交易中的机器学习：理论、模型、实践和算法交易 - 页 2473 1...246624672468246924702471247224732474247524762477247824792480...3399 新评论 Evgeny Dyuka 2021.10.26 11:35 #24721 Alexander Ivanov#: 下午好!一个聪明的人曾经说过。-一个神经网络就是一个神经网络，但基础会打破一切。所以我们是在浪费时间？或者说我们是吗？请向我这个没有经验的人解释一下吧。 有一种分析是更差或更好的，但适用于任何基础，一个神经网络参与分析，这意味着它可以预测基础不受强烈影响的情况。 Aleksey Nikolayev 2021.10.26 11:49 #24722 Vasiliy Sokolov#: 计量经济学是一门伟大的科学。但它并没有说什么，也没有预测什么。它说明了一个事实。例如，人们可以做一个贝叶斯分类器，对它进行长时间的折磨，然后从经济学和科学的角度得出结论：价格是马丁格尔的，最好的策略是买入，同时卖出。 如果目的是为了确定价格马太效应，你可以停在那里，如果不是 - 检查其他因素。 Renat Akhtyamov 2021.10.26 12:19 #24723 Alexander Ivanov#: 下午好!一个聪明的人曾经说过。-一个神经网络就是一个神经网络，但基础会打破一切。所以我们是在浪费时间？还是我们？请向我解释，如果你是个无知的人。 基础并没有打破什么，神经网络也没有，玻璃也没有，计量经济学也没有，等等。 是市场的平衡打破了一切。 而不是别的什么 Evgeniy Ilin 2021.10.26 13:25 #24724 Mikhail Mishanin#: 你在寻找什么？从你的文章中一点也看不出来，告诉我。 对我来说，录制一段视频并上传到YouTube上更容易，比起写大量的文字，更容易清楚地展示。更确切地说，如果我说我已经找到了一个可能的解决方案，很多人就会喜欢它。至于其余的文章，有更多的理论，我希望有人会觉得有用。不幸的是，我不可能独自完成这一切。我有很多想法，很多知识，但我没有足够的实力去实现它们，所以我只设法做出了一个解决方案，我需要动态地测试它，但我没有这方面的资源。目前，我遇到的只是计算能力的短缺，其余的都是需要的。总之，我需要服务器，越多、越强大越好。这里有一段视频： https://youtu.be/NLA0u172oTw BillionerClub 2021.10.26 13:32 #24725 Alexander Ivanov#: 下午好!一个聪明的人曾经说过。-一个神经网络就是一个神经网络，但基础会打破一切。所以我们是在浪费时间？或者说我们是吗？请向我这个无知的人解释。 团队现在赚了--也就是说，交易员在企业的组织层面上输了。 每个人都要管好自己的事。 长期而言，交易者可以进行交易，但越是低到噪音水平，越需要一个有组织的团队。而一个交易员自己赚钱而不与人分享是无稽之谈。 你需要一个足够的风险管理人。 充足的贸易商 足够的量化指标 处理基金客户的女孩 也许在无组织的市场上有一些，但目前都没有效率，它们很快就消失了。 JeeyCi 2021.10.26 14:01 #24726 Evgeny Dyuka#: ，有一种分析是更坏或更好的，但适用于任何基础，一个神经网络参与分析，所以它可以预测，当基础影响不大 +1 时间管理没有被任何自动化所取消。2周后一次（FOMC开会时）--不要依赖TA，只依赖FA（和DB中的一些先决条件）...它顺便开会（对其BP国际收支的当前事务作出决定），并说--在不同的时间...所以 - 在他说话的那一刻听到和理解，这并不重要，反正散户交易者（作为最不知情的人）只理解 "a-post"......但所有时机的细微差别（谁在什么时候进入市场，为了什么目的）必须至少在一般情况下想象...... Alexander Ivanov 2021.10.26 14:11 #24727 明白了，谢谢你的回答:) mytarmailS 2021.10.26 14:22 #24728 Evgeniy Ilin#: 对我来说，录制一段视频并上传到YouTube上更容易，比起写大量的文字，更容易清楚地展示。 问题是，对于这种类型的 新数据模型，立即就会被淘汰，而且不会得到交叉验证或其他方面的帮助...... 而且，使用什么样的引用函数 并不重要 无论是多项式近似还是 滤波器级联或 自动生成的过滤器级联或 线性回归的近似级联（MGUA）或 传统谐波的近似值等... 从本质上讲，应该使用哪种参考函数 进行逼近（近似）并不重要，大致上都是一样的，问题是不同的 要么数据是错的，要么我们教错了，因为所有的方法都有相同的结果......。 Dmytryi Nazarchuk 2021.10.26 14:45 #24729 JeeyCi#: +1 时间管理并没有因为任何自动化而被废除。每两周一次（当FOMC开会时）--不要依靠TA，只依靠FA（以及DB中的一些先决条件）...它顺便开会（对其BP国际收支的当前事务作出决定），并说--在不同的时间...所以--在他说话的那一刻，按照他的理解，这并不重要，反正散户交易者（作为最不知情的人）只会理解 "a-after"......但所有关于时机的细微差别（谁在什么时候进入市场，为了什么目的）必须至少在一般情况下被想象出来...... в...你....你自己....交易....？ FOMC....sits....not....two....times....в....月，但....8..... 次....в....year.... Evgeniy Ilin 2021.10.26 15:16 #24730 mytarmailS#: 我做了一个完整的自动机，这很酷，但问题是，对于这种类型的 新数据模型，会直接进入死区，交叉验证和其他任何东西都不能帮助它们......而且，使用什么样的引用函数 并不重要无论是多项式近似还是滤波器级联或自动生成的过滤器级联或线性回归的近似级联（MGUA）或传统谐波的近似值等...从本质上讲，应该使用哪种参考函数 进行逼近（近似）并不重要，大致上都是一样的，问题是不同的要么数据是错的，要么我们教错了，因为所有的方法都有相同的结果......。 这里有一些道理，但我检查了我的模型，主要是要知道远期利率。问题是在再训练中，我们应该争取分析的数据与最终的标准集的最大比例，否则的话，就会出现数据压缩，例如你可以分析抛物线图上的数据，把几千个点减少到三个系数A*X^2+B*X+C。那是数据压缩质量较高的地方--那是前进的地方。考虑到这种数据压缩，可以通过引入适当的质量标度指标来控制再培训。在我的案例中，它是以一种更简单的方式完成的--我们采取固定数量的系数，并尽可能地采取大的样本量，它的效率较低，但很有效。 1...246624672468246924702471247224732474247524762477247824792480...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
下午好!
一个聪明的人曾经说过。-一个神经网络就是一个神经网络，但基础会打破一切。
所以我们是在浪费时间？或者说我们是吗？
请向我这个没有经验的人解释一下吧。
计量经济学是一门伟大的科学。但它并没有说什么，也没有预测什么。它说明了一个事实。例如，人们可以做一个贝叶斯分类器，对它进行长时间的折磨，然后从经济学和科学的角度得出结论：价格是马丁格尔的，最好的策略是买入，同时卖出。
如果目的是为了确定价格马太效应，你可以停在那里，如果不是 - 检查其他因素。
下午好!
一个聪明的人曾经说过。-一个神经网络就是一个神经网络，但基础会打破一切。
所以我们是在浪费时间？还是我们？
请向我解释，如果你是个无知的人。
基础并没有打破什么，神经网络也没有，玻璃也没有，计量经济学也没有，等等。
是市场的平衡打破了一切。
而不是别的什么
你在寻找什么？从你的文章中一点也看不出来，告诉我。
对我来说，录制一段视频并上传到YouTube上更容易，比起写大量的文字，更容易清楚地展示。更确切地说，如果我说我已经找到了一个可能的解决方案，很多人就会喜欢它。至于其余的文章，有更多的理论，我希望有人会觉得有用。不幸的是，我不可能独自完成这一切。我有很多想法，很多知识，但我没有足够的实力去实现它们，所以我只设法做出了一个解决方案，我需要动态地测试它，但我没有这方面的资源。目前，我遇到的只是计算能力的短缺，其余的都是需要的。总之，我需要服务器，越多、越强大越好。这里有一段视频：
https://youtu.be/NLA0u172oTw
下午好!
一个聪明的人曾经说过。-一个神经网络就是一个神经网络，但基础会打破一切。
所以我们是在浪费时间？或者说我们是吗？
请向我这个无知的人解释。
团队现在赚了--也就是说，交易员在企业的组织层面上输了。
每个人都要管好自己的事。
长期而言，交易者可以进行交易，但越是低到噪音水平，越需要一个有组织的团队。而一个交易员自己赚钱而不与人分享是无稽之谈。
你需要一个足够的风险管理人。
充足的贸易商
足够的量化指标
处理基金客户的女孩
也许在无组织的市场上有一些，但目前都没有效率，它们很快就消失了。
，有一种分析是更坏或更好的，但适用于任何基础，一个神经网络参与分析，所以它可以预测，当基础影响不大
时间管理没有被任何自动化所取消。2周后一次（FOMC开会时）--不要依赖TA，只依赖FA（和DB中的一些先决条件）...它顺便开会（对其BP国际收支的当前事务作出决定），并说--在不同的时间...所以 - 在他说话的那一刻听到和理解，这并不重要，反正散户交易者（作为最不知情的人）只理解 "a-post"......但所有时机的细微差别（谁在什么时候进入市场，为了什么目的）必须至少在一般情况下想象......
对我来说，录制一段视频并上传到YouTube上更容易，比起写大量的文字，更容易清楚地展示。
问题是，对于这种类型的 新数据模型，立即就会被淘汰，而且不会得到交叉验证或其他方面的帮助......
而且，使用什么样的引用函数 并不重要
无论是多项式近似还是
滤波器级联或
自动生成的过滤器级联或
线性回归的近似级联（MGUA）或
传统谐波的近似值等...
从本质上讲，应该使用哪种参考函数 进行逼近（近似）并不重要，大致上都是一样的，问题是不同的
要么数据是错的，要么我们教错了，因为所有的方法都有相同的结果......。
+1
时间管理并没有因为任何自动化而被废除。每两周一次（当FOMC开会时）--不要依靠TA，只依靠FA（以及DB中的一些先决条件）...它顺便开会（对其BP国际收支的当前事务作出决定），并说--在不同的时间...所以--在他说话的那一刻，按照他的理解，这并不重要，反正散户交易者（作为最不知情的人）只会理解 "a-after"......但所有关于时机的细微差别（谁在什么时候进入市场，为了什么目的）必须至少在一般情况下被想象出来......
в...你....你自己....交易....？
FOMC....sits....not....two....times....в....月，但....8..... 次....в....year....
我做了一个完整的自动机，这很酷，但问题是，对于这种类型的 新数据模型，会直接进入死区，交叉验证和其他任何东西都不能帮助它们......
而且，使用什么样的引用函数 并不重要
无论是多项式近似还是
滤波器级联或
自动生成的过滤器级联或
线性回归的近似级联（MGUA）或
传统谐波的近似值等...
从本质上讲，应该使用哪种参考函数 进行逼近（近似）并不重要，大致上都是一样的，问题是不同的
要么数据是错的，要么我们教错了，因为所有的方法都有相同的结果......。
这里有一些道理，但我检查了我的模型，主要是要知道远期利率。问题是在再训练中，我们应该争取分析的数据与最终的标准集的最大比例，否则的话，就会出现数据压缩，例如你可以分析抛物线图上的数据，把几千个点减少到三个系数A*X^2+B*X+C。那是数据压缩质量较高的地方--那是前进的地方。考虑到这种数据压缩，可以通过引入适当的质量标度指标来控制再培训。在我的案例中，它是以一种更简单的方式完成的--我们采取固定数量的系数，并尽可能地采取大的样本量，它的效率较低，但很有效。