交易中的机器学习：理论、模型、实践和算法交易 - 页 2545

新评论
 
Valeriy Yastremskiy#:

不否认浪潮...波浪是次要的，新闻/事件的冲动是主要的。这就变成了波浪。但这是一个水平问题，一个小石子沿着这样的轨迹飞行，带着这样的重量和这样的构造，会产生什么样的波浪。波浪取决于所有三个，而且不仅是卵石的三个参数，还取决于不仅是卵石的外部影响。

因此，它是。

而这里是如何将机器学习应用于新闻、谣言和政治家的声明)。

我在这里读国防部的胡说八道已经有好几年了。这是个有趣的话题。

对不起，离题了。我悄悄地走开了。

 
Uladzimir Izerski#:

事情就是这样的。

而这就是机器学习如何附着在新闻、谣言、政治家的声明上的原因)。

显然，只有在最近才有。当它走到某个地方时，NS应该学会加入运动。

 
elibrarius#:

显然，只有在最近才有。当它走到某个地方时，NS将不得不学习加入运动。

那么MO的整个缺点是，NS要么拒绝学习，要么像大多数技术指标一样非常延迟。那么，如果不能适应新的市场现实，学习的意义何在？

我并不反对NS。我自己也用NS，但没有经过培训。我使用严格的比例。NS作为TS的一个元素，用于确认其他信号源。你可以--不可以--不可以--等待。

输出结果的百分比。其实这就是定向运动的力量。通过这种方式，也可以方便地观察波浪的反转，或者像有些人说的那样，观察趋势。这种方法可用于任何TF。不需要对NS进行培训和再培训，因为价格行为在任何TF中都是相同的。

958 这就是 结果 可能看起来 很容易。

 
Uladzimir Izerski#:

那么MO的整个缺点是，NS必须拒绝学习或像大多数技术指标一样严重滞后。那么，如果不能适应新的市场现实，学习还有什么意义？

我并不反对NS。我自己也用NS，但没有经过培训。我使用严格的比例。NS作为TS的一个元素，用于确认其他信号源。你可以--不可以--不可以--等待。

输出结果的百分比。其实这就是定向运动的力量。通过这种方式，也可以方便地观察波浪的反转，或者像有些人说的那样，观察趋势。这种方法可用于任何TF。不需要对NS进行培训和再培训，因为价格行为在任何TF中都是相同的。

这就是 结果 可能看起来 很容易。

我喜欢 "基于神经网络的数据库 "或forest/bust的定义。
在历史上找到类似的情况，MO会报告说，例如在10个类似的情况中，有7个出现了增长。有一个滞后，但不是很大。MO记得所发生的事情，并没有等待MA的转动。一般来说，头肩部模式，MO会发现并建议最可能的结果。问题是，我们对新数据的了解大约是50/50。

那么，即使坐在终端前，我们也不会有时间去关注新闻。通常情况下，新闻出现时，运动已经开始了几秒钟。
 
elibrarius#:
我喜欢 "基于神经网络的数据库 "的定义，很好，或者说是森林/灌木。
在历史上找到类似的情况，MO会报告说，例如在10个类似的情况中，有7个出现了增长。有一个滞后，但不是很大。MO记得所发生的事情，并没有等待MA的转动。一般来说，头肩部模式，MO会发现并建议最可能的结果。问题是，我们对新数据的了解大约是50/50。

那么，即使坐在终端前，我们也无法关注新闻。通常情况下，新闻出现时，运动已经在几秒钟前开始。

我对国家安全局总体上有一个预言的职责。

你不能指望一个有MO的NS对瞬间的价格变化做出反应，因为市场价格不是一个完美的正弦波。在一个数据上的训练将不再适用于新的数据，而且是在一个短的时间间隔内的信号上。

顺便说一下，最近的头和肩膀与15年前不一样了）。鲨鱼已经学会了如何巧妙地在他们身上捕捉流动性。生活在流动，一切都在变化。偷窥者越来越狡猾了。需要有新的盈利方式和技巧。今天是短期交易。我正朝着这个方向努力。

 
谁下载了 什么有趣的、值得进一步完善的东西？
 

以下是文章中的几句引言。

"人工智能的特殊性在于，该技术没有能力驾驭新的、非标准的情况。如果市场上出现异常情况，模型不太可能提出最佳的出路。大流行病是这方面的一个典型例子。经济合作与发展组织（OECD）援引数据 称，根据英格兰银行 的调查，大约35%的银行在此期间经历了基于机器学习的人工智能模型的负面影响。这主要是由于该大流行病导致许多宏观经济指标发生变化，而这些指标是模型开发中涉及的参数。

鉴于人工智能的这些特点，许多金融机构并没有给予它充分的自由度。例如，在Sberbank，AI不允许直接控制交易机器人。相反，它作为一个 "智能 "助手，给交易员提供如何配置执行算法的建议。也就是说，最后的决定总是由人做出的。"

--------------

"由于有了算法，交易可以自动执行，交易者的参与程度最低。朱庇特资产管理公司告诉 我们， 2018年，美国股市约80%的交易几乎完全由机器控制。"

-------------

NS还不是人工智能，但已经是人工智能的一个元素，在交易中存在更大的问题。

 
Uladzimir Izerski#:

以下是文章中的几句引言。

"人工智能的特殊性在于，该技术没有能力驾驭新的、非标准的情况。如果市场上出现异常情况，模型不太可能提出最佳的出路。大流行病是这方面的一个典型例子。经济合作与发展组织（OECD）援引数据 称，根据英格兰银行 的调查，大约35%的银行在此期间经历了基于机器学习的人工智能模型的负面影响。这主要是由于该大流行病导致许多宏观经济指标发生变化，而这些指标是模型开发中涉及的参数。

鉴于人工智能的这些特点，许多金融机构并没有给予它充分的自由度。例如，在Sberbank，AI不允许直接控制交易机器人。相反，它作为一个 "智能 "助手，给交易员提供如何配置执行算法的建议。也就是说，最后的决定总是由人做出的。"

--------------

"由于有了算法，交易可以自动执行，交易员的参与程度最低。朱庇特资产管理公司告诉 我们， 2018年，美国股市约80%的交易几乎完全由机器控制。"

-------------

NS还不是人工智能，但已经是人工智能的一个元素，在交易中存在更大的问题。

当我听了对麋鹿（野猪）的解释后，我认为这与人工智能有关。
 
Rorschach#:
有没有人下载了 什么有趣的东西，值得进一步完善的？

也许在比较某些主要成分的预测和未来的实际成分时，会有一些收获。

记住预测，我们将目前的成分与根据预测的相关性 "应该是 "的成分进行比较...。

如果关联性很强，那么我们就会进行交易...

只是一个去哪里的想法。

像这样，只要预测和现实之间的相关性很强，那么我们就会尝试相信预测......。

由SSA对移动平均线的第二个主要部分进行预测，第一个部分被删除。

 
mytarmailS#:

也许在比较一些主要成分的预测和未来的真实成分时，会有一些发现。

因此，记住预测，我们将当前的成分与 "根据预测应该是 "的成分进行比较，以获得相关性...。

如果关联性很强，那么我们就会进行交易...

只是一个去哪里的想法。

像这样，只要预测和现实之间的相关性很强，那么我们就会尝试相信预测......。

由移动平均线的第二个主要分量预测，第一个分量被删除。

问题是在多少情况下，预测会起作用。

https://www.mql5.com/ru/forum/330111/page2#comment_16078211

https://www.mql5.com/ru/articles/318（5个预测精度的估计）

1...253825392540254125422543254425452546254725482549255025512552...3399
新评论