交易中的机器学习:理论、模型、实践和算法交易 - 页 230 1...223224225226227228229230231232233234235236237...3399 新评论 Реter Konow 2016.11.26 12:32 #2291 因此,我对 "机器学习 "如何实现与MQL交易有关的概念。首先是关于基本概念。1.签名 是对参数值变化特征的数字描述。签名是 通过一种特殊的算法进行的。它有一个格式。它被存储在一个特殊的块(数组)中。它是所有算法、计算和操作的最终结果。2.当期--一个既定的时间段。它是在一个环形缓冲器中实现的,参数值通过该缓冲器。每个新值都会移动整个以前记录的队列,并占据数组的头部,而最旧的值则被删除。可以有很多电流期,每个电流期都可以专门用于不同的时间尺度和不同的参数。3.参数值范围- 一个参数的值在其中变化的范围。它是在系统测试期间根据经验设定的。最小值和最大值之间的范围可以包括划分为更小的范围,起到打破参数值的全部范围的作用,并使其达到一个方便的尺度。4.传入值之间的时间 间隔--在数值到达环形缓冲区时测量。随着范围的扩大,有必要对价值变化的性质和随后的数学分析进行汇编。5.价值变化曲线- 有条件的、程序内的价值 变化,它结合了价值 本身和它们之间的时间间隔。其结果是一个图形曲线(用二维阵列表示),可以应用各种数学分析方法。6.数学过滤器--分析方法(公式)揭示了当前时期内价值 变化的各种特征。 7.价值减少到一个范围- 总结当前价值,以减少其变体的数量。在变异 分析中需要它。8.签名统计收集- 在系统测试期间或在实际条件下运行期间进行的过程。实际上,系统的 "经验 "被收集起来,它与代表各种参数值的各种行为特征 的各种情况的 "相识 "被进行了。这些签名被储存在一个特殊的数据库中。 9.签名数据库- 储存所有实际签名的内存块。储存系统 "经验 "的地方,通过不断的统计选择进行过滤。在数据库中,相关的签名被选择和轮换,不太相关的签名被逐渐取代。选择是由当前时期驱动的,某些签名在创建后被带入数据库(当然是在分析和过滤数值后)。 最经常出现的签名被挤掉了不经常出现的签名。系统工作过程的描述。让我们想象一个程序引擎--一方面接收参数值,另一方面给出它们在不同时期变化模式的现成签名。一个引擎,也将这些签名存储在数据库中,并在数据库中轮流使用。假设一个用户仅仅通过将引擎指向预定义的变量 或环境参数来输入一组参数。这些参数开始被发动机 "观察"。也就是说,它们的数值进入循环缓冲区,按时间段进行折叠,并通过数学过滤器进行分析。结果是--完成的签名被送入数据库。然后,用户开始 "训练 "引擎,具体操作如下。将其战略的输入参数值与特定的签名联系起来。也就是说,设置输入参数值 对当前情况的特定数字 "铸造 "的依赖性。 另外,用户可以将他的函数调用与选定的签名联系起来,只需对这些调用进行索引。引擎将按所选签名上的编号调用用户定义的函数。然而,该系统在这个阶段并不是独立的,因为用户必须通过将其策略输入参数的最佳值与特定签名联系起来,手动 "训练 "该系统。让我们想象一下,该系统如何能够进一步发展,实现完全独立。为此,系统不仅要在学习阶段收集签名,还要同时优化策略的输入参数,以便获得这一策略的最大利润。在达到最大利润率的时刻,输入参数的值将与反映这些值最有效的情况的具体签名相联系。然后拥有一套反映各种市场情况的签名,系统将为每种情况提供现成的策略输入参数设置。//===================================================================================这种方法可能与机器学习的经典理解无关,但它在交易中实现了自己的目的,这一点是肯定的。到目前为止,这都是笼统的说法,但我对这种方法的有效性和在MQL中实施的可行性毫不怀疑。 请分享IO专家和其他对此感兴趣的人的意见。谢谢你的关注。 toxic 2016.11.26 13:06 #2292 pantural。非常感谢你,这正是医生所要求的。短暂而简明!10行中的所有MO!Pantural很高兴,Pantural感谢您!哟嘿,卡蒙!double perceptron() { double w1 = x1 - 100; double w2 = x2 - 100; double w3 = x3 - 100; double w4 = x4 - 100; double a1 = iAC(Symbol(), 0, 0); double a2 = iAC(Symbol(), 0, 7); double a3 = iAC(Symbol(), 0, 14); double a4 = iAC(Symbol(), 0, 21); return(w1 * a1 + w2 * a2 + w3 * a3 + w4 * a4); }现在你可以分辨出幼稚的天真和肥胖的巨魔之间的区别了......。但显然是前者。pantural。大家好。我是Pantural。我第三次试图在外汇上定居,我觉得这是个好东西,但生活的轨迹是弯曲的,除了梅花2个Depo各200美元,它还没有来。我正在努力做一些好的结果,现在比4年前更多了,至少传播是令人惊叹的酷(哦,我的上帝!这是pantural!哇!)。 Andrey Dik 2016.11.26 13:20 #2293 标签 Konow:因此,我对 "机器学习 "如何实现与MQL交易有关的概念。MO是什么语言并不重要,这里重要的是,这里考虑的是MO的概念,如下所示。1.我想到了一个想法2.我们从R的第一个可用包3.测试一下,确定这个包是垃圾,或者根据想法给出不满意的结果,去第2点尝试所有包。当你的包裹用完时,请转到步骤1。你试图同化或实施的东西,在这里不会被理解,最多就是被称为巨魔。 Реter Konow 2016.11.26 13:32 #2294 安德烈-迪克MO是什么语言并不重要,重要的是这是对MO概念的看法,如下所示。1.我想到了一个想法。2.我们从R中得到了我们看到的第一个包3.检查一下,确定这个包是垃圾,或者根据想法给出不满意的结果,去第2点尝试所有的包。当你的包裹用完时,请转到步骤1。而你试图同化或实现的东西--你在这里不会被理解,在最好的情况下,他们会宣布你是一个巨魔。我同意前三点。但这些都是有这种行为的普通用户。有一些专家必须了解我在写什么。 如果他们对概念的本质也无话可说,那就意味着当地的框架非常狭窄,不允许任何自由思考。让我们来看看... Andrey Dik 2016.11.26 13:37 #2295 标签 Konow:我同意前三点。但是普通用户才会有这样的行为。有一些专家应该明白我在写什么。 如果他们对概念的本质无话可说,那么当地的框架就非常狭窄,不允许任何自由思考。让我们来看看...不是普通的用户,而是非常聪明的用户,有些是博士,但他们是R用户,这就说明了一切。你可以和尤里-雷谢托夫谈这个问题,但他也没有耐心在这里长期写什么。 transcendreamer 2016.11.26 13:37 #2296 mytarmailS:毒物 所显示的是一种聚类,但有一个老师,一开始的点是标志,或者说是它们的数字参数,你有一个目标拜和一个取,你在训练前标出哪里有增长(买)和下降(取),然后算法开始愚蠢地用目标划分标志的参数,比如蓝色区域是买,红色是取。但现在,最新的嗡嗡声是这样的https://www.youtube.com/watch?v=05rEefXlmhIhttps://www.youtube.com/watch?v=qv6UVOQ0F44https://www.youtube.com/watch?v=xcIBoPuNIiw但我是个十足的书呆子。而这个人是搞笑的)。https://www.youtube.com/watch?v=pgaEE27nsQw感谢这些视频,跳跃的恐龙特别是提供))))。我认为,Mario的神经网络说明了一个重要的问题。你可以训练一个算法来通过一个特定的水平(甚至是一个非常困难的水平)。但这并不意味着它将在另一个层面上取得同样的成功如果你仔细看一下这个机器人是如何通过关卡的,就会发现这只是一个调整,机器人并不了解情况,也 没有真正的玩家智慧。网络刚刚接上了按钮的时间。你可以从马里奥把脸戳进障碍物和跳到墙上的方式看出来。他的成功是随机的而不是逻辑的就像外汇一样,一个机器人可以成功地通过一个部分/水平,但却不能通过另一个部分。因为他没有交易员的智慧,而机器人 "不明白 "他在做什么......为了在任何领域/层次上取得成功,机器人应该有一个它所处世界的对象模型。也就是说,该算法不仅要优化模式该算法必须使用语义类别进行操作,并描述交易者/游戏者所看到的情况。机器人必须区分物体的类型和它们的特征,并动态地评估情况的危险性。而这需要的启发式方法与简单的神经网络优化完全不同。学习的结果必须是一个语义模型和关于对象和过程的知识。如果他们没有,那么交易机器人就注定要被随机戳穿。从机器人的交易历史中往往可以看出,算法对交易情况的评估是多么的愚蠢。并在一个正常人的交易员永远不会涉及的地方出现。这就是为什么我对机器人技术感到悲观的原因你最多可以用处理一些典型情况的形式对该领域进行描述,制作一个半机器人(例如:平仓或趋势逆转)但无论如何,你需要注意你的机器人,以防止它像马里奥机器人那样在新的水平上做不正常的事情。 Andrey Dik 2016.11.26 13:39 #2297 超越梦想者。... 我同意你的观点。 toxic 2016.11.26 13:43 #2298 标签 Konow:我同意前三点。但这样的行为是普通用户的行为。有一些专家必须了解我在写什么。 如果他们对概念的本质无话可说,那就意味着当地的框架非常狭窄,不允许任何自由思考。让我们来看看... 国防部首先是一门工程艺术,其结果证明了任何概念的合理性。给我结果。这里有一个挑战:https://numer.ai/ Numerai numer.ai A new kind of hedge fund built by a network of data scientists. mytarmailS 2016.11.26 13:46 #2299 标签 Konow:因此,我对 "机器学习 "如何实现与MQL交易有关的概念。首先关于基本概念:...................请向MQL专家和其他有兴趣的人提出意见。我将从基础知识开始:首先我将从机器学习的基础知识开始。我个人甚至不了解它 )但我可能,我不认为自己是专家。 Реter Konow 2016.11.26 13:56 #2300 国防部首先是一门工程艺术,其结果证明了任何概念的合理性。给我结果。挑战是这样的:https://numer.ai/ 那么,如何掌握它呢?否则--"给,给...".))我将制作这个引擎。但在主要项目 完成后。 1...223224225226227228229230231232233234235236237...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
因此,我对 "机器学习 "如何实现与MQL交易有关的概念。
首先是关于基本概念。
1.签名 是对参数值变化特征的数字描述。签名是 通过一种特殊的算法进行的。它有一个格式。它被存储在一个特殊的块(数组)中。它是所有算法、计算和操作的最终结果。
2.当期--一个既定的时间段。它是在一个环形缓冲器中实现的,参数值通过该缓冲器。每个新值都会移动整个以前记录的队列,并占据数组的头部,而最旧的值则被删除。可以有很多电流期,每个电流期都可以专门用于不同的时间尺度和不同的参数。
3.参数值范围- 一个参数的值在其中变化的范围。它是在系统测试期间根据经验设定的。最小值和最大值之间的范围可以包括划分为更小的范围,起到打破参数值的全部范围的作用,并使其达到一个方便的尺度。
4.传入值之间的时间 间隔--在数值到达环形缓冲区时测量。随着范围的扩大,有必要对价值变化的性质和随后的数学分析进行汇编。
5.价值变化曲线- 有条件的、程序内的价值 变化,它结合了价值 本身和它们之间的时间间隔。其结果是一个图形曲线(用二维阵列表示),可以应用各种数学分析方法。
6.数学过滤器--分析方法(公式)揭示了当前时期内价值 变化的各种特征。
7.价值减少到一个范围- 总结当前价值,以减少其变体的数量。在变异 分析中需要它。
8.签名统计收集- 在系统测试期间或在实际条件下运行期间进行的过程。实际上,系统的 "经验 "被收集起来,它与代表各种参数值的各种行为特征 的各种情况的 "相识 "被进行了。这些签名被储存在一个特殊的数据库中。
9.签名数据库- 储存所有实际签名的内存块。储存系统 "经验 "的地方,通过不断的统计选择进行过滤。在数据库中,相关的签名被选择和轮换,不太相关的签名被逐渐取代。选择是由当前时期驱动的,某些签名在创建后被带入数据库(当然是在分析和过滤数值后)。 最经常出现的签名被挤掉了不经常出现的签名。
系统工作过程的描述。
让我们想象一个程序引擎--一方面接收参数值,另一方面给出它们在不同时期变化模式的现成签名。一个引擎,也将这些签名存储在数据库中,并在数据库中轮流使用。
假设一个用户仅仅通过将引擎指向预定义的变量 或环境参数来输入一组参数。这些参数开始被发动机 "观察"。也就是说,它们的数值进入循环缓冲区,按时间段进行折叠,并通过数学过滤器进行分析。结果是--完成的签名被送入数据库。
然后,用户开始 "训练 "引擎,具体操作如下。
将其战略的输入参数值与特定的签名联系起来。也就是说,设置输入参数值 对当前情况的特定数字 "铸造 "的依赖性。 另外,用户可以将他的函数调用与选定的签名联系起来,只需对这些调用进行索引。引擎将按所选签名上的编号调用用户定义的函数。
然而,该系统在这个阶段并不是独立的,因为用户必须通过将其策略输入参数的最佳值与特定签名联系起来,手动 "训练 "该系统。让我们想象一下,该系统如何能够进一步发展,实现完全独立。
为此,系统不仅要在学习阶段收集签名,还要同时优化策略的输入参数,以便获得这一策略的最大利润。在达到最大利润率的时刻,输入参数的值将与反映这些值最有效的情况的具体签名相联系。然后拥有一套反映各种市场情况的签名,系统将为每种情况提供现成的策略输入参数设置。
//===================================================================================
这种方法可能与机器学习的经典理解无关,但它在交易中实现了自己的目的,这一点是肯定的。到目前为止,这都是笼统的说法,但我对这种方法的有效性和在MQL中实施的可行性毫不怀疑。
请分享IO专家和其他对此感兴趣的人的意见。
谢谢你的关注。
非常感谢你,这正是医生所要求的。短暂而简明!10行中的所有MO!Pantural很高兴,Pantural感谢您!哟嘿,卡蒙!
{
double w1 = x1 - 100;
double w2 = x2 - 100;
double w3 = x3 - 100;
double w4 = x4 - 100;
double a1 = iAC(Symbol(), 0, 0);
double a2 = iAC(Symbol(), 0, 7);
double a3 = iAC(Symbol(), 0, 14);
double a4 = iAC(Symbol(), 0, 21);
return(w1 * a1 + w2 * a2 + w3 * a3 + w4 * a4);
}
现在你可以分辨出幼稚的天真和肥胖的巨魔之间的区别了......。
但显然是前者。
大家好。我是Pantural。
我第三次试图在外汇上定居,我觉得这是个好东西,但生活的轨迹是弯曲的,除了梅花2个Depo各200美元,它还没有来。我正在努力做一些好的结果,现在比4年前更多了,至少传播是令人惊叹的酷(哦,我的上帝!这是pantural!哇!)。
因此,我对 "机器学习 "如何实现与MQL交易有关的概念。
MO是什么语言并不重要,这里重要的是,这里考虑的是MO的概念,如下所示。
1.我想到了一个想法
2.我们从R的第一个可用包
3.测试一下,确定这个包是垃圾,或者根据想法给出不满意的结果,去第2点尝试所有包。当你的包裹用完时,请转到步骤1。
你试图同化或实施的东西,在这里不会被理解,最多就是被称为巨魔。
MO是什么语言并不重要,重要的是这是对MO概念的看法,如下所示。
1.我想到了一个想法。
2.我们从R中得到了我们看到的第一个包
3.检查一下,确定这个包是垃圾,或者根据想法给出不满意的结果,去第2点尝试所有的包。当你的包裹用完时,请转到步骤1。
而你试图同化或实现的东西--你在这里不会被理解,在最好的情况下,他们会宣布你是一个巨魔。
我同意前三点。但这些都是有这种行为的普通用户。有一些专家必须了解我在写什么。
如果他们对概念的本质也无话可说,那就意味着当地的框架非常狭窄,不允许任何自由思考。让我们来看看...
我同意前三点。但是普通用户才会有这样的行为。有一些专家应该明白我在写什么。
如果他们对概念的本质无话可说,那么当地的框架就非常狭窄,不允许任何自由思考。让我们来看看...
不是普通的用户,而是非常聪明的用户,有些是博士,但他们是R用户,这就说明了一切。
你可以和尤里-雷谢托夫谈这个问题,但他也没有耐心在这里长期写什么。
毒物 所显示的是一种聚类,但有一个老师,一开始的点是标志,或者说是它们的数字参数,你有一个目标拜和一个取,你在训练前标出哪里有增长(买)和下降(取),然后算法开始愚蠢地用目标划分标志的参数,比如蓝色区域是买,红色是取。
但现在,最新的嗡嗡声是这样的
https://www.youtube.com/watch?v=05rEefXlmhI
https://www.youtube.com/watch?v=qv6UVOQ0F44
https://www.youtube.com/watch?v=xcIBoPuNIiw
但我是个十足的书呆子。
而这个人是搞笑的)。
https://www.youtube.com/watch?v=pgaEE27nsQw
感谢这些视频,跳跃的恐龙特别是提供))))。
我认为,Mario的神经网络说明了一个重要的问题。
你可以训练一个算法来通过一个特定的水平(甚至是一个非常困难的水平)。
但这并不意味着它将在另一个层面上取得同样的成功
如果你仔细看一下这个机器人是如何通过关卡的,就会发现
这只是一个调整,机器人并不了解情况,也 没有真正的玩家智慧。
网络刚刚接上了按钮的时间。
你可以从马里奥把脸戳进障碍物和跳到墙上的方式看出来。
他的成功是随机的而不是逻辑的
就像外汇一样,一个机器人可以成功地通过一个部分/水平,但却不能通过另一个部分。
因为他没有交易员的智慧,而机器人 "不明白 "他在做什么......
为了在任何领域/层次上取得成功,机器人应该有一个它所处世界的对象模型。
也就是说,该算法不仅要优化模式
该算法必须使用语义类别进行操作,并描述交易者/游戏者所看到的情况。
机器人必须区分物体的类型和它们的特征,并动态地评估情况的危险性。
而这需要的启发式方法与简单的神经网络优化完全不同。
学习的结果必须是一个语义模型和关于对象和过程的知识。
如果他们没有,那么交易机器人就注定要被随机戳穿。
从机器人的交易历史中往往可以看出,算法对交易情况的评估是多么的愚蠢。
并在一个正常人的交易员永远不会涉及的地方出现。
这就是为什么我对机器人技术感到悲观的原因
你最多可以用处理一些典型情况的形式对该领域进行描述,制作一个半机器人
(例如:平仓或趋势逆转)
但无论如何,你需要注意你的机器人,以防止它像马里奥机器人那样在新的水平上做不正常的事情。
...
我同意前三点。但这样的行为是普通用户的行为。有一些专家必须了解我在写什么。
如果他们对概念的本质无话可说,那就意味着当地的框架非常狭窄,不允许任何自由思考。让我们来看看...
国防部首先是一门工程艺术,其结果证明了任何概念的合理性。给我结果。这里有一个挑战:https://numer.ai/
因此,我对 "机器学习 "如何实现与MQL交易有关的概念。
首先关于基本概念:...................
请向MQL专家和其他有兴趣的人提出意见。
我将从基础知识开始:首先我将从机器学习的基础知识开始。
我个人甚至不了解它 )
但我可能,我不认为自己是专家。
国防部首先是一门工程艺术,其结果证明了任何概念的合理性。给我结果。挑战是这样的:https://numer.ai/