交易中的机器学习:理论、模型、实践和算法交易 - 页 2169 1...216221632164216521662167216821692170217121722173217421752176...3399 新评论 iwelimorn 2020.11.22 14:56 #21681 Maxim Dmitrievsky: 你做的是天才的事)我将在周一开始看,给我的最爱。 谢谢你!至少有东西可以冲淡 "理论 "上的推理......。 Maxim Dmitrievsky 2020.11.22 14:57 #21682 welimorn: 如果你需要,这里有一个小脚本,可以计算出两个集群的特征值分布的曲线交点下的相对面积。我认为这是一个很好的衡量标准,可以选择瘦身方法、目标分析、特征和谁知道其他什么。area_overlap在图片中为黄色。 主题变得严肃起来 ) 这里有一个更高级(但有希望)的阅读方法 https://ml4trading.io/chapter/19 这是关于密度以及你如何使用自动编码器从后验中抽取特征和标签。也可以根据你的口味来调换功能空间。 特别是CVAEs(条件变异自动编码器)是有趣的。 Machine Learning for Trading Stefan Jansenml4trading.io Learn to extract signals from financial and alternative data to design and backtest algorithmic trading strategies using machine learning. Maxim Dmitrievsky 2020.11.22 15:27 #21683 +通过随机卷积核的总特征去相关。 我想把响应部分转移到mql,这样就有可能从训练好的模型中获得新的特征,在终端 https://pyts.readthedocs.io/en/latest/auto_examples/transformation/plot_rocket.html 工作范围,一般来说 RandOm Convolutional KErnel Transform (ROCKET) — pyts 0.12.dev0 documentation pyts.readthedocs.io The RandOm Convolutional KErnel Transform (ROCKET) algorithm randomly generates a great variety of convolutional kernels and extracts two features for each convolution: the maximum and the proportion of positive values. This example... Maxim Dmitrievsky 2020.11.22 15:31 #21684 到目前为止只做了几次实验,结论是。 从生成模型中取样,然后从这些样本中学习是非常好的(但到目前为止,我只使用了GMM(高斯混合模型),而不是自动编码器)。 通过ROCKET进行特征去重是可以的,在通用性方面有改进。 Renat Akhtyamov 2020.11.22 15:33 #21685 Maxim Dmitrievsky: 这是我的文章中关于国防部的真正的TC,你想看什么?训练时间只有1个月,然后普及2年。它是真实的,而且是有效的 MAK的交叉点和交易以及我的截图上的交易 我为什么要给测试人员看? 你可以展示交易//演示或真实,这并不重要。 Maxim Dmitrievsky 2020.11.22 15:39 #21686 Renat Akhtyamov: 如我的截图所示,显示MAs和交易的交叉点我为什么要给测试者看?让我看看你的交易//演示或真实,这并不重要 首先向我展示你的(演示或真实的),为期一个月的该服务的实时信号 或者不做博格特。 kapelmann 2020.11.22 15:43 #21687 kaban_: 神经网络到底有没有用,它对交易有作用吗? 不,它没有,MO只是让人们或多或少地 "科学地 "了解到,在纯粹的价格()中,几乎没有来自变化的未来信息。当然有一些 "痕迹",碎屑,但它们是不可预测的,价差/佣金吃掉了一切,原因不是算法而是数据。 大型对冲基金拥有数千倍的数据(每天数千兆字节),他们进行HFT交易,所以你可以用面包屑建立一个包子,我们***简单,各种新框架和***不同于社交网络。 Renat Akhtyamov 2020.11.22 15:53 #21688 Maxim Dmitrievsky: 在一个月内向你展示你的第一个(演示或真实的),这个服务的实时信号或不要呱呱叫你不可能在麦芽汁上做,这就是为什么你不显示它的原因 如果你失败了,你为什么在这里给人们提供建议? Maxim Dmitrievsky 2020.11.22 15:57 #21689 Renat Akhtyamov: 你不能在麦芽汁上这样做,这就是为什么你不显示它。 如果你失败了,为什么还要继续告诉别人好的建议? 你要监督吗? 还是要继续喊话?我不给任何人提供建议。 你最好学习俄语。 Renat Akhtyamov 2020.11.22 15:59 #21690 Maxim Dmitrievsky: 你要监督吗? 还是要继续打喷嚏?我不向任何人建议任何事情。 狼吞虎咽 附加的文件: 1goxqlkpe422.png 86 kb 1...216221632164216521662167216821692170217121722173217421752176...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
你做的是天才的事)我将在周一开始看,给我的最爱。
谢谢你!至少有东西可以冲淡 "理论 "上的推理......。
如果你需要,这里有一个小脚本,可以计算出两个集群的特征值分布的曲线交点下的相对面积。
我认为这是一个很好的衡量标准,可以选择瘦身方法、目标分析、特征和谁知道其他什么。
area_overlap在图片中为黄色。
主题变得严肃起来 )
这里有一个更高级(但有希望)的阅读方法
https://ml4trading.io/chapter/19
这是关于密度以及你如何使用自动编码器从后验中抽取特征和标签。也可以根据你的口味来调换功能空间。
特别是CVAEs(条件变异自动编码器)是有趣的。
+通过随机卷积核的总特征去相关。
我想把响应部分转移到mql,这样就有可能从训练好的模型中获得新的特征,在终端
https://pyts.readthedocs.io/en/latest/auto_examples/transformation/plot_rocket.html
工作范围,一般来说
到目前为止只做了几次实验,结论是。
从生成模型中取样,然后从这些样本中学习是非常好的(但到目前为止,我只使用了GMM(高斯混合模型),而不是自动编码器)。
通过ROCKET进行特征去重是可以的,在通用性方面有改进。
这是我的文章中关于国防部的真正的TC,你想看什么?训练时间只有1个月,然后普及2年。它是真实的,而且是有效的
MAK的交叉点和交易以及我的截图上的交易
我为什么要给测试人员看?
你可以展示交易//演示或真实,这并不重要。
如我的截图所示,显示MAs和交易的交叉点
我为什么要给测试者看?
让我看看你的交易//演示或真实,这并不重要
首先向我展示你的(演示或真实的),为期一个月的该服务的实时信号
或者不做博格特。
神经网络到底有没有用,它对交易有作用吗?
不,它没有,MO只是让人们或多或少地 "科学地 "了解到,在纯粹的价格()中,几乎没有来自变化的未来信息。当然有一些 "痕迹",碎屑,但它们是不可预测的,价差/佣金吃掉了一切,原因不是算法而是数据。
大型对冲基金拥有数千倍的数据(每天数千兆字节),他们进行HFT交易,所以你可以用面包屑建立一个包子,我们***简单,各种新框架和***不同于社交网络。
在一个月内向你展示你的第一个(演示或真实的),这个服务的实时信号
或不要呱呱叫
你不可能在麦芽汁上做,这就是为什么你不显示它的原因
如果你失败了,你为什么在这里给人们提供建议?你不能在麦芽汁上这样做,这就是为什么你不显示它。
如果你失败了,为什么还要继续告诉别人好的建议?你要监督吗? 还是要继续喊话?
我不给任何人提供建议。
你最好学习俄语。你要监督吗? 还是要继续打喷嚏?
我不向任何人建议任何事情。
狼吞虎咽