交易中的机器学习：理论、模型、实践和算法交易 - 页 2617

[Maxim Dmitrievsky]

mytarmailS #:
我也不经常写作，我更经常阅读......

我只是简单地搜索了一个网站，并阅读了人们的问题和答案，不仅是这个网站，还有纯粹的量子化的网站

例如，我去了quant.stackexchange。

你在搜索引擎中输入神经网络

并阅读 有关神经网络的问题和智能答案。

我没有收到愚蠢的垃圾，一切都很清楚，直奔主题，对于不聪明的写作，他们会给你一个 "减分"，这是最理想的!

如果不是因为市场，这里也会是这样。开发人员去了那里，对他们来说，分享和写作是不赚钱的，但他们喜欢阅读 )论坛现在更像是平台技术部分的一个附录，至于TC，它在市场中。

[mytarmailS]

Maxim Dmitrievsky #:
如果不是因为市场，这里也会是这样。开发人员去了那里，对他们来说，分享和写作是不赚钱的，但他们喜欢阅读 )现在，论坛更像是平台技术部分的附录，至于交易，则是在市场中。

是的...他们喜欢阅读。他们喜欢索取，但不喜欢分享

[Maxim Dmitrievsky]

mytarmailS #:
是的...他们喜欢阅读。他们喜欢索取，但不喜欢分享。

例如，你写了一篇文章--一周后，市场上出现了5-10种产品，几乎完全是复制的。你得到了200美元，他们每人赚了几千美元。分享的动力稍有减弱，但热情仍在。

[Maxim Dmitrievsky]

因此，合乎逻辑的做法是，从市场上逆向开发TS，包括在MO的帮助下进行开发。因为那里的算法基础已经很庞大了。这大概是未来的方向。我在猜测。这就像在音乐和创意方面，有过度的饱和，然后有一堆的翻拍和重制。

[mytarmailS]

Maxim Dmitrievsky #:
因此，合乎逻辑的做法是，从市场上逆向开发TS，包括在MO的帮助下进行开发。

这不是那么简单的...

有利可图的策略不在移动窗口中交易，所以你不能用MO来模拟它们，因为按照标准，AMO是用表格数据工作的，而表格数据本质上是对移动窗口中的东西进行计算......

这里有一个来自天花板的例子：让我们称这个为 "有利可图的策略"：等待突破每周的低点，然后回去等待某种蜡烛图的配置--进入...

如果你有表格数据，你怎么能在MO中找到这样的模式，也就是说，你寻找最后的n个蜡烛图，答案是没有。

当然，你可以为这个"有利可图的策略 " 创建特质，使其发挥作用，但你必须了解这个策略才能为其创建特质，而我们并不了解...

只有两种算法可以解决这些问题，也许只有一种...但有

[mytarmailS]

一个很酷的Python回溯器 出现了，我想为我的RCA买一个)

[Maxim Dmitrievsky]

mytarmailS #:

这不是那么简单的...

有利可图的策略不在滑动窗口中交易，所以你不能用MO来模拟它们，因为按照标准，AMO是用表格数据工作的，而表格数据本质上是对滑动窗口中的东西进行计算......

这里有一个来自天花板的例子：假设这是一个 "有利可图的策略"：等待突破每周的低点，然后回去等待某种蜡烛的配置--进入...

如果你有表格数据，你怎么能在MO中找到这样的模式，也就是说，你寻找最后的n个蜡烛图，答案是没有。

当然，你可以为这个"有利可图的策略 " 创建特质，使其发挥作用，但你必须了解这个策略才能为其创建特质，而我们并不了解...

只有两种算法可以解决这些问题，也许只有一种...但有

这取决于战略。如果使用像新闻这样的外部来源，那么是的，这就更难了。如果仅仅基于价格，那么这可能是一个时间问题。

[Maxim Dmitrievsky]

mytarmailS #:
一个很酷的Python回溯器 出现了--我想为我的RCA买一个)

去过那里，很慢。

[mytarmailS]

Maxim Dmitrievsky #:
这取决于战略。如果你使用新闻等外部来源，那么是的，它更难。如果仅仅基于价格，那么这可能是一个时间问题。

每个人使用MO的方式，它只是一个愚蠢的记忆工具，看的是最后5-10根蜡烛，它不能从这些数据中获取任何东西，这是一个事实。

[Maxim Dmitrievsky]

mytarmailS #:

每个人使用MO的方式，它只是一个愚蠢的记忆工具，看的是最后5-10根蜡烛，它不能从这些数据中获取任何东西，这是一个事实。

我们去看看吧，我想这么做已经很久了)。