交易中的机器学习:理论、模型、实践和算法交易 - 页 2509

 
Mihail Marchukajtes#:
例如,我把OI、Delta和Volume数据系列的标准偏差、积累/分布和随机成分,用它们来做预测。

在积累/分配中,我对某人的进入或退出的强烈影响的可能性感到困惑(出于某种原因),这将强烈扭曲当地的情况

 
eccocom#:

我觉得我会招致当地IO知识分子/校友的愤怒,但我还是要冒险问一个问题。谁认为什么指标(除了固有的或最流行的指标)对预测来说是最有趣的?就我而言,我目前正在试验将指数移动平均线(DEMA)与卡尔曼滤波和快速傅里叶变换(分别)结合起来。但首先我用神经网络做了一个预测。再一次,我不要求申请结果(现在可爱的女孩又要扔出一桶泔水了)。

在这里写下你在做什么,你有什么想法,等等。

任何人都可以提供帮助。

这里没有专业人士,有5-10%的从业者,其余的都是打哈欠的人和吹牛的人......。

 
mytarmailS#:

这里没有专业人士,有5-10%的从业人员,其余的都是打哈欠的人和吹牛的人......。

没有实践者,其余的都是打哈欠的人和吹牛的人)。

 
TheXpert#:

而专业的从业人员可能几乎都是坐在基金里的数学家,他们在这里根本无事可做 )

100%

 
eccocom#:

在积累/分配中,我对某人的进入或退出的强烈影响的可能性感到困惑(出于某种原因),这将非常扭曲当地的情况。

没有这个指标只是为了在更大程度上解释成交量,从简单的成交量中获得一个指标曲线。像这样!!!。

而且知道delta的积累和分布也是很好的!

 
JeeyCi#:

只有欧元、瑞士、日元和美元(根据链接)"以某种方式 "自由浮动(在或多或少具有流动性的货币中)。许多是与通货膨胀挂钩的(澳大利亚、加拿大、新西兰、英镑)--它自己的目标和自己的政策(那里没有什么数学)--只是认为费舍尔是一般发展的。

p.s.

最好是建立微观经济学或经济理论的模型,但不是宏观经济学(尽管在利率方面一切都在那里)...最好不要模拟和监测CME摘要(虽然不完全是信息)或其他...

从小处着手是合乎逻辑的。但即使是一个简单的少数人游戏模型(人少你就赢了),在初始条件小的复杂情况下,也会立即被维度和资源的缺乏所困扰,如果你考虑到平均参数,还会被模型的不准确性所困扰)

清理过的帖子,第二次写)

 
如果有人用SanSanych的包https://www.mql5.com/ru/code/17468,连接到R,那么:

在R.mqh文件中,向量和 矩阵 变量的名称在编译时开始出现错误。把它们重命名为其他名字,一切都会正常。我使用了vectr和matr。

编辑器将这些词用蓝色突出显示为数据类型,如int,double。显然是为新类型保留的词语。

 

总而言之,一切都是徒劳的,有了MO,市场就不会被愚弄。

找到了特质和目标,其类别分布见第一个图。

使用该数据集训练的测试和训练katbust模型的准确率为93%。

第二张图是目标交易的余额和权益图。

第三张图显示了根据训练有素的katbusta模型的信号进行交易的平衡和权益图。

所以,女士们、先生们,散开吧。

 
Aleksei Stepanenko#:

当然,这里的神经学家很权威,他们知道如何在对抗过度训练的过程中最大限度地榨取数据,但在我看来,输入数据才是主要问题。任何振荡器(标准或自编),或任何连续曲线,都不包含价格规律性,所以我们不能教鼠标。

我看到以下方式:趋势和它们的波浪。波浪的长度,波浪的时间间隔,波浪的速度,这些参数与以前的参数的比较,超过以前极值的大小(趋势运动),与过去最近的未打破的极值的距离,......。...有很多东西需要比较。我认为这里有规律性的东西,这是你可以沉迷于你的网格。

或者你可以自己思考。

我也有这样的想法,这就是我学习傅里叶的原因,但在打磨光谱和反向变换后,问题比答案多。事实证明,我们去除小的影响,大的影响就开始不再注意到局部的变化。我试图把它应用到国家安全局,但从常识上讲,自然没有得出任何结果。我还没有想出另一种区分波浪的方法)。逐件比较当然是有价值的,但它不适合MO,所有规律性的东西很快就会结束。

 
没有人打过这两个混搭的交道