交易中的机器学习:理论、模型、实践和算法交易 - 页 2581 1...257425752576257725782579258025812582258325842585258625872588...3399 新评论 mytarmailS 2022.02.13 06:57 #25801 Maxim Dmitrievsky#: 用python现在很方便。我已经写了我的测试器,但有可能移植模型或通过api进行交易。如果加入ONNX,它将是一门真正的大炮。我和M1 mac取得了联系,现在我已经等了半年的catbusta,他们承诺2周后发布。到目前为止,通过vin上的虚拟机。 有一个用于回测的python软件包,你为什么不使用它呢?还是你写了一个带优化的测试器? Maxim Dmitrievsky 2022.02.13 07:01 #25802 mytarmailS#: 有一个python的回测包,你为什么不使用它呢?还是你写了一个带优化的测试器? 我不喜欢现成的,它们不够灵活。我专门为我的任务编写了它,有我自己的衡量标准。大致上,对于输入报价和模型结果。另外,我现在有2个 "对抗性 "模型,它们被重新训练了几次,迭代改进。改进的结果也取自我的测试器。 mytarmailS 2022.02.13 07:25 #25803 Maxim Dmitrievsky#:一个模型学习交易,另一个模型过滤信号。 我明白现在流行创造生成性算法,但两个有条件的简单算法与一个复杂的算法相互收敛、相互改进的实际优势是什么,它本身就是这样做的,只是粗略地说它本身建立了比你的两个更复杂的决策规则。老实说,我不明白其中的好处,这只是一种时尚。 Maxim Dmitrievsky 2022.02.13 07:49 #25804 mytarmailS#: 好吧,我明白现在流行生成性抚慰算法,但两个有条件的简单算法相互抚慰和改进,与一个本身就能做到的复杂算法相比,有什么实际优势呢?只是粗略地说它本身建立的决策规则比你的两个更复杂。老实说,我不明白其中的好处,这只是一种时尚。 所以我创建了这样的东西,看到它很好 )问题是模型错误和找到真正稳定的模式,在自动机上。这是从一开始就有的基本想法。这就是方法已经可能不同的地方。一个模型不能自我纠正,两个模型可以。比方说,你训练一个模特,她很坏。该怎么做?自己经历了什么?不可能,人不是为辛苦工作而生的,你用第二种模式代替人。 mytarmailS 2022.02.13 08:10 #25805 Maxim Dmitrievsky#:比方说,你训练一个模型,它是坏的。你是做什么的?你必须自己去做一些工作吗?不,一个人不是为高强度的工作而生的,你用第二个模型代替这个人。 听着,最后熟悉一下优化算法和健身函数,不要再重新发明方轮的自行车了。 Maxim Dmitrievsky 2022.02.13 08:19 #25806 mytarmailS#: 看,了解一下优化算法、健身函数,不要再用方形轮子重新发明自行车了。 这是不一样的。通过优化,会有一个契机。通过对模型的分析和纠错也是一种配合,但你通过扔掉不必要的东西找到稳定的模式。至少你能找到一些有稳定的高原。通过简单的基因枚举,它更难,更多的是打下手。 mytarmailS 2022.02.13 09:31 #25807 Maxim Dmitrievsky#: 这是不一样的。通过优化,将有一个契机。通过分析和纠正模型错误,它也是一种拟合,但你通过抛弃不必要的东西找到稳定的模式。至少你能找到一些有稳定的高原。通过简单的基因枚举,它更难,更多的是打下手。 初级的例子。 你需要培训AMO以获得最大利润,你会怎么做? 1)你做一个目标 2)你用标准的指标如RMSE 来匹配模型(这一点是完全不相关的)。 3)创建 一个 最佳模型 组 4) 从具有最高利润的一组中选择最佳模型 现在有一个问题:为什么你认为你的 小组 是全球意义 上的最佳模型的绝对顶端? 你已经通过两个 主观的过滤器来运行这些模型 (1)你的目标和(2)RMSE 误差测量。 改变权重(如果它是一个神经元)和创建规则(如果它是一棵树)的目的是为了获得最大的利润,这个问题是反问句......当然,它更好更快,这不是更好吗? 关键是你错过了其他 群体 的模特的收入,而这些群体的收入是数以百万计的。 Maxim Dmitrievsky 2022.02.13 09:43 #25808 mytarmailS#: 一个基本的例子。你需要培训AMO以实现利润最大化,你会怎么做?1)你做一个目标2)你用标准的指标如RMSE 来拟合模型(这一点是完全不相关的)。3)创建 一个 最佳模型 组 4) 从具有最高利润的一组中选择最佳模型现在有一个问题:为什么你认为你的 小组 是全球意义 上的最佳模型的绝对顶端? 你已经通过两个 主观的过滤器来运行这些模型(1)你的目标和(2)RMSE 误差测量。改变权重(如果它是一个神经元)和创建规则(如果它是一棵树)的目的是为了获得最大的利润,这个问题是反问句......当然,它更好更快,这不是更好吗?关键是你错过了其他赚取收入的模特 群体,这些群体有数百万的收入。 我通过平衡来选择R2,加上最少的亏损交易,但要有最低的熵(logloss)和最大的准确度。因此,这些模型在默认情况下是最有利可图的。这是一个综合标准。另外,如果能把交叉验证的结果加入到估计中,那就更好了。还没来得及做。 mytarmailS 2022.02.13 09:50 #25809 Maxim Dmitrievsky#: 我通过平衡选择R2,加上最少的亏损交易,但熵(logloss)最低,准确率最高。这就是为什么模型在默认情况下是最有利可图的。 你可以从现成的模型中选择,或创建一个模型。这就是区别 Maxim Dmitrievsky 2022.02.13 09:52 #25810 mytarmailS#: 你从预制的模型中选择,或者你可以创建一个模型。这就是区别。 就是当你知道要创造什么和为什么要创造。它们不是现成的,交易是像文章中那样随机抽样的。在数据准备的任何阶段都没有先验的假设或启发式方法,有一些数值范围,如最大和最小交易保持时间。基本上,整个机制的工作是为了寻找未知的东西,但据说它就在那里,但我们不知道是什么。 1...257425752576257725782579258025812582258325842585258625872588...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
用python现在很方便。我已经写了我的测试器,但有可能移植模型或通过api进行交易。如果加入ONNX,它将是一门真正的大炮。
有一个python的回测包,你为什么不使用它呢?
好吧,我明白现在流行生成性抚慰算法,但两个有条件的简单算法相互抚慰和改进,与一个本身就能做到的复杂算法相比,有什么实际优势呢?只是粗略地说它本身建立的决策规则比你的两个更复杂。
看,了解一下优化算法、健身函数,不要再用方形轮子重新发明自行车了。
这是不一样的。通过优化,将有一个契机。通过分析和纠正模型错误,它也是一种拟合,但你通过抛弃不必要的东西找到稳定的模式。至少你能找到一些有稳定的高原。通过简单的基因枚举,它更难,更多的是打下手。
初级的例子。
你需要培训AMO以获得最大利润,你会怎么做?
1)你做一个目标
2)你用标准的指标如RMSE 来匹配模型(这一点是完全不相关的)。
3)创建 一个 最佳模型 组
4) 从具有最高利润的一组中选择最佳模型
现在有一个问题:为什么你认为你的 小组 是全球意义 上的最佳模型的绝对顶端? 你已经通过两个 主观的过滤器来运行这些模型
(1)你的目标和(2)RMSE 误差测量。
改变权重(如果它是一个神经元)和创建规则(如果它是一棵树)的目的是为了获得最大的利润,这个问题是反问句......当然,它更好更快,这不是更好吗?
关键是你错过了其他 群体 的模特的收入,而这些群体的收入是数以百万计的。
一个基本的例子。
你需要培训AMO以实现利润最大化,你会怎么做?
1)你做一个目标
2)你用标准的指标如RMSE 来拟合模型(这一点是完全不相关的)。
3)创建 一个 最佳模型 组
4) 从具有最高利润的一组中选择最佳模型
现在有一个问题:为什么你认为你的 小组 是全球意义 上的最佳模型的绝对顶端? 你已经通过两个 主观的过滤器来运行这些模型
(1)你的目标和(2)RMSE 误差测量。
改变权重(如果它是一个神经元)和创建规则(如果它是一棵树)的目的是为了获得最大的利润,这个问题是反问句......当然,它更好更快,这不是更好吗?
关键是你错过了其他赚取收入的模特 群体,这些群体有数百万的收入。
我通过平衡选择R2,加上最少的亏损交易,但熵(logloss)最低,准确率最高。这就是为什么模型在默认情况下是最有利可图的。
你可以从现成的模型中选择,或创建一个模型。这就是区别
你从预制的模型中选择,或者你可以创建一个模型。这就是区别。