交易中的机器学习:理论、模型、实践和算法交易 - 页 2602 1...259525962597259825992600260126022603260426052606260726082609...3399 新评论 Replikant_mih 2022.03.25 06:08 #26011 mytarmailS#: 一个具体的例子。 有一个逻辑规则,在训练和测试以及交叉验证等方面都以80%的概率预测某事。但在验证数据(绝对未知的新数据)上,该规则在随机水平上工作... 还有一条规则在火车上的表现与第一条规则相同,测试和通过验证也没有问题,这是一个真正的模式。 问题:我怎样才能在训练、测试、交叉验证阶段将一条规则与另一条规则区分开来......在验证阶段之前......。 我想知道是否有任何迹象可以让我们在两者之间划清界限,也许有一些随机性或决定性的统计测试等等。 随机性/连续性的问题是整个算法和算法中的ML的基石。 很多各种各样的花招和技巧。 最简单的是看你是如何得到结果的。如果你得到的最好结果是...通过从集合中挑选出最好的结果--当然,拟合的概率非常高(尤其是当其他大多数结果都是关于什么的时候)。测试的结果。你是如何得到它们的?- 当然,如果你把托盘上最好的前5%的人,都在测试中运行,选择测试中最好的人--当然,符合的概率还是不小的(尤其是在其他人的平均结果不多)。我敢肯定,这种 "如何不做 "的做法将非常体面地减少被过度装备的概率。正是由于这个原因,我不明白其他人的机器人/模型如何能在公平的基础上得到评价--没门。 更进一步,如前所述,各种花样百出。 mytarmailS 2022.03.25 07:11 #26012 Replikant_mih#: 随机性/非法性问题是所有algo和algo中的ML的基石问题。有各种各样的窍门和技巧。最简单的是看你是如何得到结果的。如果你得到的最好结果是...通过从集合中挑选出最好的结果--当然,拟合的概率非常高(尤其是当其他大多数结果都是关于什么的时候)。测试的结果。你是如何得到它们的?- 当然,如果你把托盘上最好的前5%,都在测试中运行,选择测试中最好的一个--当然,符合的概率还是不小的(尤其是在其他人的平均结果不多)。我敢肯定,这种 "如何不做 "的做法将非常体面地减少被过度装备的概率。正是由于这个原因,我不明白其他人的机器人/模型如何能在公平的基础上得到评价--没门。更进一步,如前所述,各种花样百出。 这都是显而易见的东西,上了油的...对具体的窍门感兴趣 ============================== 例如,作为一种变体,对TC、规则、AMO等的优化面(RP)进行分析...。 例如,按目标 "恢复系数 "计算的两辆货车的OD TC交叉点。 当然,这个TS是不工作的,过去和将来都不会。 ======================================= 这里有一个PP工作的TS,非常稳定,到目前为止还在盈利(Valery知道:) )。 可以这么说,感受到了差异。 mytarmailS 2022.03.25 07:52 #26013 所以我有一个执着的想法,如果你看到TC的OD,你就可以知道它是什么,以及它是否能在新的数据上工作...... 但计算OD的时间很长,也很复杂,也许从计算资源的角度来看,可以用一种更优雅、更省时的方式绕过。 Replikant_mih 2022.03.25 08:30 #26014 mytarmailS#: 所以我有一个执着的想法,如果你看到TC的OD,你就可以知道它是什么,以及它是否能在新的数据上工作......但计算OP的时间很长,也很复杂,也许可以更优雅地绕过它,在计算资源方面也不那么费劲。 我有一些想法,阿尔戈交易商是如何做到这一点的。我不知道数据科学家是如何做到这一点的。而且我很清楚我是怎么做的))。 根据我的理解,优化面(在这种情况下)是一个3维空间,其中2个轴是参数(模型、策略)的轴,一个是目标指标。是的,你当然可以从那里进去。我有几个办法,如果需要的话,我可以想出其他办法。不过,我现在从另一个角度来看待这个问题。当然,也没有人愿意与一个以"这都是显而易见的东西,黄油手 " 的人分享有用的信息)。 Valeriy Yastremskiy 2022.03.25 08:46 #26015 mytarmailS#: 追踪因果关系并非总是可能的 然后只能对原因和模式的存在作出假设。原因是主要的,行为是次要的。在TA中,他们有时忘记了原因的首要性,把随机重复的行为当作模式,其实不然。 mytarmailS 2022.03.25 08:59 #26016 Replikant_mih#: 我有一些想法,阿尔戈交易商是如何做到这一点的。我不知道数据科学家是如何做到这一点的。而且我很清楚我是怎么做的)。根据我的理解,优化面(在这种情况下)是一个3维空间,其中2个轴是参数轴(模型、策略),一个是目标指标。是的,你当然可以从那里进去。我有几个办法,如果需要的话,我可以想别的办法。不过,我现在从另一个角度来看待这个问题。当然,也没有意愿与一个以"这都是显而易见的东西,蝴蝶。")的 人分享有用的信息。 看,如果你对这个问题的回答是: ,很多技巧和窍门。再往后,如前所述,各种花样百出。 谢谢你的这些深入的知识,这绝对不是 "黄油"。 试着在SA或CV这样的特殊网站上回答,你会得到多少赞许,这很有趣...... 如果你如此烦恼,你总是可以哭的))。 Replikant_mih 2022.03.25 08:59 #26017 mytarmailS#: 看,如果你对这个问题的回答是: ,很多花招和技巧。并进一步,如你所说,各种技巧和技术。谢谢你的这些深入的知识,这绝对不是 "黄油手"。试着在SA或CV这样的特殊网站上回答,你会得到多少赞许,这很有趣......如果它让你感到那么困扰,你可以随时哭出来)) 很高兴你喜欢它)。 mytarmailS 2022.03.25 09:01 #26018 Valeriy Yastremskiy#: 那么就只能是对原因的假设和模式的存在。原因是主要的,行为是次要的。在TA中,他们有时忘记了原因的首要性,把随机重复的行为当作模式,其实不然。 我同意,这是个复杂的问题... 这就是为什么必须进入数学才能有一个答案,而不是 "许多技巧和窍门"。 Aleksey Nikolayev 2022.03.25 10:31 #26019 1)我认为很明显,没有也不可能有办法证明历史上建立的模式在未来一定会起作用。 2)存在一种方法,根据过去的数据为未来建立一个确定的(非随机的)模式,将是对(1)的否定。 我们只有交叉验证,它只能确定一个模式在历史上的同质性。我们只能对模式进行内插,而不能推断。我们只有一个非常弱的假设,即一个良好的插值模式将变成良好的推断。这不是演绎推理,而只是归纳推理--类比推理的一个变种。 mytarmailS 2022.03.25 10:59 #26020 Aleksey Nikolayev#: 1)我认为很明显,没有也不可能有办法证明历史上建立的模式在未来一定会起作用。2)通过过去的数据来确定未来模式的确定性(非随机性)的方法的存在将是对(1)的否定。 那么,(1)的明显性是什么,其有效性的论据是什么? 1...259525962597259825992600260126022603260426052606260726082609...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
一个具体的例子。
随机性/连续性的问题是整个算法和算法中的ML的基石。
很多各种各样的花招和技巧。
最简单的是看你是如何得到结果的。如果你得到的最好结果是...通过从集合中挑选出最好的结果--当然,拟合的概率非常高(尤其是当其他大多数结果都是关于什么的时候)。测试的结果。你是如何得到它们的?- 当然,如果你把托盘上最好的前5%的人,都在测试中运行,选择测试中最好的人--当然,符合的概率还是不小的(尤其是在其他人的平均结果不多)。我敢肯定,这种 "如何不做 "的做法将非常体面地减少被过度装备的概率。正是由于这个原因,我不明白其他人的机器人/模型如何能在公平的基础上得到评价--没门。
更进一步,如前所述,各种花样百出。
随机性/非法性问题是所有algo和algo中的ML的基石问题。
有各种各样的窍门和技巧。
最简单的是看你是如何得到结果的。如果你得到的最好结果是...通过从集合中挑选出最好的结果--当然,拟合的概率非常高(尤其是当其他大多数结果都是关于什么的时候)。测试的结果。你是如何得到它们的?- 当然,如果你把托盘上最好的前5%,都在测试中运行,选择测试中最好的一个--当然,符合的概率还是不小的(尤其是在其他人的平均结果不多)。我敢肯定,这种 "如何不做 "的做法将非常体面地减少被过度装备的概率。正是由于这个原因,我不明白其他人的机器人/模型如何能在公平的基础上得到评价--没门。
更进一步,如前所述,各种花样百出。
这都是显而易见的东西,上了油的...对具体的窍门感兴趣
==============================
例如,作为一种变体,对TC、规则、AMO等的优化面(RP)进行分析...。
例如,按目标 "恢复系数 "计算的两辆货车的OD TC交叉点。
当然,这个TS是不工作的,过去和将来都不会。
=======================================
这里有一个PP工作的TS,非常稳定,到目前为止还在盈利(Valery知道:) )。
可以这么说,感受到了差异。
所以我有一个执着的想法,如果你看到TC的OD,你就可以知道它是什么,以及它是否能在新的数据上工作......
但计算OD的时间很长,也很复杂,也许从计算资源的角度来看,可以用一种更优雅、更省时的方式绕过。
所以我有一个执着的想法,如果你看到TC的OD,你就可以知道它是什么,以及它是否能在新的数据上工作......
但计算OP的时间很长,也很复杂,也许可以更优雅地绕过它,在计算资源方面也不那么费劲。
我有一些想法,阿尔戈交易商是如何做到这一点的。我不知道数据科学家是如何做到这一点的。而且我很清楚我是怎么做的))。
根据我的理解,优化面(在这种情况下)是一个3维空间,其中2个轴是参数(模型、策略)的轴,一个是目标指标。是的,你当然可以从那里进去。我有几个办法,如果需要的话,我可以想出其他办法。不过,我现在从另一个角度来看待这个问题。当然,也没有人愿意与一个以"这都是显而易见的东西,黄油手 " 的人分享有用的信息)。
追踪因果关系并非总是可能的
然后只能对原因和模式的存在作出假设。原因是主要的,行为是次要的。在TA中,他们有时忘记了原因的首要性,把随机重复的行为当作模式,其实不然。
我有一些想法,阿尔戈交易商是如何做到这一点的。我不知道数据科学家是如何做到这一点的。而且我很清楚我是怎么做的)。
根据我的理解,优化面(在这种情况下)是一个3维空间,其中2个轴是参数轴(模型、策略),一个是目标指标。是的,你当然可以从那里进去。我有几个办法,如果需要的话,我可以想别的办法。不过,我现在从另一个角度来看待这个问题。当然,也没有意愿与一个以"这都是显而易见的东西,蝴蝶。")的 人分享有用的信息。
看,如果你对这个问题的回答是: ,很多技巧和窍门。再往后,如前所述,各种花样百出。
谢谢你的这些深入的知识,这绝对不是 "黄油"。
试着在SA或CV这样的特殊网站上回答,你会得到多少赞许,这很有趣......
如果你如此烦恼,你总是可以哭的))。
看,如果你对这个问题的回答是: ,很多花招和技巧。并进一步,如你所说,各种技巧和技术。
谢谢你的这些深入的知识,这绝对不是 "黄油手"。
试着在SA或CV这样的特殊网站上回答,你会得到多少赞许,这很有趣......
如果它让你感到那么困扰,你可以随时哭出来))
很高兴你喜欢它)。
那么就只能是对原因的假设和模式的存在。原因是主要的,行为是次要的。在TA中,他们有时忘记了原因的首要性,把随机重复的行为当作模式,其实不然。
我同意,这是个复杂的问题...
这就是为什么必须进入数学才能有一个答案,而不是 "许多技巧和窍门"。
1)我认为很明显,没有也不可能有办法证明历史上建立的模式在未来一定会起作用。
2)存在一种方法,根据过去的数据为未来建立一个确定的(非随机的)模式,将是对(1)的否定。
我们只有交叉验证,它只能确定一个模式在历史上的同质性。我们只能对模式进行内插,而不能推断。我们只有一个非常弱的假设,即一个良好的插值模式将变成良好的推断。这不是演绎推理,而只是归纳推理--类比推理的一个变种。
1)我认为很明显,没有也不可能有办法证明历史上建立的模式在未来一定会起作用。
2)通过过去的数据来确定未来模式的确定性(非随机性)的方法的存在将是对(1)的否定。