交易中的机器学习：理论、模型、实践和算法交易 - 页 2653

[Aleksey Nikolayev]

Maxim Dmitrievsky #:
谢谢，这只是后台的一部分。

你还可以把开放源代码推送给有大把外快的外国人。

这些都是不必要的细节，每个人都有自己的诀窍）。

[Andrey Khatimlianskii]

mytarmailS #:

关于多样化的力量

比方说，我们有一个技术合作公司，它的收入并不高，甚至可以说很低。

下面是它的收益率曲线

实际上，这是一个随机噪声，其中加入了一个非常微弱的趋势，这个趋势非常小，小到在噪声中肉眼无法看到。

问题是，在我们的案例中，这种 "非常微弱的趋势 "是向下的，而不是向上的，这就是所谓的交易成本（佣金、滑点、加价）;)

因此，增加 100K 个策略，即使它们之间没有关联，也会导致更快的流失。

[mytarmailS]

Maxim Dmitrievsky #:

这里有一个值得称赞的小东西，很有品位。

乐意效劳

我应该写一篇关于它的文章。

哦，祝贺你

[mytarmailS]

Andrey Khatimlianskii #:

问题在于，在我们的案例中，这种 "非常微弱的趋势 "是向下的，而不是向上的，这就是所谓的交易成本（佣金、滑点、加价）；)

因此，增加 100K 个策略，即使它们之间没有关联，也会导致更快的耗尽。

根据定义，TS 是一种盈利算法，即趋势是向上的。而您所描述的，是随机+成本

[Maxim Dmitrievsky]

mytarmailS #:
恭喜你

谢谢

[Andrey Khatimlianskii]

mytarmailS #:
根据定义，TS 被认为是一种盈利算法，即趋势是向上的。而你所描述的，是随机+成本。

在历史上它是盈利的...但在线交易就像我描述的那样--交易越活跃，亏损就越快；）。

但这是哲学，抱歉跑题了。

[mytarmailS]

Andrey Khatimlianskii #:

在历史记录上是可以盈利的...但在线交易就像我描述的那样--交易越活跃，亏损越快；)

但这是哲学，抱歉跑题了。

为什么要跑题呢，有理有据的观点总是令人感兴趣的。

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:

这里有一个值得称赞的小东西，很有品位。

乐意效劳

我应该写一篇关于它的文章。

祝贺你真是令人印象深刻的销售数字。

[Maxim Dmitrievsky]

Aleksey Vyazmikin #:

祝贺你销售额真的很可观。

谢谢。情况好的话，几个月就能完成，看看销量排行榜就知道了。给那些不知道该把自己的知识用在国防部什么地方的人一点激励。不要为了科学而科学。

MO 上的机器人比例还很小，大多是原始策略。但这已经跑题了

[mytarmailS]

Aleksey Nikolayev #:

类似，但参数似乎只能取几个给定值，而不是任意实数。

https://github.com/fnoorian/gramEvol/issues/21

这里还有一些有趣的解决方案