交易中的机器学习：理论、模型、实践和算法交易 - 页 2629

[СанСаныч Фоменко]

Aleksey Nikolayev #:

在这种情况下，有可能以不同的方式理解 "寻求 "一词。至少在两个方面。人们可以尝试手动寻找捕捉市场 "物理学 "的迹象，也可以尝试通过原始价格的MO来构建它们。

搜索意味着比较预测能力的数值。

但 "捕捉 "更接近于一个约会网站。

[mytarmailS]

Maxim Dmitrievsky #:

在Medium上出现了一个关于你的主题的推荐，它可能会派上用场，我没有进入这个话题。

我对这种方法感兴趣，因为训练好的模型可以很容易地转移到终端（我想）。

https://medium.com/@james_laidler/generating-a-rules-based-system-using-iguanas-762843dd1418

不是麦克斯，那是错误的外套

[Aleksey Nikolayev]

СанСаныч Фоменко #:

搜索意味着比较预测能力的数值。

你不能比较没有发现的东西。

SanSanych Fomenko#:

但 "勾搭 "更接近于约会网站。

我不会争论--每个人都有自己的联想。

[Maxim Dmitrievsky]

根据我的观察，滑动特征窗口并不是一个绝对的邪恶，因为它对可预测的系列起作用

绝对的邪恶是对弱的可预测性进行过度区分，这就扼杀了关于价格水平的信息，而价格水平本身就带有一些信息。

但机器学习习惯于只用静止的特征来工作，线性回归 除外。

[mytarmailS]

Maxim Dmitrievsky 线性回归 除外。

两者都是邪恶的。

而且水平必须被记住，并且对时间不变。

===========

顺便说一下，你有一个有趣的想法，即从市场上复制TS。 这很天真，但它可以作为算法搜索解决方案的智力标准。 如果算法可以猜测TS的规则，这意味着它知道一些东西......一般来说，讨论这个问题是有用的：什么算法应该能够解码别人的TS？

[Maxim Dmitrievsky]

mytarmailS #:
两者都是邪恶的。

而水平必须被记住，并且对时间不产生变化

===========

顺便说一下，你有一个关于从市场上复制TS的有趣想法。 这是一个天真的想法，但它可能是搜索算法的智力标准。 如果算法可以找出TS的操作规则，这意味着它知道一些东西......一般来说，讨论这个问题很有用：这个算法应该是什么，能够解密别人的TS

你只需要下载MT5测试器的报告，它们是xlsx格式的。在那里，一切，时间和利润交易的任何机器人从市场（你可以测试任何付费机器人的免费，然后保存报告）。

这是真的，顶部有很多额外的信息，如表格和图表。

即先做一个方便的机器人报告下载，然后再考虑学习算法的问题

讽刺的是，市场上没有多少有价值的机器人，它们在一段时间后也会涌入。

[mytarmailS]

Maxim Dmitrievsky #:

你只需要下载MT5测试器的报告，它们是xlsx格式的。有一切，时间和利润的任何机器人从市场（你可以免费测试任何付费机器人，然后保存报告）。

但上面有很多不必要的信息，如表格和图表。

即先做一个方便的机器人报告下载，然后再考虑学习算法的问题

讽刺的是，在市场上没有多少机器人，他们也会在一些时间内倒下。

是的，拼命是无稽之谈，我的意思是要想出一个能解决TC的算法，你要明白，仅仅训练一个MOSHKA是不行的。

1.我们需要弄清楚算法将如何记忆水平

2.如何建立基于索引和事件的规则（没有索引）？

自动创建和列举数十亿的属性

4.解决TC不是一个近似值，不是一个近似的结果，它是一个明确的解决方案，就像Enigma中的密码。 这是一个不同的范式

[Forester]

mytarmailS #:
我只是想想出一种可以解决TS的算法，你明白，仅仅教MO是不行的。

如果有一百万个例子，那么也许MO可以把例子平均到任何逻辑或指标的组合等。如果有1000个例子，那就已经是非常平均的东西了，不太可能与原来的EA相提并论。

[Maxim Dmitrievsky]

mytarmailS #:
是的，稀疏性是无稽之谈，我的意思是思考一种可以解开TS的算法，你明白，仅仅教MOSHka是不行的。

1.你需要弄清楚算法将如何记住这些级别

2.如何建立基于索引和事件的规则（不含索引）

自动创建和列举数十亿的属性

4.解开TS不是一个近似值，不是一个近似的结果，它是一个明确的解决方案，就像谜语中的密码。 这是一个不同的范式

这是种创意，你永远不知道。

一个盈利的TS的交易应该指向一个模式。如果它只使用价格/时间，那么选取/近似似乎是可能的

[Forester]

我认为最好的方法是在测试器中对所有可能的工具在所有时间内运行该指标，并对GSC生成的自定义符号 进行测试。在所有可能的图表组合上收集数以百万计的交易，并对其进行训练。这是接近专家顾问内在的任何逻辑的唯一方法。