交易中的机器学习:理论、模型、实践和算法交易 - 页 2038 1...203120322033203420352036203720382039204020412042204320442045...3399 新评论 Mikhail Mishanin 2020.10.24 19:52 #20371 Maxim Dmitrievsky: 没有什么可争论的,因为在任何正常的框架下,都是用最少的代码来做和展示的我不在这里讨论自制模型,只讨论成熟的模型,如catbust或现代神经网络。这种对mql神经网络的鼠标大惊小怪的讨论根本没有意义,因为世界已经远远领先,而且每年都会将差距扩大一倍。假设你告诉我:"我在tensorflow上有这样那样的模型"......我说:"很好,我可以在Torch上做同样的模型5分钟并检查一下。而你告诉我,你在mql中建立了一些东西。我需要这些信息做什么? 我应该如何重新创建它? 你为什么不承认我有一个模型,tensorfloat/torch再花 几年时间就能实现,我还能翻三倍 呢?) 来自埃德加-彼得斯的某本书,当然不是逐字逐句的--"店员/经纪人会把一张躺在某条街上的五英镑的纸币递给他,因为在他的概率理论中它不应该出现在那里......") 好运。 Aleksey Vyazmikin 2020.10.24 19:56 #20372 elibrarius: 线路越多,需要的深度就越大。 如果有千兆字节,那么就有数百万条线。在深度6,最终的表单将是全部例子/字符串数量的1/64,即如果输入的是数百万,则是数万个。 因此,CB建立合奏,即切割发生在两个方面,而切割取决于树木的数量,一般来说,他们建议最大深度为10。 Maxim Dmitrievsky 2020.10.24 19:56 #20373 dr.mr. mom: 你为什么不承认我有一个模型,再漂浮/伸展几年,我的差距是三倍,你为什么不承认呢?) 遗憾的是,这已经是一个令人沮丧的谈话了 Forester 2020.10.24 19:57 #20374 Aleksey Vyazmikin: 因此,CB建立合奏,即切割发生在两个方面,而粉化取决于树木的数量,一般来说,他们 建议最大深度为10。 显然,这不是对数百万行的建议。尝试15。 Aleksey Vyazmikin 2020.10.24 19:59 #20375 elibrarius: 显然,这不是为了数百万行的建议。尝试15。 这只是针对宽度和深度都非常大的样本。 我是说,学习很容易,但通过学习检测到的模式在控制样本上并没有得到证实。 Forester 2020.10.24 20:05 #20376 Aleksey Vyazmikin: 这只是针对宽度和深度都非常大的样本。我是说,学习很容易,但在学习中检测到的模式在对照样本中没有得到证实。 在我看来,列的数量对于深度来说并不那么重要。只有对于大量的行,你才需要增加深度。至于栏目,你可以有多达一百万个。它们都将被检查,只有最好的才会被选中。 Valeriy Yastremskiy 2020.10.24 20:21 #20377 Igor Makanu: 对市场信息的分析一般没有问题......除了研究者的贪婪,他认为市场只给他提供信息,他需要处理所有的数据,也就是说,这里的任务被正式确定为寻找一个重复的模式,其他数据应该被抛弃(不使用)。决定是可悲的--生成将通过测试和前进的TS是可能的,但要找到策略测试者 的统计数据和TS的持续时间之间的联系,或确定TS与市场环境的一致性的可能性--这就是问题所在。也就是说,正如你所写的,问题出在未来我认为,总的来说,我们在问题的正式化方面取得了一点进展。原则上说,在Python中对测试统计数据进行卸载并尝试训练NS并不困难。市场环境的确定,正如你所写的那样--只是一个交易者的决定,也就是说,我怀疑它可以被正式化或算法化或调查。 对于原子来说,有两个层面比较简单,一是无机物的原子分子,二是有机物的大分子和大量原子。在国家市场分析中,商业实体就是人。而人比原子和它们的组成部分更复杂。 Aleksey Vyazmikin 2020.10.24 20:45 #20378 elibrarius: 在我看来,列的数量对于深度来说并不那么重要。只有大量的行应该增加深度。但是,这些柱子可以多达一百万个。他们都将被检查,只有少数最好的将被选中。 总而言之,结果如下--总共有2棵树 公制 根据选定的方法评估预测器的重要性 附上一个C++和bin模型以及一个量化表。 在我看来,样本要么需要混合,要么这就是最大值--被测试和考试样本之间的指标差异所迷惑。 附加的文件: model.zip 19 kb Igor Makanu 2020.10.24 20:51 #20379 Valeriy Yastremskiy: 对于原子,在两个层面上比较容易,无机物是分子原子,有机物是大分子和大量原子。 正是如此,但只要你考虑原子,只要你决定考虑晶格,"一切都结束了"--在大多数情况下,解决这个问题非常困难,我曾经读过,通过他们使用神经网络的方式--更快地获得建模过程的结果 市场也是如此,当我们看一个或两个点时,没有太多的变体--要么上升,要么下降,如果我们继续研究 "这里他们开了一个订单,这里他们关闭了它",一切都会变得复杂))。 Valeriy Yastremskiy: 在对国家的市场分析中,商业实体就是人。而人比原子和它们的成分更复杂。肯定比有机化学更复杂。 是的,它是一个活的结构,但它有一个行为模式--让它称为模式或市场背景,而不是点。 你可以研究历史上的行为,现在由你来决定未来该怎么做。 Forester 2020.10.24 21:00 #20380 Aleksey Vyazmikin: 这是总体结果--共有2棵树公制根据选定的方法估计预测因子的重要性附上C++和bin模型,以及量化表。在我看来,样本要么 需要洗牌,要么这就是最大值--被测试和考试样本之间的指标差异所迷惑。 在火车或试验中搅拌是可能的,但没有意义,而在火车和试验之间搅拌则没有意义。你有没有可能把它们混在一起,一些非常好的测试结果与考试。 不同的是,市场并不总是相同的,而是会发生变化。主要的是平均利润)。 1...203120322033203420352036203720382039204020412042204320442045...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
没有什么可争论的,因为在任何正常的框架下,都是用最少的代码来做和展示的
我不在这里讨论自制模型,只讨论成熟的模型,如catbust或现代神经网络。
这种对mql神经网络的鼠标大惊小怪的讨论根本没有意义,因为世界已经远远领先,而且每年都会将差距扩大一倍。
假设你告诉我:"我在tensorflow上有这样那样的模型"......我说:"很好,我可以在Torch上做同样的模型5分钟并检查一下。而你告诉我,你在mql中建立了一些东西。我需要这些信息做什么? 我应该如何重新创建它?
你为什么不承认我有一个模型,tensorfloat/torch再花 几年时间就能实现,我还能翻三倍 呢?)
来自埃德加-彼得斯的某本书,当然不是逐字逐句的--"店员/经纪人会把一张躺在某条街上的五英镑的纸币递给他,因为在他的概率理论中它不应该出现在那里......")
好运。
线路越多,需要的深度就越大。
如果有千兆字节,那么就有数百万条线。在深度6,最终的表单将是全部例子/字符串数量的1/64,即如果输入的是数百万,则是数万个。
因此,CB建立合奏,即切割发生在两个方面,而切割取决于树木的数量,一般来说,他们建议最大深度为10。
你为什么不承认我有一个模型,再漂浮/伸展几年,我的差距是三倍,你为什么不承认呢?)
遗憾的是,这已经是一个令人沮丧的谈话了
因此,CB建立合奏,即切割发生在两个方面,而粉化取决于树木的数量,一般来说,他们 建议最大深度为10。
显然,这不是对数百万行的建议。尝试15。
显然,这不是为了数百万行的建议。尝试15。
这只是针对宽度和深度都非常大的样本。
我是说,学习很容易,但通过学习检测到的模式在控制样本上并没有得到证实。
这只是针对宽度和深度都非常大的样本。
我是说,学习很容易,但在学习中检测到的模式在对照样本中没有得到证实。
对市场信息的分析一般没有问题......除了研究者的贪婪,他认为市场只给他提供信息,他需要处理所有的数据,也就是说,这里的任务被正式确定为寻找一个重复的模式,其他数据应该被抛弃(不使用)。
决定是可悲的--生成将通过测试和前进的TS是可能的,但要找到策略测试者 的统计数据和TS的持续时间之间的联系,或确定TS与市场环境的一致性的可能性--这就是问题所在。
也就是说,正如你所写的,问题出在未来
我认为,总的来说,我们在问题的正式化方面取得了一点进展。
原则上说,在Python中对测试统计数据进行卸载并尝试训练NS并不困难。
市场环境的确定,正如你所写的那样--只是一个交易者的决定,也就是说,我怀疑它可以被正式化或算法化或调查。
对于原子来说,有两个层面比较简单,一是无机物的原子分子,二是有机物的大分子和大量原子。在国家市场分析中,商业实体就是人。而人比原子和它们的组成部分更复杂。
在我看来,列的数量对于深度来说并不那么重要。只有大量的行应该增加深度。但是,这些柱子可以多达一百万个。他们都将被检查,只有少数最好的将被选中。
总而言之,结果如下--总共有2棵树
公制
根据选定的方法评估预测器的重要性
附上一个C++和bin模型以及一个量化表。
在我看来,样本要么需要混合,要么这就是最大值--被测试和考试样本之间的指标差异所迷惑。
对于原子,在两个层面上比较容易,无机物是分子原子,有机物是大分子和大量原子。
正是如此,但只要你考虑原子,只要你决定考虑晶格,"一切都结束了"--在大多数情况下,解决这个问题非常困难,我曾经读过,通过他们使用神经网络的方式--更快地获得建模过程的结果
市场也是如此,当我们看一个或两个点时,没有太多的变体--要么上升,要么下降,如果我们继续研究 "这里他们开了一个订单,这里他们关闭了它",一切都会变得复杂))。
在对国家的市场分析中,商业实体就是人。而人比原子和它们的成分更复杂。肯定比有机化学更复杂。
是的,它是一个活的结构,但它有一个行为模式--让它称为模式或市场背景,而不是点。
你可以研究历史上的行为,现在由你来决定未来该怎么做。
这是总体结果--共有2棵树
公制
根据选定的方法估计预测因子的重要性
附上C++和bin模型,以及量化表。
在我看来,样本要么 需要洗牌,要么这就是最大值--被测试和考试样本之间的指标差异所迷惑。
在火车或试验中搅拌是可能的,但没有意义,而在火车和试验之间搅拌则没有意义。你有没有可能把它们混在一起,一些非常好的测试结果与考试。
不同的是,市场并不总是相同的,而是会发生变化。主要的是平均利润)。