交易中的机器学习:理论、模型、实践和算法交易 - 页 269 1...262263264265266267268269270271272273274275276...3399 新评论 СанСаныч Фоменко 2017.02.03 08:27 #2681 这里发布的零模型拟合误差的故事纯粹是炼金术的性质。1.模型拟合误差=0。好吧,它不是这样的,不可能是。怎么可能呢?1%可以或不可以?而5%也可以或不可以?你需要多少%才能让它 "能"?2.两个概念:重绘和展望。它们是什么?使用了一个惊人的证明:莫名其妙地发现了可疑的指标,把它们扔掉,得到的拟合误差=50%。就这样了。证明了。展望未来。证明的对象是什么,证明本身是什么 ....没有评论。或者,也许事情要深得多,而炼金术还没有允许进入这个问题?我在上面称这个问题:分析方法和预测方法是不同的,有自己的具体内容,不能简单地把分析方法转移到预测上--必须证明把分析方法应用于预测的可接受性。在我们的例子中。我们采取一些指标(它们都不重要),并计算它们在整个样本中的数值,我们要在这些样本上进行教学和测试模型。对过去的分析是没有问题的。但是对于预测来说,这样的方法必须得到证明,因为我们对我们所拥有的那个酒吧之后的下一个酒吧感兴趣。这意味着我们应该取一个窗口,计算其上的所有指标,然后再拟合模型。当一个新的酒吧 到来时,我们应该再次重复这个程序。历史是否有变化并不重要。该模型必须建立在最后一个指标栏的数值上。当我们计算整个采样的指标时,那么这个指标的值很可能不包含窗口移动期间的最后一个条形的值。因此。如果我们想教模型ON TIMES,我们应该使用指标值,这些指标值是在窗口沿着训练样本移动时,从最后一个柱子的数值中 得出的。PS。如果你对之字形使用这种方法,那么,根据之字形的算法,你会得到零或斑点或与之字形无关的线条。而且不谈重绘和展望--你不能用它,就是这样。 mytarmailS 2017.02.03 08:54 #2682 弗拉基米尔-佩雷文科。有一个新的、非常有前途的软件包RKEEL网关到KEEL。祝好运你能不能至少用两个字说说这套方案的承诺是什么? 或者三个字)桑桑尼茨-弗门科。这里发布的模型拟合误差为零的故事,纯粹是炼金术的性质..................我一个字都没听懂 :) Vladimir Perervenko 2017.02.03 09:23 #2683 mytarmailS:你能不能至少用两个字说说这套方案的承诺是什么? 或者三个字 )===========================================================解释。1.软件产品 "KEEL "允许创建、测试和研究不同类别的模型,以解决回归、聚类和分类问题,而无需深厚的R语言知识。它是一个类似于rattl的程序,但更先进。该程序采用图形化的现成 "立方体"/模块,快速而清晰,类似于KNIME,但更简单。原型设计完成后,只需用 "RKEEL "包将程序转移到R中。这种由模块组成的图形化程序,大大加快并方便了程序的创建,特别是对于编程的初学者,他们大多是交易员。R语言也有类似的程序--"RedR "和 "AnaliticFlow",但它们的支持程度很差。2.提供了大量用于预处理和变量转换的模块,这很好。 3.许多原创的算法被提出,而这些算法并不在R中。从数据中提取知识的各种方法可以更灵活地解决交易任务。祝好运 mytarmailS 2017.02.03 09:53 #2684 弗拉基米尔-佩雷文科。 谢谢你 СанСаныч Фоменко 2017.02.03 10:42 #2685 mytarmailS:你说什么,我不明白 :)你必须键入最后的数值for(i in ...){ X29_1 <- TrendDetectionSMA(D[i:i+windows,]) X29[i+windows] <- X29_1[windows]}因此,X29将由 LAST的值组成,倒数第二的值将不会被纠正重绘的指标 Dr. Trader 2017.02.03 10:51 #2686 桑桑尼茨-弗门科。如果我们想学习模型ON TIMES,我们应该使用从最后一根柱子上获得的 指标值,同时沿着训练样本移动窗口。我自己做的,看看我几页前附上的代码和它的描述。问题是,这6个指标对最后一栏给出了NA结果。然后在分析随后的条形图时--把这个NA值改成别的东西,以前的条形图的结果就会根据新的数据而改变(用通俗的话说--"重新翻转")。 结果是,我们用同样的结果教导模型,而当我们想用新的数据接收预测时--这些指标将告诉我们NA而不是所需的值,这是不可接受的。如果你想分析这些指标,这里有rdata文件,其中有在滑动窗口获得的指标值。这六个重绘指标的值不是取自最后一个条形图,而是取自倒数第二个条形图,以便得到一些东西而不是NA。 附加的文件: candlesticks_test.zip 1160 kb СанСаныч Фоменко 2017.02.03 12:25 #2687 Dr.Trader:我自己做的,看看我几页前附上的代码和它的描述。问题是,这6个指标在最后一栏给出的结果是NA。然后,在分析随后的条形图时--将这个NA值改为其他的东西,发生根据新的数据改变以前条形图的结果(用通常的说法--"重新翻转")。 其结果是,我们使用相同的重新绘制的结果来教授模型,当我们想用新的数据获得预测时,这些指标将告诉我们NA而不是所需的值,这是不可接受的。如果你想分析这些指标,这里有rdata文件,其中有在滑动窗口获得的指标值。这六个指标的值不是取自最后一个条形图,而是取自最后一个条形图,这样就有了东西而不是NA。 所以我们不明白:我们不需要进入它。记住最后一栏。如果是NA,那么就永远没有价值。顺便说一下,这正是最后一栏的ZZ值。 СанСаныч Фоменко 2017.02.08 06:31 #2688 遇到了一篇关于R语言中的深度学习 的评论 Vladimir Perervenko 2017.02.08 08:40 #2689 桑桑尼茨-弗门科。 我发现了一篇关于R语言深度学习的 评论这是一篇肤浅的文章,有许多不准确的地方。显然是由学生作为学期论文写的。想写一篇评论,但找不到写的地方。作为流行的评论,它是好的,但不是一个指南。祝好运 mytarmailS 2017.02.08 09:48 #2690 为什么每个人都如此专注于模型? 为什么没有人谈论迹象? 为什么没有人谈论非平稳性?为什么没有人尝试解决这些问题? 为什么没有人思考推动价格的因素?如果你使用随机的,不管你使用什么模型,无论是通常的KNN还是最复杂的深度网,准确率 都是51-53%,不管它有多深。如果输入是垃圾,这些模型有什么用?没有,但95%的注意力都在模型上,对我个人来说,模型是系统中的最后一个阶段,它只占工作的 2%。在此期间,我将分享我的成果...我的极端算法....到目前为止,完全没有古典意义上的MO,但认识是存在的。 该决策系统是半自动的。在第一阶段,算法识别了一些阵型,并把它们交给我。在第二阶段,我用我的眼睛评估它的计算结果,并作出交易决定。 虽然它的评估非常容易和明确,但我还不能将第二阶段转移到自动识别模式,所以在本质上,该系统是半手动的。该系统是日内交易,在5M时间框架上进行交易,一天平均有大约20笔交易,在15个交易日中,只有两天有小的损失。在 红色的 利润率图表中,是同样的黑色图表,但考虑到了佣金。还将交易转移到技术分析软件中,以便更灵活和更深入地了解。我再补充一下关于非平稳性的问题,看看这个疯狂的波动率峰值,几天前我用箭头标出,我自信地告诉你,所有按固定参数交易的系统,都被压垮了,事实上这整个波动率就是他们的止损,但我偏离了这个....所以我想说的是,要想对市场波动做出或多或少的反应,决策系统要么是不断地对其参数进行充分的修正,以适应市场(我曾经说过的傅里叶),要么是系统一般是非参数化的,否则我不知道如何(()。而且,如果你使用随机指标,无论多深的网格都无济于事祝好运 1...262263264265266267268269270271272273274275276...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
这里发布的零模型拟合误差的故事纯粹是炼金术的性质。
1.模型拟合误差=0。好吧,它不是这样的,不可能是。怎么可能呢?1%可以或不可以?而5%也可以或不可以?你需要多少%才能让它 "能"?
2.两个概念:重绘和展望。它们是什么?使用了一个惊人的证明:莫名其妙地发现了可疑的指标,把它们扔掉,得到的拟合误差=50%。就这样了。证明了。展望未来。证明的对象是什么,证明本身是什么 ....没有评论。
或者,也许事情要深得多,而炼金术还没有允许进入这个问题?
我在上面称这个问题:分析方法和预测方法是不同的,有自己的具体内容,不能简单地把分析方法转移到预测上--必须证明把分析方法应用于预测的可接受性。
在我们的例子中。
我们采取一些指标(它们都不重要),并计算它们在整个样本中的数值,我们要在这些样本上进行教学和测试模型。对过去的分析是没有问题的。但是对于预测来说,这样的方法必须得到证明,因为我们对我们所拥有的那个酒吧之后的下一个酒吧感兴趣。这意味着我们应该取一个窗口,计算其上的所有指标,然后再拟合模型。当一个新的酒吧 到来时,我们应该再次重复这个程序。历史是否有变化并不重要。该模型必须建立在最后一个指标栏的数值上。当我们计算整个采样的指标时,那么这个指标的值很可能不包含窗口移动期间的最后一个条形的值。
因此。
如果我们想教模型ON TIMES,我们应该使用指标值,这些指标值是在窗口沿着训练样本移动时,从最后一个柱子的数值中 得出的。
PS。
如果你对之字形使用这种方法,那么,根据之字形的算法,你会得到零或斑点或与之字形无关的线条。而且不谈重绘和展望--你不能用它,就是这样。
有一个新的、非常有前途的软件包RKEEL网关到KEEL。
祝好运
你能不能至少用两个字说说这套方案的承诺是什么? 或者三个字)
这里发布的模型拟合误差为零的故事,纯粹是炼金术的性质..................
我一个字都没听懂 :)
你能不能至少用两个字说说这套方案的承诺是什么? 或者三个字 )
===========================================================
解释。
1.软件产品 "KEEL "允许创建、测试和研究不同类别的模型,以解决回归、聚类和分类问题,而无需深厚的R语言知识。它是一个类似于rattl的程序,但更先进。
该程序采用图形化的现成 "立方体"/模块,快速而清晰,类似于KNIME,但更简单。原型设计完成后,只需用 "RKEEL "包将程序转移到R中。
这种由模块组成的图形化程序,大大加快并方便了程序的创建,特别是对于编程的初学者,他们大多是交易员。R语言也有类似的程序--"RedR "和 "AnaliticFlow",但它们的支持程度很差。
2.提供了大量用于预处理和变量转换的模块,这很好。
3.许多原创的算法被提出,而这些算法并不在R中。
从数据中提取知识的各种方法可以更灵活地解决交易任务。
祝好运
你说什么,我不明白 :)
你必须键入最后的数值
{
X29_1 <- TrendDetectionSMA(D[i:i+windows,])
X29[i+windows] <- X29_1[windows]
}
因此,X29将由 LAST的值组成,倒数第二的值将不会被纠正重绘的指标
如果我们想学习模型ON TIMES,我们应该使用从最后一根柱子上获得的 指标值,同时沿着训练样本移动窗口。
我自己做的,看看我几页前附上的代码和它的描述。
问题是,这6个指标对最后一栏给出了NA结果。然后在分析随后的条形图时--把这个NA值改成别的东西,以前的条形图的结果就会根据新的数据而改变(用通俗的话说--"重新翻转")。
结果是,我们用同样的结果教导模型,而当我们想用新的数据接收预测时--这些指标将告诉我们NA而不是所需的值,这是不可接受的。
如果你想分析这些指标,这里有rdata文件,其中有在滑动窗口获得的指标值。这六个重绘指标的值不是取自最后一个条形图,而是取自倒数第二个条形图,以便得到一些东西而不是NA。
我自己做的,看看我几页前附上的代码和它的描述。
问题是,这6个指标在最后一栏给出的结果是NA。然后,在分析随后的条形图时--将这个NA值改为其他的东西,发生根据新的数据改变以前条形图的结果(用通常的说法--"重新翻转")。
其结果是,我们使用相同的重新绘制的结果来教授模型,当我们想用新的数据获得预测时,这些指标将告诉我们NA而不是所需的值,这是不可接受的。
如果你想分析这些指标,这里有rdata文件,其中有在滑动窗口获得的指标值。这六个指标的值不是取自最后一个条形图,而是取自最后一个条形图,这样就有了东西而不是NA。
我发现了一篇关于R语言深度学习的 评论
这是一篇肤浅的文章,有许多不准确的地方。显然是由学生作为学期论文写的。
想写一篇评论,但找不到写的地方。
作为流行的评论,它是好的,但不是一个指南。
祝好运
为什么每个人都如此专注于模型? 为什么没有人谈论迹象? 为什么没有人谈论非平稳性?为什么没有人尝试解决这些问题? 为什么没有人思考推动价格的因素?
如果你使用随机的,不管你使用什么模型,无论是通常的KNN还是最复杂的深度网,准确率 都是51-53%,不管它有多深。如果输入是垃圾,这些模型有什么用?没有,但95%的注意力都在模型上,对我个人来说,模型是系统中的最后一个阶段,它只占工作的 2%。
在此期间,我将分享我的成果...
我的极端算法....
到目前为止,完全没有古典意义上的MO,但认识是存在的。
该决策系统是半自动的。
在第一阶段,算法识别了一些阵型,并把它们交给我。
在第二阶段,我用我的眼睛评估它的计算结果,并作出交易决定。 虽然它的评估非常容易和明确,但我还不能将第二阶段转移到自动识别模式,所以在本质上,该系统是半手动的。
该系统是日内交易,在5M时间框架上进行交易,一天平均有大约20笔交易,在15个交易日中,只有两天有小的损失。
在 红色的 利润率图表中,是同样的黑色图表,但考虑到了佣金。
还将交易转移到技术分析软件中,以便更灵活和更深入地了解。
我再补充一下关于非平稳性的问题,看看这个疯狂的波动率峰值,几天前我用箭头标出,我自信地告诉你,所有按固定参数交易的系统,都被压垮了,事实上这整个波动率就是他们的止损,但我偏离了这个....
所以我想说的是,要想对市场波动做出或多或少的反应,决策系统要么是不断地对其参数进行充分的修正,以适应市场(我曾经说过的傅里叶),要么是系统一般是非参数化的,否则我不知道如何(()。
而且,如果你使用随机指标,无论多深的网格都无济于事
祝好运