交易中的机器学习:理论、模型、实践和算法交易 - 页 2583 1...257625772578257925802581258225832584258525862587258825892590...3399 新评论 mytarmailS 2022.02.14 11:59 #25821 Replikant_mih#: 你在模型中到底在做什么? Replikant_mih 2022.02.14 14:16 #25822 mytarmailS#: 你在模型中到底在做什么? 预测一个由n个蜡烛的增量定义的类。它曾经是大于/小于0的。然后,在训练时,我开始平衡类,以便有大致相等的对象,所以 "零 "从真正的零移到这些目标。或者说这不是问题所在?) mytarmailS 2022.02.14 15:38 #25823 Replikant_mih#: 预测类,这是由n个蜡烛的增量定义的。这曾经是大于/小于零。然后在训练中,我开始平衡类,以便有大致相等的对象,所以 "零 "从真正的零移到这些目标。或者说这不是问题所在?) 嗯,是的,关于这一点...而且有可能在此基础上建立一些工作/收入? Replikant_mih 2022.02.14 15:48 #25824 mytarmailS#: 嗯,是的,关于这一点...... 而且有可能在上面建立一些工作/收入? 你可以,只要你表现出良好的迹象)。还有一些其他的细微差别。 mytarmailS 2022.02.14 16:06 #25825 Replikant_mih#: 你可以,只要标志是好的)。还有一些其他的细微差别。 (你能揭开这个谜底吗?还是说这是个秘密?) Replikant_mih 2022.02.14 16:09 #25826 非常广泛的话题),有谁在战斗交易中使用ML吗? Replikant_mih 2022.02.14 16:12 #25827 mytarmailS#: (你会揭开这个谜底吗?还是说这是一个秘密?) 嗯,这也是一个谜,在某个地方没有背景就不会清楚,但有背景就会很久)。 关于标志--我称它们为商人的标志。如果我没有弄错的话,我将尝试猜测我将用它们做什么。而在没有火箭的传统ML中,我需要交易者的奖励--这样的奖励我可以在普通交易中使用,比如:哦,这里有XXX,所以我加入了,那么这个XXX可能会被使用。事实上,标志并不重要,但无论如何都比增量要好。 mytarmailS 2022.02.14 16:27 #25828 Replikant_mih#: 好吧,包括神秘感,在没有背景的地方会不清楚,但有背景的地方会花很长时间)。关于标志--我称它们为商人的标志。我必须使用很多相同的方法,在增量上建立好的东西,除非你有一些先进的神经网络。而在没有火箭的传统ML中,我需要交易者的奖励--这样的奖励我可以在普通交易中使用,比如:哦,这里有XXX,所以我加入了,那么这个XXX可能会被使用。这不一定是一个有意义的标志,但无论如何,它比增量要好。 非常模糊的 Replikant_mih 2022.02.14 16:49 #25829 mytarmailS#: 非常模糊。 算是吧))。 Aleksey Nikolayev 2022.02.16 09:59 #25830 我认为应该进一步调查损失函数的定制,以适应我们交易者的需求。 作为一个例子,这里有一篇关于这个主题的文章。 Improving the Prediction of Asset Returns With Machine Learning by Using a Custom Loss Function papers.ssrn.com The loss function in supervised deep learning is a key element for training AI algorithms. For models aiming at predicting asset returns, not all prediction err 1...257625772578257925802581258225832584258525862587258825892590...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
你在模型中到底在做什么?
预测一个由n个蜡烛的增量定义的类。它曾经是大于/小于0的。然后,在训练时,我开始平衡类,以便有大致相等的对象,所以 "零 "从真正的零移到这些目标。或者说这不是问题所在?)
预测类,这是由n个蜡烛的增量定义的。这曾经是大于/小于零。然后在训练中,我开始平衡类,以便有大致相等的对象,所以 "零 "从真正的零移到这些目标。或者说这不是问题所在?)
嗯,是的,关于这一点......
你可以,只要你表现出良好的迹象)。还有一些其他的细微差别。
你可以,只要标志是好的)。还有一些其他的细微差别。
(你能揭开这个谜底吗?还是说这是个秘密?)
(你会揭开这个谜底吗?还是说这是一个秘密?)
嗯,这也是一个谜,在某个地方没有背景就不会清楚,但有背景就会很久)。
关于标志--我称它们为商人的标志。如果我没有弄错的话,我将尝试猜测我将用它们做什么。而在没有火箭的传统ML中,我需要交易者的奖励--这样的奖励我可以在普通交易中使用,比如:哦,这里有XXX,所以我加入了,那么这个XXX可能会被使用。事实上,标志并不重要,但无论如何都比增量要好。
好吧,包括神秘感,在没有背景的地方会不清楚,但有背景的地方会花很长时间)。
关于标志--我称它们为商人的标志。我必须使用很多相同的方法,在增量上建立好的东西,除非你有一些先进的神经网络。而在没有火箭的传统ML中,我需要交易者的奖励--这样的奖励我可以在普通交易中使用,比如:哦,这里有XXX,所以我加入了,那么这个XXX可能会被使用。这不一定是一个有意义的标志,但无论如何,它比增量要好。
非常模糊的
非常模糊。
算是吧))。
我认为应该进一步调查损失函数的定制,以适应我们交易者的需求。
作为一个例子,这里有一篇关于这个主题的文章。