交易中的机器学习：理论、模型、实践和算法交易 - 页 2737

新评论
 
Maxim Dmitrievsky #:
你要么有只松鼠，要么就是得了妄想症。
你能做的就是在公交车上制造噪音，让大家欣赏。这就是你能做的。
))))) MO professionals... Ahahahaha.....我操

 

作为一个想法的产生者：也许不应该确定报价或条形图的颜色，而应该确定一些不那么嘈杂、一知半解的东西，而不是一个单一的事件。

例如，LWMA 20 在 7 个条形图中的位置，可以用简单的数学来概括出它的大致位置，如果 ML/NN 方法能够缩小这一范围，那么就只需要想出一种能够盈利的交易算法。

 
Maxim Kuznetsov 交易算法 就可以了。

我们需要考虑到未来价格走势的矢量，我们正在努力预测它，尽管离散程度不同。但是，我有兴趣解决一个更简单的问题--如果价格将向其交叉点移动，则确定其价格，最好甚至能计算出交叉点。

不幸的是，我不知道如何在 MQL 中建立回归模型或多分类模型，如果不这样做，就没有动力开始用其他语言包来解决这个问题。不过，我有这样一个任务，所以我愿意和有兴趣的人一起解决这个问题，包括计算。

 
mytarmailS #:

是的，我也不明白你想做什么，怎么做，如何定义什么。

我认为这些都是无用的，样本越大越好，但我已经准备好进行测试，为此我们需要一个合适的工具。我们需要一个合适的工具来确定训练模型的最佳区域，先从历史数据入手，然后再看看我们能否在不考虑未来的情况下做到这一点。

 
Aleksey Vyazmikin #:

问题是，我们需要考虑到未来价格走势的矢量，而且我们正试图预测它，尽管离散程度不同。但是，我感兴趣的是解决一个更简单的问题--确定移动的价格，如果价格将向其交叉点移动，最好甚至能计算出交叉点。

不幸的是，我不知道如何在 MQL 中建立回归模型或多分类模型，如果不这样做，就没有动力用其他语言的软件包来解决这个问题。不过，我有这样一个任务，所以我愿意和有兴趣的人一起解决这个问题，包括计算。

如果价格将向 SMA 移动，我们需要交叉，那么问题也是一样的（尽管事先已经知道方向，但由于需要交叉，问题可能更加复杂）。

知道了 dSMA 斜率=（价格[N]-价格[0]）/N 和报价的统计特征（有多少个刻度线，有多少个刻度线在给定时间内转化为点），就可以 "在未来 "建立概率域 - 这里是价格域，这里是 SMA 域，这里_there_price_will_meet_SMA。

但这只是一种统计分析解决方案，您无法从中获利。然后，您必须通过 ML/NN 以同样的方式缩小这些字段的范围，然后想出一个算法。）

 
Maxim Kuznetsov #:

如果价格将向均线移动，而我们需要交叉，那么任务也是完全一样的（尽管方向已知，但由于需要交叉，所以可能更加困难）。

知道了 dSMA 的斜率=（价格[N]-价格[0]）/N 和报价的统计特征（有多少个刻度线，在给定时间内有多少个刻度线转化为点），我们就可以建立 "未来 "的概率域--这里是价格域，这里是 SMA 域，这里_那里_价格_将_满足_SMA。

但这只是一种统计分析方案，无法从中获利。然后，您必须通过 ML/NN 以同样的方式缩小这些字段的范围，然后想出一个算法。）

我知道如何赚钱--在通道上交易，等待修正。其他的--是的，这就是多分类或回归的作用。事实上，您需要建立一个可能柱状图模型，然后计算该模型。

 
Maxim Kuznetsov 交易算法 就可以了。
您认为 cloze 价格的噪音在哪里，它们比 Mashka 差在哪里？没有影响。随机除以随机。

这可能是 MO 新手最先跑去检查和无赖的方法之一

正如我在那里所写的......首先，你必须定义研究对象及其属性，然后使用 MO（如果有的话）来确定因果关系。

MO是一种利用新数据检验假设的简便方法。而这些人却在到处嚷嚷什么都没用。
 
Maxim Dmitrievsky #:
如果您不仅分析时间序列，那么当然可以。但不仅是时间序列，每个人都可以对其进行分析，因此，我决定以价格序列的形式对市场进行显而易见的表述，将其作为 MO 方法的研究对象。

否则，我还会贴上其他标签，如堆栈、新闻分析、配对交易、套利等等，不一而足。

离散化是分析的必要条件，没有离散化就没有分析。通常，时间序列是以相等的时间间隔离散化的。但你也可以用另一种方法来做，例如 renko 或 zigzags。

在我看来，离散化的源头是一个愚蠢的基本 TS，然后我们试图通过我们模型中的过滤器对其进行改进。例如，初始 TS "在一小时开始时买入，在一小时结束时卖出 "或 "在人字形方向的膝盖形成时开盘，在下一个膝盖形成时收盘"，而基于某些指标预测器的最终 TS 则拒绝某些输入。

您认为摆弄不同的离散化方法是一种空洞的臆想，这是有一定道理的，但总会有人不同意您的观点。这就是为什么在这个主题中不可能进行任何具体的建设性讨论的另一个原因。

 
Aleksey Nikolayev #:

离散化是分析的必要条件，没有离散化就没有分析。通常情况下，时间序列是以固定间隔离散化的。但你也可以用另一种方法进行离散化，例如 renko 或 zigzags。

在我看来，离散化的源头是愚蠢的基本 TS，然后我们试图通过模型中的过滤器来改进它。例如，初始 TS "在一小时开始时买入，在一小时结束时卖出 "或 "在人字形方向的膝盖形成时开盘，在下一个膝盖形成时收盘"，而最终 TS 则根据某些指标预测器拒绝某些输入。

您认为摆弄不同的离散化方法是一种空洞的尝试，这是有一定道理的，但总会有人不同意您的观点。这也是为什么在这个主题中不可能就任何具体问题进行建设性讨论的原因之一。

我只能表达我的观点。例如，我尝试过在不同条件下根据刻度线构建不同类型的条形图，但一无所获。在目前阶段，一切都很清楚，如果我们不引入大量不必要的术语，我们可以进行建设性的对话：）。

现在，我只是随机获取一组特征和标签，并在这些特征和标签中循环使用，同时对新数据进行验证。我还在尝试根据互信息推导标签，以便标签与特征之间有尽可能多的信息或相关性。
 
Aleksey Nikolayev #:

你认为摆弄不同的采样方式是一种空洞的尝试，这是有一定道理的，但总会有人不同意你的观点。这也是为什么不可能在主题中就任何具体问题进行建设性讨论的原因之一。

慎重化是过滤（压缩信息）的一种特殊情况，如果它没有用处，它根本就不会存在....。认为它是 "涉猎 "就是白痴，这并不奇怪
MO 教授啊哈哈
1...273027312732273327342735273627372738273927402741274227432744...3399
新评论