交易中的机器学习:理论、模型、实践和算法交易 - 页 2264 1...225722582259226022612262226322642265226622672268226922702271...3399 新评论 Maxim Dmitrievsky 2021.01.03 09:30 #22631 mytarmailS: 我自己也不太记得了,我记得它改变了一些东西,但不是那么多......。但这是一个完全不同的画面 因为在对数刻度中的指数 增长看起来像一个线性的 ) mytarmailS 2021.01.03 09:44 #22632 Maxim Dmitrievsky: 因为在对数尺度上的指数增长看起来像线性)。 而且从理论上讲,它应该有更好的概括效果 mytarmailS 2021.01.03 10:33 #22633 mytarmailS: 关于生成方法本身,我的一个批评 )当你创建数据并通过模型寻找一个能在 "新数据 "上工作的模型时,你是否意识到这是一种拟合?你是否明白这是一种配合?由于这个 "新数据 "参与了模型的选择,所以它不是"新数据"...它不是很明显,但它是! Maxim Dmitrievsky: 在第3次检查时,是的。 继续这个主题....,挖出了你的那些GMM的旧代码 找到了4个好的模型,它们都在 "像新数据一样 "的有利方面。 GMM模型是在500个点上生成的,在15000个点上测试。 在这里,他们是在真正的新数据上(第三个样本)。 有趣的是,如果我们把最后两个(下沉)模型的开仓信号倒过来,在考虑到佣金的情况下,它们开始赚得很好。 mytarmailS 2021.01.03 16:15 #22634 我正在慢慢地继续我的实验,用健身函数训练神经网络 .... 我想出了这种描述健身函数的方法,我没有教网络实现利润最大化,而是试图教网络 "最大化一个漂亮的收入图"。 什么是"最好看的利润图"? 我把它说成是线性增长线和利润率图 的相关系数 我在跟踪数据上得到了这个平衡,佣金已经考虑在内了 相关系数0.9947626 几乎是1))即使在图上也可以看到它是一把尺子) 蓝色 显示的是5分钟欧元的800 点测试样本 的平衡。 这是 在5千分的测试样本上 的平衡情况 很好))) Maxim Dmitrievsky 2021.01.03 16:25 #22635 mytarmailS: 我正在慢慢地继续我的实验,用健身函数训练神经网络 ....我想出了这种描述健身函数的方法,我没有教网络实现利润最大化,而是试图教网络 "最大化一个漂亮的收入图"。什么是"最好看的利润图"? 我把它说成是线性增长线和利润率图 的相关系数我在跟踪数据上得到了这个平衡,佣金已经考虑在内了相关系数0.9947626 几乎是1))即使在图上也可以看到它是一把尺子)蓝色 显示的是5分钟欧元的800 点测试样本 的平衡。这是 在5千分的测试样本上 的平衡情况酷)))。 你在期待别的东西吗?) Maxim Dmitrievsky 2021.01.03 16:26 #22636 mytarmailS: 那么,从理论上讲,它应该对归纳总结有更好的效果。 它不欠任何人任何东西。 mytarmailS 2021.01.03 16:35 #22637 Maxim Dmitrievsky: 你期待的是不同的东西吗?)相反,我很高兴,为最大的利润而训练,例如,在测试中是一个彩票,这里至少是一个稳定的小岛。 5分钟图上的800点并不算太少 Rorschach 2021.01.03 16:46 #22638 Maxim Dmitrievsky: 反之则更难。与MO在逻辑上。几乎是不可能的,你只能大概了解一下 IO只能被另一个更强的IO打破 反向网格是一个有趣的话题。 在输入端放上噪音。在输出端获取频谱。在其上建立一个过滤器。 然后就会发现,用袋子的组合也有可能得到类似的结果。 然后我们将来到使用随机卷积包(我忘记了它的名字)。 然后幻想就会走到尽头......。 黑暗。黑暗。工厂。 Rorschach 2021.01.03 16:47 #22639 mytarmailS: 我正在慢慢地继续我的实验,用健身函数训练神经网络 ....我想出了这种描述健身函数的方法,我没有教网络实现利润最大化,而是试图教网络 "最大化一个漂亮的收入图"。什么是"最好看的利润图"? 我把它说成是线性增长线和利润率图 的相关系数我在跟踪数据上得到了这个平衡,佣金已经考虑在内了相关系数0.9947626 几乎是1))即使在图上也可以看到它是一把尺子)蓝色 显示的是5分钟欧元的800 点测试样本 的平衡。这是 在5千分的测试样本上 的平衡情况有趣)))。 在配对交易中也是如此,寻找漂亮的点差,但在OOXX上,它一下子就跑了。 Maxim Dmitrievsky 2021.01.03 16:54 #22640 mytarmailS: 继续这个主题....,挖出了你的那些GMM的旧代码这里发现了4个好的模型,它们在 "像新的数据 "上是有优势的。在500个点上生成了GMM模型,在15000个点上进行了测试。他们在这里,有真正的新数据(第三个样本)。有趣的是,如果我们把最后两个(耗费)模型的开仓信号倒过来,那么在考虑到佣金的情况下,它们开始赚得很好。 不管你怎么教,这个模式就到此为止。如果你不知道这两者之间的区别,你可能需要使用其他例子。 1...225722582259226022612262226322642265226622672268226922702271...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
我自己也不太记得了,我记得它改变了一些东西,但不是那么多......。但这是一个完全不同的画面
因为在对数刻度中的指数 增长看起来像一个线性的 )
因为在对数尺度上的指数增长看起来像线性)。
而且从理论上讲,它应该有更好的概括效果
关于生成方法本身,我的一个批评 )
当你创建数据并通过模型寻找一个能在 "新数据 "上工作的模型时,你是否意识到这是一种拟合?你是否明白这是一种配合?
由于这个 "新数据 "参与了模型的选择,所以它不是"新数据"...它不是很明显,但它是!
在第3次检查时,是的。
继续这个主题....,挖出了你的那些GMM的旧代码
找到了4个好的模型,它们都在 "像新数据一样 "的有利方面。
GMM模型是在500个点上生成的,在15000个点上测试。
在这里,他们是在真正的新数据上(第三个样本)。
有趣的是,如果我们把最后两个(下沉)模型的开仓信号倒过来,在考虑到佣金的情况下,它们开始赚得很好。
我正在慢慢地继续我的实验,用健身函数训练神经网络 ....
我想出了这种描述健身函数的方法,我没有教网络实现利润最大化,而是试图教网络 "最大化一个漂亮的收入图"。
什么是"最好看的利润图"? 我把它说成是线性增长线和利润率图 的相关系数
我在跟踪数据上得到了这个平衡,佣金已经考虑在内了
相关系数0.9947626 几乎是1))即使在图上也可以看到它是一把尺子)
蓝色 显示的是5分钟欧元的800 点测试样本 的平衡。
这是 在5千分的测试样本上 的平衡情况
很好)))
我正在慢慢地继续我的实验,用健身函数训练神经网络 ....
我想出了这种描述健身函数的方法,我没有教网络实现利润最大化,而是试图教网络 "最大化一个漂亮的收入图"。
什么是"最好看的利润图"? 我把它说成是线性增长线和利润率图 的相关系数
我在跟踪数据上得到了这个平衡,佣金已经考虑在内了
相关系数0.9947626 几乎是1))即使在图上也可以看到它是一把尺子)
蓝色 显示的是5分钟欧元的800 点测试样本 的平衡。
这是 在5千分的测试样本上 的平衡情况
酷)))。
你在期待别的东西吗?)
那么,从理论上讲,它应该对归纳总结有更好的效果。
它不欠任何人任何东西。
你期待的是不同的东西吗?)
相反,我很高兴,为最大的利润而训练,例如,在测试中是一个彩票,这里至少是一个稳定的小岛。
5分钟图上的800点并不算太少反之则更难。与MO在逻辑上。几乎是不可能的,你只能大概了解一下
IO只能被另一个更强的IO打破反向网格是一个有趣的话题。
在输入端放上噪音。在输出端获取频谱。在其上建立一个过滤器。
然后就会发现,用袋子的组合也有可能得到类似的结果。
然后我们将来到使用随机卷积包(我忘记了它的名字)。
然后幻想就会走到尽头......。
黑暗。黑暗。工厂。
我正在慢慢地继续我的实验,用健身函数训练神经网络 ....
我想出了这种描述健身函数的方法,我没有教网络实现利润最大化,而是试图教网络 "最大化一个漂亮的收入图"。
什么是"最好看的利润图"? 我把它说成是线性增长线和利润率图 的相关系数
我在跟踪数据上得到了这个平衡,佣金已经考虑在内了
相关系数0.9947626 几乎是1))即使在图上也可以看到它是一把尺子)
蓝色 显示的是5分钟欧元的800 点测试样本 的平衡。
这是 在5千分的测试样本上 的平衡情况
有趣)))。
在配对交易中也是如此,寻找漂亮的点差,但在OOXX上,它一下子就跑了。
继续这个主题....,挖出了你的那些GMM的旧代码
这里发现了4个好的模型,它们在 "像新的数据 "上是有优势的。
在500个点上生成了GMM模型,在15000个点上进行了测试。
他们在这里,有真正的新数据(第三个样本)。
有趣的是,如果我们把最后两个(耗费)模型的开仓信号倒过来,那么在考虑到佣金的情况下,它们开始赚得很好。
不管你怎么教,这个模式就到此为止。如果你不知道这两者之间的区别,你可能需要使用其他例子。