交易中的机器学习：理论、模型、实践和算法交易 - 页 2068

新评论
 
Aleksey Nikolayev:

我想我理解了你的意思，并本着每天上午9点重复的事件也会是每周三上午9点重复的事件。由于非常明亮的昼夜周期性，要分离出那些具有REALLY WEEKLY（但不是每天）的事件是相当困难的。当然，我可能是错的，但我还没有注意到一个明亮的每周周期性，所以在我的代码中没有办法识别它。

我不知道，时间上的逻辑似乎应该给出每周的周期。如果你 会发现每天的 模式，那么从它们中识别月份或工作日的周期性是一个技术问题。

 
Aleksey Vyazmikin:

有一些策略，趋势策略在40%的准确率下赚得很好，但标准的MO方法不允许训练它们，如果准确率不够，我就把 "1 "类降为零，我只需要分离和改进这种分割，所以我在寻找这种方法。否则召回率非常小，为1。

我应该为这些目的编写自定义损失 fi

 
Valeriy Yastremskiy:

我不知道，时间上的逻辑似乎应该给出每周的周期。如果发现了每日 模式，那么从它们中找出相对于每月或每周的周期性天数就是一个技术问题。

我并不是说没有。它们很可能存在，但这种方法可能太粗糙了，无法在较短的周期和非平稳性的背景下检测和分离它们。

 
Maxim Dmitrievsky:

那是在理论上... 但在实践中，无论你如何扭曲眼镜...)

对增量的波动性进行归一化处理，均衡的方差。只有信息的损失。

我不认为这是信息的损失，而是摆脱错误信息)

但这并不准确)

 
elibrarius:
如果是趋势，TP大，SL小。例如，500到100。那么在80%的误差下，我们将有20%的成功交易和80%的失败交易。余额将接近零。如果你的交易叶子的误差为70%，你就已经有了利润。而如果你找到50/50，利润将是巨大的。

这是我的观点，但完整性会很小，即在潜在的1000个交易中会有100个交易（发现类 "1"），其中50个是亏损的。

elibrarius:


你说的倾销是什么意思？70%的错误似乎只被甩到了0类，在剩下的30%的1类上，你已经可以赚钱了。

30%是一个很好的结果，但并不总是这样--我现在正在写一篇文章，有一个MA策略，它的平均检测单位是5%，好在它几乎是在标准震荡器上的默认设置:)

自2019年以来，该样本已经脱离了培训。不漏水，这很好 :)

 
Maxim Dmitrievsky:

python是一个cpp包装器。一切运作正常

我的意思是它既可以保存为python格式，也可以保存为cpp格式。我把它保存在cpp中，然后通过简单的动作把它转换成mql，因为模型本身就是几个数组。

那里保存着一个py文件，它的结构与CPP有点不同。

是的，事实证明这是我的错误--我改变了EA的概念，把马车放在母马后面--我花了半天时间才想出来。

 
Maxim Dmitrievsky:

你需要为此目的编写自定义损失函数。

谁知道如何学习这些功能？在CatBoost 中，活塞可以计算它们，并通过它们抑制教学，但计算本身是由他的两个人完成的。

 
发现圣杯）)
 
mytarmailS:
grail found ))

我想知道在市场上有多少这样的圣杯 被购买......

 
Aleksey Vyazmikin:

我想知道市场上有多少这样的圣杯被买走......。

赚钱，没有 ))

1...206120622063206420652066206720682069207020712072207320742075...3399
新评论