交易中的机器学习：理论、模型、实践和算法交易 - 页 2294

新评论
 
Maxim Dmitrievsky:

阿列克谢，你如何将马丁格尔理论与外汇马丁格尔联系起来，从一种科学的角度来看待MO+马丁格尔？:)

在资产阶级中是同一个词--他们写道，科学的出现是为了解释这种投注方式的无用性)

现在我只能说，股权不应该是马丁格尔，而是亚马丁格尔（或超马丁格尔--我把它们混淆了）--期望值应该增长）我没有更合理的想法）。

 
Aleksey Nikolayev:

在资产阶级中，它是同一个词--它写道，科学的出现是为了解释这种投注方式的无用性)

现在我只能说，股权不应该是马太效应，而是亚马太效应（或超马太效应--我把它们混淆了）--期望值应该增长）还没有更明智的想法)

每一次翻倍，期望值（或者说赢的概率）都会增加，因为你会有第二次、第三次等机会。但这是在你有足够的钱进行翻倍的前提下。

但一旦在100-100000次交易中，你没有足够的...以黑天鹅为例。对马丁斯来说，他们来的次数更多））））。

 
Aleksey Nikolayev:

在资产阶级中，它是同一个词--它写道，科学的出现是为了解释这种投注方式的无用性)

现在我只能说，股权不应该是马太效应，而是亚马太效应（或超马太效应--我把它们混淆了）--期望值应该增长）还没有更明智的想法)

让我们试着像往常一样，以小资产阶级的方式来做 )

 
elibrarius:

预期（或者说赢的概率）随着每次翻倍而增加，因为你有第二次、第三次等等的机会。但这是在你有足够的钱进行翻倍的前提下。

但一旦在100-100000次交易中，你没有足够的...以黑天鹅为例。他们更经常地飞向马丁斯))))。

在SB上，任何系统的期望值都是零（不考虑价差）。关于实际价格，很难说什么，因为预期是抽象的，只存在于数学模型的框架内，确切的价格模型还没有被发明出来。唯一要说的是，如果价格给了一个赚钱的机会，那么在选择交易方向 出现错误的情况下，这个机会就变成了获得追加保证金的机会（特别是在使用马丁的时候）。

 
Maxim Dmitrievsky:

我不明白以这种方式寻找什么。你需要找到特定时期内统计学上明显偏离平均值的情况，或自相关情况

通过低通滤波器而不仅仅是MAH，可能是有意义的。

在计量经济学 中，偏差表示残差中存在未报告的部分。但是，例如在配对交易中，我从来没有见过这么小的数值。

 
Rorschach:

在计量经济学中，偏差表明在残差中存在一个未被考虑的部分。但是在配对交易中，例如，我从来没有见过这么小的数值。

这不是偏离。

 
Aleksey Nikolayev:
还有一个明显的机会，可以对cosnickers的权力进行潜在的有益应用。我们谈论的是一般的随机性测试 和NIST测试，例如。它拥有他们所喜爱的一切--周期、傅里叶、模式等等。的确，那里只测试二进制序列，但你可以把自己限制在检查renko图上，作为一个开始。

这些测试并不全面，我看到一篇文章说随机性测试能够通过音乐。用甘氏网络来做这件事很有意思，但它可能做不到。

 
Maxim Dmitrievsky:

然后，我们将做资产阶级的常规工作 )

计算概率、期望值和对马氏系数的依赖性。顺便说一下，地段风险0.5几乎是一个马丁，持有2年，但结果与0.2的风险相当）。

 
Aleksey Mavrin:

谢谢。顺便思考一下如何重塑指标，我想到了这样一个例子--如果班级是0（30%）和1（70%），那么对于返回通道上的正确值，不是0和1，而是0和0.7（或者0.85？

但我不能马上想到这是否是正确的做法，或这样的数字，或玩弄激活函数等等，也没有马上找到这样的例子。

有一些现成的指标，可以查一查。或者，对于0班来说，给2.33，为1个单位。

 
Valeriy Yastremskiy:

计算概率、期望值和对马丁系数的依赖性。顺便说一下，在一个猫头鹰从一个马特，很多的风险是0.5，这几乎是一个马特和2年持有，但结果是相当的风险0.2）。

由于某些原因，每个人都习惯于把马丁的平均数称为仓位，大多没有意义或过度优化

你可以让地段固定，但仍然使用网格。交易集（进入和退出点）将发生变化，它们在MO的特征空间 中的表现也将发生变化。这就是有趣的一点。

是否会对新数据产生稳定的影响--我不知道。我没有这样一个数学公式。根据经验来检查。
1...228722882289229022912292229322942295229622972298229923002301...3399
新评论