为什么信号非常嘈杂。你可以尝试对迹象和目标进行平滑处理,或对最终信号本身进行平滑处理,以减少信号中的噪音,但这根本不会有什么帮助,也不会带走任何利润。
这是给大家的一个问题:
,我也从网络上得到成捆的单向信号。这和这里的情况差不多。
有时我连续输了100次甚至200次。只有一个办法--用微小的手数进行交易,如0.5%的存款。
谁有想法不连续交易数百个信号?
交易第一笔,然后不交易,直到开放的那笔关闭?在我看来,这并不是最好的解决办法。
有哪些选择?
开放是一种逻辑,护送和关闭是另一种逻辑。我更喜欢这种方式。停车是一种保险。否则,是的,只是用止损开仓,以限制未平仓订单的数量,是比较好的。
这是给大家的一个问题:
,我也从网络上得到成捆的单向信号。这和这里的情况差不多。
有时我连续输了100次甚至200次。只有一个办法--用微小的手数进行交易,如0.5%的存款。
谁有想法不连续交易数百个信号?
交易第一笔,然后不交易,直到开放的那笔关闭?在我看来,这并不是最好的解决办法。
有哪些选择?
为什么要交易它们,这就像用小口径枪进行俄罗斯轮盘赌 :)
考试有什么收获吗?
怎么了,考试有什么收获吗?
还是一样......在本周初,经过'预训练',效果不错。然后开始倾泻。又重做了一遍,明天将进行测试 :D
一些交易机器人可能在交易员中计算错误......在一系列的更新之后,它开始以错误的方式交易。
我还在Torch中处理递归网的工作。
黄色 - 周初,最初1-3天
有人尝试过使用重复性(recurring?)网络来降低维度吗?
文章。
视频。
有人尝试过使用重复性(recurring?)网络来降低维度吗?
文章。
视频。
递归自动编码器被使用。
递归自动编码器被使用。
我不明白,所有的输出神经元,其数量等于输入神经元的数量,是如何一次评估的?
如果你看到类似的东西,适合使用,请让我知道。
我的样本量已经接近3000个预测因子,人们担心它们会被高度压缩,因为它们描述的是类似的领域。
我不明白模型质量估计是如何对所有输出神经元一次性进行的,其数量等于输入神经元...
如果你看到类似的东西,适合应用,请让我知道。
我有一个接近3000个预测因子的样本,有人担心它们会被高度压缩,因为它们描述的是一个类似的领域。
输入和输出都是小说,隐藏层中的神经元较少。它只是通过最小化输出中的误差来压缩信息。输入应该等于输出(理想情况下)。然后,NS的第二部分在训练后被丢弃,你在输出端得到的压缩特征等于隐藏层的神经元数量。
你可以添加递归层,等等。
谷歌自动编码器及其变种。