交易中的机器学习:理论、模型、实践和算法交易 - 页 2738 1...273127322733273427352736273727382739274027412742274327442745...3399 新评论 mytarmailS 2022.09.09 05:29 #27371 Aleksey Vyazmikin #:一般来说,我认为所有这些都是无用的,样本越大越好,但我准备进行测试,为此我们需要一个合适的工具。一个能确定训练模型最佳区域的工具,让它从历史开始,然后我们再看看是否能做到不看未来。 阿列克谢,这是一个定期超调的任务,就像你喜欢的那样,有什么问题吗? Maxim Dmitrievsky 2022.09.09 05:36 #27372 mytarmailS #: 离散化是过滤(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。 你在 "过滤 "这个词上把 "燃烧 "和 "收缩 "放在了一处,但俗话说,痴呆和勇敢会让你分不清两者之间的区别如果你刚从学校出来不久,就想在科学上突飞猛进,除了在喝啤酒的时候在你的伙伴面前大放异彩之外,你不应该指望快速见效。我忘了,你的神经网络也是过滤器,我猜你滥用的是未经过滤的。 mytarmailS 2022.09.09 05:41 #27373 Maxim Dmitrievsky #:除了在喝啤酒的时候向你的朋友们炫耀之外,你别指望能赚大钱。 对了,每晚睡觉前都要读读这句话,别在什么都不懂的地方瞎折腾。我知道如何谨慎地改进模型,你回学校去吧!MO 教授啊哈哈哈)) Maxim Kuznetsov 2022.09.09 07:38 #27374 Maxim Dmitrievsky #: 你在哪里看到掐头去尾价格的噪音,它们比 Mashka 差在哪里?没有影响。随机除以随机 这可能是 MO 新手最先跑去检查的方法之一,结果被骂得狗血淋头 正如我在那里所写的......首先,您需要定义研究对象及其属性,然后使用 MO(如果有的话)定义因果关系。 IO 是一种用新数据检验假设的简便方法。而这些人却在到处尖叫,说什么都没用。 在某些方面,MAs 更好: 0. 收盘价继承了刻度线的噪音。从字面上看--条形图收盘前是否产生了刻度线,计时器是否点击了某处。正负几个三点。它是在证券交易所的日子有重大的开放/关闭。 1. MA 已经是一个整体(是的 - 平均值) 2.他们代表的价格相当充分。(这就是为什么我指出,LWMA 的偏移略多于 1/3,三分之一,它是完全实际平滑的价格,没有不必要的噪音)。 3. 比较起来更方便,而且可以归一化。 --- 最后--您的研究目标是什么? Ivan Butko 2022.09.09 07:40 #27375 Maxim Kuznetsov #:有人怀疑一些论坛人士,更有人怀疑 网站 上充斥着 "有利可图的专家顾问和信号 "是人工智能的结果。也就是说,NN 正在近乎交易的话题上赚钱。绝对是神经网络和大数据在社交网络的趋势分析上赚钱(交易)。这就是为什么它们是被赞助的,因此有些片面;但这超出了我们的能力范围 :-( 感谢您的回复 Valeriy Yastremskiy 2022.09.09 07:41 #27376 Maxim Dmitrievsky #: 如果每个月至少有一次主题讨论不热烈,它就会死掉,论坛也会变得无聊 例如,SanSanych 说出了有趣的想法,而这些想法也在我的脑海中,因此,尊重与敬意,我从国防部的专业人士那里得到了一些隐含的认可 SSF 没有说太多新东西,当然,寻找预测因子与结果之间的相关性是一个显而易见的目标。唯一让我感到新奇的是,他在整个训练中发现了约 200 个重要特征,但在具体数据中,他只使用了其中的 5%。 我的理解是,有一些方法可以快速确定序列的状态/属性,以便仅针对最新数据选择更重要的预测因子。当然,要进行适当的选择,还需要考虑数量或长度的问题。但显然,即使在整个大型训练中只找到并选择了 200 个预测因子,它也是有效的。 我是这么看的。一个序列的属性在某些指数上是稳定的,但这些指数及其数量在不同部分是不同的。数学模型可以找到序列稳定持续时间足够长的一些不同状态,这些状态可以用不同的模型和相应的模型设置--预测因子--来描述。预测因子的总数就是不同模型设置的总数,因此,通过定义一个模型,可以快速找到以前找到的模型设置。 如果要广泛开发,则需要增加预测因子总数和模型数量。 我同意 SSF 的观点,即目前可用且可接受的处理数据是报价单,其他数据的形式化是一门科学,尽管前景广阔。 Valeriy Yastremskiy 2022.09.09 07:50 #27377 Maxim Kuznetsov #:MA 在某些方面更胜一筹:0. 收盘价继承了刻度线的噪音。从字面上看 - 在条形图收盘前是否产生了刻度线,计时器是否点击了某处。正负几个三点。在证券交易所中,开盘价/收盘价的影响很大。它们已经是积分 MA(是的 - 平均值)2. 它们充分代表了价格。(这就是为什么我指出 LWMA 的偏移略大于 1/3,而 1/3 正是没有不必要噪音的实际平滑价格)。3. 比较起来更方便,而且可以归一化---最后,您的研究对象是什么? 我同意 Max 的观点,在我们的离散案例中,短平均值和稀疏数据在噪声和有用信号方面的研究是一样的。 如果我没弄错的话,研究对象是增量))))))。 mytarmailS 2022.09.09 08:10 #27378 Valeriy Yastremskiy #:SSF 没有说太多新东西,当然,找到预测因子与结果之间的相关性是一个显而易见的目标。 NF 和 MD 对目标和特质之间的相关性这个想法很反感,一个已经反感很久了,另一个才刚刚开始....。他们不会想到,任何特征选择算法都会这样做,而且已经有几十种这样的算法了......确切地说......但是......普图什尼克相信自己的天才,坚信自己正在创造新的独一无二的东西.....。他们将这一想法作为一种发现,作为他们的智力劳动。CIRC... MO教授)))) Valeriy Yastremskiy 2022.09.09 08:21 #27379 mytarmailS #: NF和MD对将目标与特征联系起来的想法很反感,一个已经反感很久了,另一个才刚刚开始...... 他们没有想到,任何特征选择算法都能做到这一点,而且已经有几十种这样的算法被创造出来了.....。 但是......普图什尼克相信自己的天才,坚信自己正在创造新的独一无二的东西.....。 CIRC... MO教授)))) 我希望这里没有人相信他的天才,个人穿越只是吸血鬼心理))))如果它能给任何一方带来心理上的好处,它就有它的用武之地))))))。 每个人的工具包都大致相同,数据也一样,而观念...... 我有一把小锤子,不是大锤子,更不是一把巨大的大锤子))))))) mytarmailS 2022.09.09 08:24 #27380 Valeriy Yastremskiy #:工具都大致相同,数据更是如此,而观点 ...++++表征解决一切 1...273127322733273427352736273727382739274027412742274327442745...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
一般来说,我认为所有这些都是无用的,样本越大越好,但我准备进行测试,为此我们需要一个合适的工具。一个能确定训练模型最佳区域的工具,让它从历史开始,然后我们再看看是否能做到不看未来。
离散化是过滤(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
你在哪里看到掐头去尾价格的噪音,它们比 Mashka 差在哪里?没有影响。随机除以随机
在某些方面,MAs 更好:
0. 收盘价继承了刻度线的噪音。从字面上看--条形图收盘前是否产生了刻度线,计时器是否点击了某处。正负几个三点。它是在证券交易所的日子有重大的开放/关闭。
1. MA 已经是一个整体(是的 - 平均值)
2.他们代表的价格相当充分。(这就是为什么我指出,LWMA 的偏移略多于 1/3,三分之一,它是完全实际平滑的价格,没有不必要的噪音)。
3. 比较起来更方便,而且可以归一化。
---
最后--您的研究目标是什么?
有人怀疑一些论坛人士,更有人怀疑 网站 上充斥着 "有利可图的专家顾问和信号 "是人工智能的结果。也就是说,NN 正在近乎交易的话题上赚钱。
绝对是神经网络和大数据在社交网络的趋势分析上赚钱(交易)。这就是为什么它们是被赞助的,因此有些片面;但这超出了我们的能力范围 :-(
感谢您的回复
如果每个月至少有一次主题讨论不热烈,它就会死掉,论坛也会变得无聊
SSF 没有说太多新东西,当然,寻找预测因子与结果之间的相关性是一个显而易见的目标。唯一让我感到新奇的是,他在整个训练中发现了约 200 个重要特征,但在具体数据中,他只使用了其中的 5%。
我的理解是,有一些方法可以快速确定序列的状态/属性,以便仅针对最新数据选择更重要的预测因子。当然,要进行适当的选择,还需要考虑数量或长度的问题。但显然,即使在整个大型训练中只找到并选择了 200 个预测因子,它也是有效的。
我是这么看的。一个序列的属性在某些指数上是稳定的,但这些指数及其数量在不同部分是不同的。数学模型可以找到序列稳定持续时间足够长的一些不同状态,这些状态可以用不同的模型和相应的模型设置--预测因子--来描述。预测因子的总数就是不同模型设置的总数,因此,通过定义一个模型,可以快速找到以前找到的模型设置。
如果要广泛开发,则需要增加预测因子总数和模型数量。
我同意 SSF 的观点,即目前可用且可接受的处理数据是报价单,其他数据的形式化是一门科学,尽管前景广阔。
MA 在某些方面更胜一筹:
0. 收盘价继承了刻度线的噪音。从字面上看 - 在条形图收盘前是否产生了刻度线,计时器是否点击了某处。正负几个三点。在证券交易所中,开盘价/收盘价的影响很大。
它们已经是积分 MA(是的 - 平均值)
2. 它们充分代表了价格。(这就是为什么我指出 LWMA 的偏移略大于 1/3,而 1/3 正是没有不必要噪音的实际平滑价格)。
3. 比较起来更方便,而且可以归一化
---
最后,您的研究对象是什么?
我同意 Max 的观点,在我们的离散案例中,短平均值和稀疏数据在噪声和有用信号方面的研究是一样的。
如果我没弄错的话,研究对象是增量))))))。
SSF 没有说太多新东西,当然,找到预测因子与结果之间的相关性是一个显而易见的目标。
NF和MD对将目标与特征联系起来的想法很反感,一个已经反感很久了,另一个才刚刚开始......
我希望这里没有人相信他的天才,个人穿越只是吸血鬼心理))))如果它能给任何一方带来心理上的好处,它就有它的用武之地))))))。
每个人的工具包都大致相同,数据也一样,而观念......
我有一把小锤子,不是大锤子,更不是一把巨大的大锤子)))))))
工具都大致相同,数据更是如此,而观点 ...