交易中的机器学习：理论、模型、实践和算法交易 - 页 2711

新评论
 
mytarmailS #:
实现的背后是什么理念呢？

对事件进行分类。对于每种类型的事件，我们都会寻找不同类型的催化剂--可能是一个指标，也就是规则/列表根目录中的一些基本指标。如果指标符合要求，我们就将指标设置和空间设置保存到文件中。

在这些设置和空间的数据集（本质上是树桩或简单的规则集）之后（我还不知道是否要在这里一次性输入规则--以执行二值化程序），我们将这类事件特有的事件的其他预测因子（描述元素）连接起来。在输出端，我们重新计算指标并进行最终筛选--预测器就绪了。

简而言之

也许可以使用 MGUA 对生成的预测器进行进一步分组，以筛选或获取平均值，但我不知道如何在 MT5 中实现。

问题是--处理目标的最佳方法是什么。到目前为止，我认为我们应该在 ZZ 极值附近选取一个邻域，如果邻域中已经识别出一个事件，那么我们就不应该再计算其规则/叶片的指标。

 
Maxim Kuznetsov #:

当 "事件 "发生时（变得明显或反映在过去的日历中），再急着去某个地方交易就太晚了。

因此，这可能只是一个关闭的信号，如果有购买，也是同样的销售。

马克西姆-库兹涅佐夫#:

在您的图片中，"价格已达到 ATR D1 "是结果，最后，认真的人已经完成了所有的购买/销售，那么您可以交易的只是噪音。

通常情况下是的，但也可能受到其他外部事件的影响，比方说，我们在交易石油，例如，有消息称--油轮被卡住了，石油不能按时到达。在这种情况下，ATR 就不那么重要了....

或者纯粹从技术上讲 - 市场从平淡中走出来 - 每天的走势都在增长，ATR 突破 100%，伴随着消息，市场没有回调，即有可能进一步打开。

这些细微差别将在第二阶段中寻找，届时将建立额外的桩头条件，ATR 达到 100%时的通常行为将在第二阶段中揭示。

马克西姆-库兹涅佐夫#:

也就是说，该方案相当于从右到左的反向时间阅读："价格正走向某处"->"买入/卖出"->"该死，之字形转向"->"新闻，情绪":-) ....但假设也可以从右向左输入报价来使用它，那么所揭示的结果就接近于所寻找的预测因素，其中一些甚至可以使用。

具有未来知识的目标将用于搜索。
 
Aleksey Vyazmikin #:


通常情况下是的，但也可能受到其他外部事件的影响，比方说，我们交易石油，例如，有消息称--油轮被卡住了，石油不能及时运到。在这种情况下，ATR 就不那么重要了....


关于 "巨型油轮被困 "的消息是不可抗力（前提是它不是定期被困在同一个地方，而且没有任何预兆）。立即退出市场 :-)您确定价格会上涨吗？石化公司将从储备中获得石油（不可抗力），价格将下跌。

 
Maxim Kuznetsov #:

关于 "巨型油轮被困 "的消息属于不可抗力（除非它定期被困在同一个地方，而且没有任何预兆）。立即退出市场 :-)你确定价格会上涨吗？石化公司将从储备中获得石油（不可抗力），价格将下跌。

这只是一个例子，说明信息的影响抵消了更经常满足的条件，即只是一棵树的分裂，这就是我想说的。

 
Aleksey Vyazmikin #:

这只是一个例子，说明信息的影响抵消了更经常满足的条件，即只是一棵分裂的树，这就是我想说的。

你从来没有（也许只有一次）遇到过油罐车被卡住的情况。你根本无法猜测是否会发生劈裂或可能会有什么反应。整个美国总统，而不是最后一个消息灵通人士，都以为英镑会在 300 点，但天然气却在 3500 点出来 :-)

 
Maxim Kuznetsov #:

你从来没有（也许只有一次）遇到过油罐车被卡住的情况。你甚至无法猜测是否会发生分裂，或者会有什么反应。整个美国总统，而不是最后一个知情的人，都认为 300 时会有一英镑，但天然气出来时是 3500 :-)

因此，在理想情况下，应该对一个重要事件进行分拆--关于这个事件，每个人都在大肆宣扬，但结果在表中是未知的--对于模型来说，这将是一个错过进入市场信号的机会。在这个例子中，我们谈论的不是模型，而是一些外部事件的影响，这些外部事件取消了经常重复的规则。

 
Aleksey Vyazmikin #:

理想情况下，应该有一个关于重要事件的分裂--关于这个事件，每个人都在大肆宣扬，但结果在表中是未知的--对于模型来说，这将是一个错过进入市场信号的机会。在这个例子中，我们谈论的不是模型，而是一些外部事件的影响，它取消了经常重复的规则。

一些外部事件可以分为：1）有人知道的事件，这些先兆就在价格中；2）缺乏信息或根本不存在的事件。任何基于 #2 的决策都像是 "掷硬币"--系统可能会决定 "最佳情况 A"，但这是随机的。#1 也可以分为 1.1 对你来说并不意外的事件和 1.2 所有其他事件。....。1.2 与 #2 基本相同，只是可以通过自我发展将其降到最低。

也就是说，你只能把事先知道的、但可能不太准确、需要改进的事情纳入模型中。不可能根据对过去的分析来回答 "如果油轮突然被卡住该怎么办 "的问题。因为以前没有发生过这种情况。

 
Maxim Kuznetsov #:

一些外部事件可以分为：1）有人知道的事件，这些前兆在价格中；2）缺乏信息或根本不可能存在的事件。任何基于 #2 的决定都像是 "掷硬币"--系统可能会决定 "最佳情况 A"，但这是随机的。#1 也可以分为 1.1 对你来说并不意外的事件和 1.2 所有其他事件。....1.2 基本上与 #2 类似，只是可以通过自我发展将其降到最低。

也就是说，你只能把事先知道的、但可能不太准确、需要完善的东西纳入模型中。不可能根据对过去的分析来回答 "如果油轮突然被卡住该怎么办 "的问题。因为以前没有发生过这种情况。

一切都可以纳入一个理想的系统，但我们能获得多少信息并正确处理这些信息，则是一个认识和能力问题。

 
Aleksey Vyazmikin #:

万事万物都可以纳入一个理想的系统，但我们能获得多少信息并正确处理这些信息，则取决于我们的意识和能力。

这就好比把所有东西都堆在一个锅里，然后拿出一块金子。最重要的是，用一个配置合适的勺子，搅拌合适的次数:-)

 
Maxim Kuznetsov #:

这就好比把所有东西都堆在一个锅里，然后掏出一块金子。最重要的是用一个合适形状的勺子搅拌适当的次数:-)

没错，这就是为什么我决定将数据分组，按事件制作中间预测器，然后对它们进行训练。

1...270427052706270727082709271027112712271327142715271627172718...3399
新评论