交易中的机器学习：理论、模型、实践和算法交易 - 页 2260

新评论
 
fxsaber:

明显的问题被忽视多久了？

早就被忽略了，在boxplots文章之后 )

 
Maxim Dmitrievsky:

早就被忽略了，在boxplots文章之后 )

那么明显的晚间黄牛，持有多年的黄牛，早就应该被亮出来了。整个市场都是这样的。他们在市场上的销售收入每年达数百万美元（$）。

 
fxsaber:

那么明显的晚间黄牛，坚守多年，早就应该被点燃了。整个市场都是这样的。他们在市场上的销售额是每年数百万（美元）。

我没有能力为蜱虫做一个MO。这种东西会像超级利润一样被抢购一空。而且这更像是一个定位的TS

我认为，如果你仔细观察，市场上的情况并不那么乐观。上面有几个相对较好的，就这样了
 
一个有趣的话题--用MO从信号市场做一个反向TC。这其实很简单。
 
Maxim Dmitrievsky:
是一个很酷的话题--用MO的信号超市做一个反向TC。这其实很简单。

市场产品的封闭小组/信号并不是凭空存在的。

 
fxsaber:

市场产品的封闭小组/信号并不是凭空存在的。

但反过来说，已经比较困难了。与MO在逻辑上。几乎是不可能的，你只能大概了解一下

MO只能被另一个更强大的MO所打破
 
  1. 感兴趣的市场产品在测试器中进行比赛--大量输入向量的自动运行。
  2. 对于每一个人，我们从tst文件（格式开放）中获取交易和输入向量。
  3. 然后我们在这个数据库中填入很多其他的交易点的 "指标"。
  4. 在数据库的前半部分，我们进行教学，在后半部分我们进行检查。
如果需要，所有四个点都可以完全自动化。


我怀疑有些MO能够重新设计这样的TS：它在过去寻找与当前最相似的网站。如果从统计学上看，有进一步向某个方向移动的优势--这就是我们的信号。

如果在此之前，为了简单起见，搜索类似的片段不是在价格系列上进行，而是在一个转换的价格系列上进行，例如，ZigZags或条形被二进制逻辑取代：up(0)/down(1)。那么MO的再造任务就变得相当复杂。

 
fxsaber:
  1. 感兴趣的市场产品在测试器中进行比赛--大量输入向量的自动运行。
  2. 对于每一个人，我们从tst文件（格式开放）中获取交易和输入向量。
  3. 然后我们在这个数据库中填入很多其他的交易点的 "指标"。
  4. 在数据库的前半部分，我们进行教学，在后半部分我们进行检查。
如果需要，所有四个点都可以完全自动化。

是的。在Python中，它是一个童话故事。但对于ticks来说，它需要很多代码优化，因为它太慢了。主要的障碍是训练分类器，其他的都是垃圾。但这种减速只能通过强大的硬件来避免，反正所有模型都是C语言。

阵列处理--也是用C语言速度。以Python fs的形式存在少量开销，仅此而已
 
Maxim Dmitrievsky:

因为它很慢。

因为没有必要进行正面攻击。优势不在于那些能够创建复杂模型的人，而在于那些能够快速敲击的人：比其他人快几个数量级。

 
fxsaber:

因为没有必要进行正面攻击。优势不在于谁能创建复杂的模型，而在于谁的锤子速度非常快：比其他人快几个数量级。

哼......用一个好的现代模型代替一千把锤子

复杂的模型是一个巨大的优势，但为了达到这个目的，你需要花费几年的时间，而这些时间已经被成功地花费了

1...225322542255225622572258225922602261226222632264226522662267...3399
新评论