交易中的机器学习:理论、模型、实践和算法交易 - 页 2576

 
Andrei Trukhanovich#:

并非如此。如果你看一下前面的图表,你可以看到实际的 "滚动 "是在~三分之一的样本过后触发的。在真实的数据上,如果有历史,就没有这个问题。

但仍然是卡尔曼可能更好,但我仍然认为,从炉子上 "滚动 "更好。

明天我将在滑动退步上做,让我们看看它的排水情况))
 
Maxim Dmitrievsky#:

我们以前和瑞纳和拖拉机一起走过这条路,以他们的1bar预测为例,))))),我在笑。

一种情况是领先,另一种情况是落后,所以是50/50。

你至少应该学习小学...
自适应平滑不可能先验地比平时差。
 
mytarmailS#:
你至少应该学习小学...
自适应平滑不能先验地比常规平滑差

事实上,只有递归网总是预测过去的吧,无论你如何旋转它们(卡尔曼的更高级案例)。

你至少应该先学会吸收信息,然后再进行哲学思考。

 

我不是说这些方法不好,而是说它们不是万能的。

我并不是说这些方法不好,但它们并不是万能的。

我不知道这是否是一个糟糕的方法,并不是说它不好。
 
Maxim Dmitrievsky#:

我不是说这些方法不好,而是说它们不是万能的。

我并不是说这些方法不好,但它们并不是万能的。

在外汇中是一些指数,有一个小的利润空间。

我也想过,如何教他们建立正确的传播?

那么什么是原则上的权利传播呢?

1)价差应该是稳定的(这很容易计算)。

2)它应该是相关的,即零点差应该意味着货币对的利润(不是一个非常 "聪明 "的)。

3)它不应该随着时间而 "扩大"。

 
mytarmailS#:

我也在想,你怎么教他们如何建立一个正确的传播?

那么原则上什么是适当的传播呢?

1)价差应该是静态的(很容易计算)。

2)它应该是相关的,即零点差应该意味着货币对的利润(不是一个非常 "聪明 "的)。

3)它不应该随着时间而 "扩大"。

与通过线性/多项式回归相同,但采取任意顺序的回报和任意划分交易,拟合。通过超限,没有对什么是静止的,什么是不静止的进行任何学术计算,以免淹没在形式上。它仍然会随着时间的推移而分散,除非它们是根本性的相关工具
 
Maxim Dmitrievsky#:
与通过线性/多项式回归相同,但采取任意阶数的回归者,并任意划分交易,适合。通过过度拍摄,没有对什么是固定的和什么是不固定的进行任何学术计算,以免淹没在形式主义中。反正它会随着时间的推移而分散,除非是根本性的相关工具。
卡尔曼不会被分开,这就是问题所在--如果你在网格上做,也一样好。
 
Maxim Dmitrievsky#:
与通过线性/多项式回归相同,但采取任意阶数的回归者,并任意划分交易,适合。通过超限,没有对什么是静止的,什么是不静止的进行任何学术计算,以免淹没在形式上。反正它会随着时间的推移而分散,除非是根本性的相关工具。
卡尔曼不会被分开,这就是问题所在--如果你在网格上做,也一样好。
 
mytarmailS#:
Kalman不会被分离,这才是重点,如果你在网格上做,也是一样的。
如果我们把增量去掉,把趋势去掉,那么除了信号/依赖关系本身,就没有什么可以分离的了。
 
mytarmailS#:

明天是一个漫长的过程,我没有任何欲望,尽管花了15分钟......


因此,我在滑动回归窗口上做了一个100点的差价(100点是随机的)。

EURUSD GBPUSD

没有通过协整检查

但还是做了一个价差,在偏离零价差的情况下检查了交易(就像书上写的那样)。

它正在下降...


最正常的选择是建立一个布林线价差,从布林线的边界到SMA进行交易,SMA也是从价差中画出来的,或者到布林线的相反边界(有更多的钱赚)。

所有设置都是绝对标准的,我没有优化任何东西。

每对的佣金是1便士



我在一个月内赚了200分。

不幸的是,平衡曲线并没有坚持下去。我的意思是在45度时平稳增长。

否则,它看起来就像是一种侥幸....