交易中的机器学习:理论、模型、实践和算法交易 - 页 2572 1...256525662567256825692570257125722573257425752576257725782579...3399 新评论 mytarmailS 2022.02.05 13:06 #25711 elibrarius#: 谢谢你。我会看一看,作为开始。也许我会想出一个办法来使用它们。 不客气,或者说是有原因的)))我花了几天时间找到所有这些链接:)))有些没有显示,论坛屏蔽了它们( 看是没有意义的,我需要解析和分析的是一系列的 Aleksey Nikolayev 2022.02.05 13:08 #25712 Aleksey Vyazmikin#: 我认为首先要做的是计算统计数据,看看它是否有意义,然后将其纳入训练过程。因此,问题仍然是如何正确地做到这一点。假设我有3个这样的二进制序列,在可比的时间间隔内有10个测量点。A[]={1,0,0,1,1,1,1,1,0,1};B[]={1,1,1,1,1,1,1,0,0,1}; C[]={1,1,0,1,1,1,0,1,0,1};因此,我想了解/绘制一个单位的概率是如何随着单位的增加而连续变化的。我明白,我应该先计算序列的数量,但同样,我应该把长序列算作一个,还是应该分别计算,例如1111分成1,11,111和1111,还是只算11?然后该怎么做--如何评估这个过程是有规律的还是随机的? 说实话,我不太明白。问题是,这个概率会随着时间的推移而变化吗?为了研究这一点,你可以简单地构建一个关于时间的逻辑回归(并检查系数与零之间的差异的显著性)。 如果除了时间之外,还研究影响概率的其他因素,也可以尝试将它们加入到逻辑回归中。 Forester 2022.02.05 13:21 #25713 mytarmailS#: 不客气,或者说你是)))我花了好几天时间才找到所有这些链接:)))有些没有显示出来,论坛屏蔽了它们()。看是没有意义的,你需要解析和分析一些怎样的 我看了看所有的人。EurUsd大部分时间都是短线,其中有两个是长线。当然,它更短。但据我所知,是按交易员的数量计算的。 比如说 37% 146名交易员--短线。 251名交易员63%--多头 。 这些信息最好用地段来表达。因为1个有100手的交易员可能等于100个有1手的仓鼠。 当然是可以解析的,但没有历史数据。 米哈伊尔在他的文章中似乎使用了OM与SME。而且似乎这个OM可以找到很多年。这可能更有希望,因为你可以一次收集多年的信息。而且似乎有很多人在那里。我们必须去再读一遍。 而要自己收集,你至少需要几个月的时间,这样你就有东西可以学习。 Forester 2022.02.05 13:25 #25714 Aleksey Nikolayev#: 说实话,我不太明白。问题是,这个概率会随着时间的推移而变化吗?为了调查这一点,你可以简单地建立一个关于时间的逻辑回归(并检查系数与零之间的差异的显著性)。 或者,也许做另一个预测器更容易--数据字符串与当前字符串的距离。森林本身可以计算出,超过8个月的数据对当前的预测是不利的。而且会有一个简单的分割:8个月前(有更好的叶子),8个月后有更差的叶子。 当然,在托盘上他们都学得很好。在测试/交叉验证中,我们应该检查。但怎么做呢?这一点并不清楚。这甚至不是预测器的重要性,而是分裂的重要性。 mytarmailS 2022.02.05 13:47 #25715 elibrarius#: 看了看所有的人。EurUsd大部分时间是空头,有两个是多头。当然,它更短。但据我所知,是按交易员的数量来计算的。比如说 37% 146名交易员--短线。 251名交易员63%--多头 。 这些信息最好用地段来表达。因为1个有100手的交易员可能等于100个有1手的仓鼠。当然是可以解析的,但没有历史数据。米哈伊尔在他的文章中似乎使用了OM与SME。而且似乎这个OM可以找到很多年。这可能更有希望,因为你可以一次收集多年的信息。而且似乎有很多人在那里。我们必须去再读一遍。而要自己收集,你至少需要几个月的时间,这样你就有东西可以学习。 这是正确的,你应该做容易的事,而不是你必须做的事。 Rorschach 2022.02.05 15:46 #25716 vladavd# : elibrarius#: WallStreetTrader在pillion上查找,我不会给它的链接,他们会把评论擦掉的 mytarmailS 2022.02.05 15:56 #25717 Rorschach#: 我不会给出链接。 )))) 见我在前页的帖子。 Max B 2022.02.05 15:58 #25718 elibrarius#: 米哈伊尔在他的文章中似乎使用了OM与SME。而这种OM似乎可以在许多年中找到。这可能更有希望,因为你可以一次性收集多年的信息。而且似乎有很多人在那里。我们必须去再读一遍。而要自己收集,你至少需要几个月的时间,这样你就有东西可以学习。 OI很有趣,但问题是,期权是非常复杂的东西--要真正理解净多头与净空头,是一个沉重的负担。此外,还有暗池--场外清算,在那里的交易有时占到30-50%的交易量(甚至可能更多--谁知道呢)。 一般来说,我将让你知道一个重要的秘密--几乎所有的零售市场都是按照大多数人的反向定位原则来运动。这就是为什么这个统计数字永远不会被零售业看到。订单流的销售也是出于这个原因 mytarmailS 2022.02.05 16:43 #25719 Max B#: 这就是为什么零售业将永远不会看到这些统计数据 我是这样做的,尽管我是一个零售商。 Forester 2022.02.05 17:36 #25720 Rorschach#: WallStreetTrader on pillion look it up, I'm not giving the link, you'll get a comment. 他们给的是什么?他们不就是把CME的信息复制到他们的指标中吗? 据我所知,他们的主要诀窍是识别基金和其他大玩家大概做的大批量。我很好奇,他们是如何区别于其他行业的? 我找到了一个解释如何使用它的视频。他们说的是:可能是,可能在这里卖掉了,因为价格下降了,等等。在我看来--这是废话,我们将看到同样的50/50%。搜索说这里曾有一个同名的信号,但已经关闭了,显然是合并了。 但指标商的主要视频解释得更漂亮,但显然他们在图表上挑选了好的时刻。 1...256525662567256825692570257125722573257425752576257725782579...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
谢谢你。我会看一看,作为开始。也许我会想出一个办法来使用它们。
不客气,或者说是有原因的)))我花了几天时间找到所有这些链接:)))有些没有显示,论坛屏蔽了它们(
看是没有意义的,我需要解析和分析的是一系列的
我认为首先要做的是计算统计数据,看看它是否有意义,然后将其纳入训练过程。
因此,问题仍然是如何正确地做到这一点。
假设我有3个这样的二进制序列,在可比的时间间隔内有10个测量点。
A[]={1,0,0,1,1,1,1,1,0,1};
B[]={1,1,1,1,1,1,1,0,0,1};
C[]={1,1,0,1,1,1,0,1,0,1};
因此,我想了解/绘制一个单位的概率是如何随着单位的增加而连续变化的。
我明白,我应该先计算序列的数量,但同样,我应该把长序列算作一个,还是应该分别计算,例如1111分成1,11,111和1111,还是只算11?
然后该怎么做--如何评估这个过程是有规律的还是随机的?
说实话,我不太明白。问题是,这个概率会随着时间的推移而变化吗?为了研究这一点,你可以简单地构建一个关于时间的逻辑回归(并检查系数与零之间的差异的显著性)。
如果除了时间之外,还研究影响概率的其他因素,也可以尝试将它们加入到逻辑回归中。
不客气,或者说你是)))我花了好几天时间才找到所有这些链接:)))有些没有显示出来,论坛屏蔽了它们()。
看是没有意义的,你需要解析和分析一些怎样的
我看了看所有的人。EurUsd大部分时间都是短线,其中有两个是长线。当然,它更短。但据我所知,是按交易员的数量计算的。
比如说
这些信息最好用地段来表达。因为1个有100手的交易员可能等于100个有1手的仓鼠。
当然是可以解析的,但没有历史数据。
米哈伊尔在他的文章中似乎使用了OM与SME。而且似乎这个OM可以找到很多年。这可能更有希望,因为你可以一次收集多年的信息。而且似乎有很多人在那里。我们必须去再读一遍。
而要自己收集,你至少需要几个月的时间,这样你就有东西可以学习。
说实话,我不太明白。问题是,这个概率会随着时间的推移而变化吗?为了调查这一点,你可以简单地建立一个关于时间的逻辑回归(并检查系数与零之间的差异的显著性)。
或者,也许做另一个预测器更容易--数据字符串与当前字符串的距离。森林本身可以计算出,超过8个月的数据对当前的预测是不利的。而且会有一个简单的分割:8个月前(有更好的叶子),8个月后有更差的叶子。
当然,在托盘上他们都学得很好。在测试/交叉验证中,我们应该检查。但怎么做呢?这一点并不清楚。这甚至不是预测器的重要性,而是分裂的重要性。
看了看所有的人。EurUsd大部分时间是空头,有两个是多头。当然,它更短。但据我所知,是按交易员的数量来计算的。
比如说
这些信息最好用地段来表达。因为1个有100手的交易员可能等于100个有1手的仓鼠。
当然是可以解析的,但没有历史数据。
米哈伊尔在他的文章中似乎使用了OM与SME。而且似乎这个OM可以找到很多年。这可能更有希望,因为你可以一次收集多年的信息。而且似乎有很多人在那里。我们必须去再读一遍。
而要自己收集,你至少需要几个月的时间,这样你就有东西可以学习。
这是正确的,你应该做容易的事,而不是你必须做的事。
vladavd# :
elibrarius#:
我不会给出链接。
))))
见我在前页的帖子。
米哈伊尔在他的文章中似乎使用了OM与SME。而这种OM似乎可以在许多年中找到。这可能更有希望,因为你可以一次性收集多年的信息。而且似乎有很多人在那里。我们必须去再读一遍。
而要自己收集,你至少需要几个月的时间,这样你就有东西可以学习。
OI很有趣,但问题是,期权是非常复杂的东西--要真正理解净多头与净空头,是一个沉重的负担。此外,还有暗池--场外清算,在那里的交易有时占到30-50%的交易量(甚至可能更多--谁知道呢)。
一般来说,我将让你知道一个重要的秘密--几乎所有的零售市场都是按照大多数人的反向定位原则来运动。这就是为什么这个统计数字永远不会被零售业看到。订单流的销售也是出于这个原因
这就是为什么零售业将永远不会看到这些统计数据
我是这样做的,尽管我是一个零售商。
WallStreetTrader on pillion look it up, I'm not giving the link, you'll get a comment.
他们给的是什么?他们不就是把CME的信息复制到他们的指标中吗?
据我所知,他们的主要诀窍是识别基金和其他大玩家大概做的大批量。我很好奇,他们是如何区别于其他行业的?
我找到了一个解释如何使用它的视频。他们说的是:可能是,可能在这里卖掉了,因为价格下降了,等等。在我看来--这是废话,我们将看到同样的50/50%。搜索说这里曾有一个同名的信号,但已经关闭了,显然是合并了。
但指标商的主要视频解释得更漂亮,但显然他们在图表上挑选了好的时刻。