交易中的机器学习：理论、模型、实践和算法交易 - 页 2738

新评论
 
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？
 
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。
 
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 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？

 
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

 
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。

 
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))))))。

 
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))))

 
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)))))))

 
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