交易中的机器学习：理论、模型、实践和算法交易 - 页 230

[Реter Konow]

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]

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]

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]

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]

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]

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=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。

[Andrey Dik]

超越梦想者。

...

我同意你的观点。

[toxic]

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/

[mytarmailS]

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]

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。