交易中的机器学习:理论、模型、实践和算法交易 - 页 255 1...248249250251252253254255256257258259260261262...3399 新评论 Dr. Trader 2016.12.25 14:49 #2541 mytarmailS:1.你为什么要手动归一化?2.为什么相关性-1和1是好的?只有当1是好的-1是非常糟糕的,如果我理解正确的话,-1是反相关的。3.你是否尝试过在滑动窗口中监测训练过的模型的误差,如果它不适合你,就重新训练模型,看看会发生什么?4.还有为什么一切工作都如此糟糕的全局观念,市场不是静止的,我们需要研究出一些其他特征形成的概念,也许完全转向逻辑规则的范式,我认为我们应该几乎完全远离数字,或者研究光谱分析)))))。1)我一直无法使用scale(),它的刻度和中心都不知道在哪里。理想情况下,最好是使用caret包进行预处理,它能很好地扩展/集中一切,但对于这样一个简单的例子,使用另一个包就太麻烦了。2)相关性接近零意味着没有相关性,这是最糟糕的情况。在这种情况下,测试的利润说明不了新数据的潜在利润。-1是指训练中的高精确度在新数据上会得到持续的坏结果。但与此同时,训练中的低结果将意味着在新数据上有更好的结果 :)如果模型很容易根据数据进行调整和重新训练,而在训练中的结果很低,它根本没有足够的时间来记忆数据,并以某种方式奇迹般地在正面进行交易,就会发生这种情况。例如,训练数据的准确性可能从0.9到1不等,在这种情况下,0.9将是 "低",新数据的准确性将从0.5到0.6不等,其中0.6将是 "高"。也就是说,结果较差的模型没有被重新训练,而且有更好的泛化逻辑,因此在新数据上的结果也更好。 虽然这一切在文字上很美,但在现实中我从未见过稳定的负相关关系。朝着+1的方向走会更舒服,更容易。你可以先在模拟账户上 交易新模型--但当模型变得有利可图,我开始在真实账户上交易时,它可能已经过时了。我还没有试过。我最好事先检查整个学习算法是否有效,是否能提供持续盈利的模型,并设置我信任的东西在真实账户上交易。 如果学习算法足够好--用新数据更新旧的工作模型比每次从头开始创建新模型要好。4)功能工程是好的。例如,我使用mt5的指标而不是裸价。 mytarmailS 2016.12.25 15:00 #2542 Dr.Trader: 那么在实际情况下,你的好模型在新的数据上预测尾盘蜡烛的颜色的准确性如何?你在日线图上交易,对吗? Dr. Trader 2016.12.25 15:26 #2543 mytarmailS: 而你的好模型在真实条件下的新数据上预测蜡烛图的颜色的准确性如何?你在日线图上交易,对吗?我有H1,目标是下一个蜡烛的颜色。预测准确率只有55%-60%,但这已经足够了。即使在趋势中,价格也不总是上升,而是在接下来的条形图中不断地上下反弹,所以这些反弹大大地破坏了准确性。最主要的是,模型本身没有波动,一旦进入交易,它应该保持在那里,直到趋势结束。 mytarmailS 2016.12.26 07:00 #2544 Dr.Trader:最主要的是,模型不会自己抽动,一旦进入交易,它将坐在里面,直到趋势结束。最主要的是,模型本身不应摇摆不定,一旦进入交易,就应该保持在那里,直到趋势结束。 有什么方法可以使目标变得平滑吗? mytarmailS 2016.12.26 21:53 #2545 mytarmailS:当你开始认为自己了解市场时,这种感觉... 当另一个无赖到来时的那种感觉() :) mytarmailS 2016.12.29 21:17 #2546 非常有趣的视频....关于特征选择、算法,甚至还有一些关于市场的内容。https://www.youtube.com/watch?v=R3CMqrrIWOk Dr. Trader 2016.12.30 01:58 #2547 mytarmailS:非常有趣的视频....关于特征选择、算法,甚至还有一些关于市场的内容。https://www.youtube.com/watch?v=R3CMqrrIWOk这真的很有趣。遗憾的是,没有多少关于市场的具体内容,类似于 "如果我开始预测油价,我可能会被杀死":)(我的引用不准确,我是凭记忆写的)。前半个小时的视频--这里阿列克谢在主题中写到。甚至还附上了R代码。我现在找不到了,我必须翻开前几十页,另外,在hbr上有一个他的文章的链接。 对我来说,这种为外汇选择预测器的方法不幸没有帮助,我所有的预测器都太没有信息量了,我认为这种算法适合于更多静止的数据。或者我们需要更多新的预测器。 Mikhail Toptunov 2016.12.30 04:37 #2548 先生们,谁能给我一个神经网络工作的例子,输入的数组如m1[1000,1000] m2[1000,1000] 等。如果有的话,我为我的愚蠢行为道歉。我还没有接触过神经元,我想练习一下。 我不太明白参数是如何设置的。 我将非常感激。 也许有人考虑过预测器修正器的方法 Dr. Trader 2016.12.30 09:40 #2549 Top2n:对输入的数组,例如m1[1000,1000] m2[1000,1000] 等。 你想给两个数组,每个数组有1000个训练实例,为网络提供1000个输入?那是不行的,你必须把它们合二为一。还是你的意思是别的什么? Mikhail Toptunov 2016.12.30 09:56 #2550 Dr.Trader: 你想给两个数组各提供1000个训练实例,为网络提供1000个输入?那是不行的,它们必须合并成一个。还是你的意思是别的什么?每个数组[][]是一组单一的质量信息,即对于每个输入,有一个单独的数组[][]。我想喂养大量的数组,我现在已经准备好了4个,我打算创建更多的数组,每个数组都描述了价格的状态,它从不同的角度变成了,就是这样的。 每个数组包含1000行和1000列,所以我有一个三维的,所以K维是新的二维的。 1...248249250251252253254255256257258259260261262...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
1.你为什么要手动归一化?
2.为什么相关性-1和1是好的?只有当1是好的-1是非常糟糕的,如果我理解正确的话,-1是反相关的。
3.你是否尝试过在滑动窗口中监测训练过的模型的误差,如果它不适合你,就重新训练模型,看看会发生什么?
4.还有为什么一切工作都如此糟糕的全局观念,市场不是静止的,我们需要研究出一些其他特征形成的概念,也许完全转向逻辑规则的范式,我认为我们应该几乎完全远离数字,或者研究光谱分析)))))。
1)我一直无法使用scale(),它的刻度和中心都不知道在哪里。理想情况下,最好是使用caret包进行预处理,它能很好地扩展/集中一切,但对于这样一个简单的例子,使用另一个包就太麻烦了。
2)相关性接近零意味着没有相关性,这是最糟糕的情况。在这种情况下,测试的利润说明不了新数据的潜在利润。
-1是指训练中的高精确度在新数据上会得到持续的坏结果。但与此同时,训练中的低结果将意味着在新数据上有更好的结果 :)如果模型很容易根据数据进行调整和重新训练,而在训练中的结果很低,它根本没有足够的时间来记忆数据,并以某种方式奇迹般地在正面进行交易,就会发生这种情况。例如,训练数据的准确性可能从0.9到1不等,在这种情况下,0.9将是 "低",新数据的准确性将从0.5到0.6不等,其中0.6将是 "高"。也就是说,结果较差的模型没有被重新训练,而且有更好的泛化逻辑,因此在新数据上的结果也更好。
虽然这一切在文字上很美,但在现实中我从未见过稳定的负相关关系。朝着+1的方向走会更舒服,更容易。
你可以先在模拟账户上 交易新模型--但当模型变得有利可图,我开始在真实账户上交易时,它可能已经过时了。我还没有试过。我最好事先检查整个学习算法是否有效,是否能提供持续盈利的模型,并设置我信任的东西在真实账户上交易。
如果学习算法足够好--用新数据更新旧的工作模型比每次从头开始创建新模型要好。
4)功能工程是好的。例如,我使用mt5的指标而不是裸价。
而你的好模型在真实条件下的新数据上预测蜡烛图的颜色的准确性如何?你在日线图上交易,对吗?
我有H1,目标是下一个蜡烛的颜色。预测准确率只有55%-60%,但这已经足够了。即使在趋势中,价格也不总是上升,而是在接下来的条形图中不断地上下反弹,所以这些反弹大大地破坏了准确性。最主要的是,模型本身没有波动,一旦进入交易,它应该保持在那里,直到趋势结束。
最主要的是,模型不会自己抽动,一旦进入交易,它将坐在里面,直到趋势结束。最主要的是,模型本身不应摇摆不定,一旦进入交易,就应该保持在那里,直到趋势结束。
当你开始认为自己了解市场时,这种感觉...
非常有趣的视频....关于特征选择、算法,甚至还有一些关于市场的内容。
https://www.youtube.com/watch?v=R3CMqrrIWOk
非常有趣的视频....关于特征选择、算法,甚至还有一些关于市场的内容。
https://www.youtube.com/watch?v=R3CMqrrIWOk
这真的很有趣。遗憾的是,没有多少关于市场的具体内容,类似于 "如果我开始预测油价,我可能会被杀死":)(我的引用不准确,我是凭记忆写的)。
前半个小时的视频--这里阿列克谢在主题中写到。甚至还附上了R代码。我现在找不到了,我必须翻开前几十页,另外,在hbr上有一个他的文章的链接。
对我来说,这种为外汇选择预测器的方法不幸没有帮助,我所有的预测器都太没有信息量了,我认为这种算法适合于更多静止的数据。或者我们需要更多新的预测器。
先生们,谁能给我一个神经网络工作的例子,输入的数组如m1[1000,1000] m2[1000,1000] 等。如果有的话,我为我的愚蠢行为道歉。
我还没有接触过神经元,我想练习一下。 我不太明白参数是如何设置的。 我将非常感激。
也许有人考虑过预测器修正器的方法
对输入的数组,例如m1[1000,1000] m2[1000,1000] 等。
你想给两个数组各提供1000个训练实例,为网络提供1000个输入?那是不行的,它们必须合并成一个。还是你的意思是别的什么?
每个数组[][]是一组单一的质量信息,即对于每个输入,有一个单独的数组[][]。我想喂养大量的数组,我现在已经准备好了4个,我打算创建更多的数组,每个数组都描述了价格的状态,它从不同的角度变成了,就是这样的。
每个数组包含1000行和1000列,所以我有一个三维的,所以K维是新的二维的。