交易中的机器学习：理论、模型、实践和算法交易 - 页 2731 1...272427252726272727282729273027312732273327342735273627372738...3399 新评论 СанСаныч Фоменко 2022.09.06 10:01 #27301 难以想象的混乱：一切都混杂在一起--马、人..... 我们可以区分两种模式 1.基于机器学习思想。 2.统计模型，从根本上说，这种模型在金融市场中应用更为广泛。 MO 在我看来，所有 MO 算法都有一个目标--找到一定数量的模式。在这种情况下，模式是一个带有教师值和特征值的字符串。没有相邻行的值！这种模式的数量可以在 RF 中查找，从 50 棵树开始，拟合误差变化很小。超过 150 棵树就没有意义了。这就是金融市场的多样性。 我们应该对这些树的生命周期进行推理，其（生命周期）由特征与教师之间联系的稳定性决定。也就是说，我们应该处理特征与教师之间的联系。 СанСаныч Фоменко 2022.09.06 10:08 #27302 统计模型是 GARCH 模型。 拿着 rugarch 软件包享受生活？ 一切都被嚼碎了。 简而言之。 统计模型基于这样一个假设：金融市场是非平稳的。这就是为什么所有普通的统计方法，包括上述测试，都要放在篮子里的原因。 因此 1.金融序列是有趋势的，通常采用增量（对我们非常有利）。 使用 ARIMA 模型来模拟相邻柱状图之间的关系，--5 个柱状图已经很多了。 对去趋势后剩余的非平稳性进行建模 根据分布的形状对样本的分布进行建模。 有出版物称 IGARCH 模型最适合金融市场 mytarmailS 2022.09.06 10:14 #27303 СанСаныч Фоменко #:IGARCH 模型更适合金融市场 使用实例 Maxim Dmitrievsky 2022.09.06 10:22 #27304 没错，只有这些方法及其变体。 Aleksey Nikolayev 2022.09.06 10:29 #27305 СанСаныч Фоменко #:统计模型为 GARCH 模型。拿着地毯式搜索软件包享受生活？总结一下统计模型基于金融市场是非平稳的这一假设。因此，所有常用的统计方法，包括上述测试，都会被放在篮子里。 所有自回归模型都是白噪声的某种变换。如果逆变换最终没有得到白噪声，那么该模型也会被放进篮子里。而白噪声首先是一个静止过程。 这是统计模型中非常重要的一点--任何建模的非平稳性都是以平稳性为基础的，这实际上为研究非平稳性提供了可能。 СанСаныч Фоменко 2022.09.06 10:42 #27306 mytarmailS #: 使用实例？ 谷歌来帮忙。有大量文献。 СанСаныч Фоменко 2022.09.06 10:42 #27307 Aleksey Nikolayev #:所有自回归模型都是白噪声的某种变换。如果逆变换最终没有得到白噪声，那么该模型也就进入了垃圾箱。而白噪声首先是一个静止过程。这是统计模型中非常重要的一点--任何建模的非平稳性都是以平稳性为基础的，这实际上为研究非平稳性提供了可能。 阅读 Garch，不要胡编乱造 附加的文件： Glossary_to_ARCH_-_GARCH.zip 759 kb mytarmailS 2022.09.06 10:52 #27308 СанСаныч Фоменко #:谷歌来帮忙这里有大量文献。 这个问题是问你的，不是问谷歌的。你能举例说明 Garch 比 Arima 或 Forrest.... 更好吗？是你说的，那就给我看看你是怎么比较的，用什么指标比较的，你到底是比较了还是只是说说而已，谷歌跟这有什么关系？ СанСаныч Фоменко 2022.09.06 10:56 #27309 mytarmailS #: 问你一个问题，不是问谷歌。 您能举例说明 garch 比 arima 或 forrest.... 更好吗？ 你是这么说的，那就告诉我你是怎么比较的，用什么指标比较的，你到底是比较了还是只是说说而已，这和谷歌有什么关系？ 不是你，是你自己。 没有我，跟你的同类说去吧。 Maxim Kuznetsov 2022.09.06 10:57 #27310 细微差别："去趋势 "操作扼杀了所有最美味、最有趣的东西:-) 更确切地说，根本没有合理的方法可以去除趋势或除趋势之外的一切因素。有一些方法可以最大限度地减少或考虑季节性因素（日/周波动）。也许大人物也有针对月份和季度的方法。 只是 "趋势 "这个概念本身太模糊了，以至于在查看已完成的历史记录时，它只存在于头脑中。但大/小趋势是可以交易的。 ---- 现在，在客观观察到的现实中，存在着明显的美元逆势增长的趋势。更确切地说，事实上，这种趋势已经持续了很长时间。而且很有可能今天明天就会结束，因为这是显而易见的。 也就是说，增长的事实已经发生。每个人对增长开始的时间都有不同的判断，而且是在相当长的时间之后（可能有人刚把账户里的 "镑 "用完，所以他才注意到）。 有没有一种方法可以及时确定 "哦！大趋势......有必要消除它对小趋势的影响"？ 没有这种方法。没有前瞻性就没有。 ---- 单个交易品种的交易任务就是及时判断趋势。这里有一个死胡同，"趋势":-) 没有一个普遍接受的技术定义，可以简化到公式和算法的水平（它们基本上只是公式的另一种写法）。 总结：我们应该注意 "去趋势 "操作。一方面，"去趋势 "操作是不可或缺的，另一方面，"去趋势 "操作也会带来太多的必要信息。 1...272427252726272727282729273027312732273327342735273627372738...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
难以想象的混乱：一切都混杂在一起--马、人.....
我们可以区分两种模式
1.基于机器学习思想。
2.统计模型，从根本上说，这种模型在金融市场中应用更为广泛。
MO
在我看来，所有 MO 算法都有一个目标--找到一定数量的模式。在这种情况下，模式是一个带有教师值和特征值的字符串。没有相邻行的值！这种模式的数量可以在 RF 中查找，从 50 棵树开始，拟合误差变化很小。超过 150 棵树就没有意义了。这就是金融市场的多样性。
我们应该对这些树的生命周期进行推理，其（生命周期）由特征与教师之间联系的稳定性决定。也就是说，我们应该处理特征与教师之间的联系。
统计模型是 GARCH 模型。
拿着 rugarch 软件包享受生活？ 一切都被嚼碎了。
简而言之。
统计模型基于这样一个假设：金融市场是非平稳的。这就是为什么所有普通的统计方法，包括上述测试，都要放在篮子里的原因。
因此
1.金融序列是有趋势的，通常采用增量（对我们非常有利）。
有出版物称 IGARCH 模型最适合金融市场
统计模型为 GARCH 模型。
拿着地毯式搜索软件包享受生活？
总结一下
统计模型基于金融市场是非平稳的这一假设。因此，所有常用的统计方法，包括上述测试，都会被放在篮子里。
所有自回归模型都是白噪声的某种变换。如果逆变换最终没有得到白噪声，那么该模型也会被放进篮子里。而白噪声首先是一个静止过程。
这是统计模型中非常重要的一点--任何建模的非平稳性都是以平稳性为基础的，这实际上为研究非平稳性提供了可能。
使用实例？
谷歌来帮忙。有大量文献。
所有自回归模型都是白噪声的某种变换。如果逆变换最终没有得到白噪声，那么该模型也就进入了垃圾箱。而白噪声首先是一个静止过程。
这是统计模型中非常重要的一点--任何建模的非平稳性都是以平稳性为基础的，这实际上为研究非平稳性提供了可能。
阅读 Garch，不要胡编乱造
谷歌来帮忙这里有大量文献。
问你一个问题，不是问谷歌。
不是你，是你自己。
没有我，跟你的同类说去吧。
细微差别："去趋势 "操作扼杀了所有最美味、最有趣的东西:-)
更确切地说，根本没有合理的方法可以去除趋势或除趋势之外的一切因素。有一些方法可以最大限度地减少或考虑季节性因素（日/周波动）。也许大人物也有针对月份和季度的方法。
只是 "趋势 "这个概念本身太模糊了，以至于在查看已完成的历史记录时，它只存在于头脑中。但大/小趋势是可以交易的。
----
现在，在客观观察到的现实中，存在着明显的美元逆势增长的趋势。更确切地说，事实上，这种趋势已经持续了很长时间。而且很有可能今天明天就会结束，因为这是显而易见的。
也就是说，增长的事实已经发生。每个人对增长开始的时间都有不同的判断，而且是在相当长的时间之后（可能有人刚把账户里的 "镑 "用完，所以他才注意到）。
有没有一种方法可以及时确定 "哦！大趋势......有必要消除它对小趋势的影响"？ 没有这种方法。没有前瞻性就没有。
----
单个交易品种的交易任务就是及时判断趋势。这里有一个死胡同，"趋势":-) 没有一个普遍接受的技术定义，可以简化到公式和算法的水平（它们基本上只是公式的另一种写法）。
总结：我们应该注意 "去趋势 "操作。一方面，"去趋势 "操作是不可或缺的，另一方面，"去趋势 "操作也会带来太多的必要信息。