交易中的机器学习：理论、模型、实践和算法交易 - 页 2769

新评论
 
mytarmailS #:

隧道思维让人难以理解很多事情。阿尔特舒勒称之为思维惯性


注： 即使从一个 "苜蓿 "中，您也可以归纳出数以百万计的特征......

更准确地说，这么多

这还是在离散化之后

符号将是该工具整个历史上的价差除以价格步长)))))。以及它们的组合。迹象的数量似乎不是目标。有诅咒。))))

Zy, only without TRIZ)))))
 
Valeriy Yastremskiy #:

符号将是该工具整个历史上的价差除以价格步长))))。以及它们的组合。迹象的数量似乎不是目的。有诅咒。))))

Zy，只是没有TRIZ)))))。
是的，正是如此，但我们可以利用大脑减少变体的数量，摒弃宇宙变体（摒弃），通过创建模型减少维度（摒弃），对数据进行离散化/聚类（摒弃）。
现在我们有数十亿种选择。
然后，我们进行高效（尽可能多的）搜索......
就这么简单）。


TRIZ 有什么不好？

 
mytarmailS #:
是的，没错，但你可以通过动脑来减少选项数量，舍弃空间选项（舍弃），通过创建模型来降低维度（舍弃），将数据离散化/集群化（舍弃）。
然后我们就可以减少到数十亿个选项了。
然后，我们就可以进行高效的（尽可能多的）搜索...
就这么简单）。


TRIZ 有什么不好？

嗯，没错，很遗憾没有对这些步骤进行实质性的讨论，虽然这里的每个人都有这些步骤，但显然出于某种原因，它们被认为是秘密))))

TRIZ并没有错，只要把它当作)))))。从方法的正确性中得出正确决定的范式一般是显而易见的))))))

我试图描述极值，我得出的结论是，有必要描述的不是极值本身，而是极值内部/极值之间的东西，然后你才能得到一些状态描述。另外，模式的内部差异大多太大，无法提供有意义的信息。对模式进行机器筛选当然比视觉筛选更好，但也完全有可能对较低的 TF 进行内部研究。

只是一些小想法）

 
Valeriy Yastremskiy #:

嗯，确实如此，遗憾的是没有对这些步骤进行实质性的讨论，虽然这里的每个人都有这些步骤，但显然由于某些原因，它们被认为是秘密))))))

三思并没有错，只要它是作为)))))。从方法的正确性看正确决策的范式一般是显而易见的)))))

我试图描述极值，我得出的结论是，有必要描述的不是极值本身，而是极值内部/极值之间的东西，然后你才能得到一些状态描述。另外，模式的内部差异大多太大，无法提供有意义的信息。对模式进行机器筛选当然比视觉筛选要好，但我们很有可能需要对较低的 TF 进行内部研究。

因此，小编认为))))

如果历史记录中的形态多于条形图，那么它们就已经有问题了
 
Maxim Dmitrievsky #:
如果历史记录中的模式多于条形图，那么它们就已经有问题了。

我希望是分形）或许还有一些动态描述。动态特征通常涵盖整组静态特征。

描述一个接近 SB 的过程的状态，至于它为什么接近，它是 SB 还是我们不知道的函数的总和，这都不重要，这项任务在本质上接近于在类似于 SB 的环境中寻找标准状态)))))。

但目标不同，解决方法也相应不同。

比起在混沌环境中寻找某种东西，我更喜欢这项任务。

 
Valeriy Yastremskiy #:

我希望是分形）或许还有一些动态描述。动态特征通常涵盖整组静态特征。

描述一个接近 SB 的过程的状态，至于它为什么接近，它是 SB 还是我们未知的函数之和，这都没有区别，这项任务在本质上接近于在与 SB 相似的环境中寻找标准状态))))。

但目标不同，解决方法也相应不同。

比起在混沌环境中寻找某些东西，我更喜欢这项任务。

你不考虑市场的结构本身，只看抽象概念......SB 或函数的总和....。

我会告诉你，当你看一个抽象概念时，你没有考虑到什么。
让我们以函数总和为例，我更喜欢它，但这并不重要，这只是一个例子。

我们假设市场是未知函数/干扰的总和......

因此，我们找到这些函数，预测每个函数，预测的总和就是总预测，对吗？ 这对抽象....。
但我们预测的是什么呢？
市场是由市场订单和限价订单这两个引擎组成的，前者推动市场，后者阻止市场....。

因此，我们预测市场功能，在这个过程中，它就像市场订单的动力，在这里，我们得到了预测--上涨，但市场下跌.....，为什么？

也许我们甚至正确预测了市场订单的动态，但限价玩家出现了，并以相同的价格吃掉了所有订单.....。

模型没有考虑到这一点，模型应该考虑到时间序列背后的真实过程，而不仅仅是对 SB 的抽象，或函数....

也许我说得太啰嗦了，但这是我在手机上尽我所能......
 
mytarmailS #:
你不考虑市场结构本身，只看抽象概念......SB 或函数总和....

我会告诉你，当你看抽象概念时，你没有考虑到什么。
让我们以函数总和为例，我更喜欢它，但这并不重要，这只是一个例子。

我们假设市场是未知函数/干扰的总和......

因此，我们要找到这些函数，预测每个函数，预测的总和就是总预测，对吗？ 这对抽象....。
但我们预测的是什么呢？
市场是由市场订单和限价订单这两个引擎组成的，前者推动市场，后者阻止市场....。

因此，我们预测市场功能，在这一过程中，它就像市场订单的动态一样，在这里我们得到了一个预测--上涨，而市场采取了下跌.....。

也许我们甚至正确预测了市场订单的动态，但限价玩家出现了，并以相同的价格吃掉了所有订单.....。

模型没有考虑到这一点，模型应该考虑到时间序列背后的真实过程，而不仅仅是对 SB 的抽象，或函数....

也许我说得有点啰嗦，但这是我在手机上尽我所能......

当然，我没有考虑到，也没有设定这样的任务，我怕)))))，我无法应对))))))。

我给自己设定了一个更简单的任务，通过从历史中获得的一些指标来描述一些稳定的状态（当然不是全部))))）。）通过从历史中获得的一些指标来描述。天气不仅可以用温度来描述，还可以用气压、风速、湿度、天空透明度来描述。我们最初只有两个参数，价格和时间。它们绝对不足以描述状态。

 
Valeriy Yastremskiy #:

我当然不知道，而且我也没有设定这样的任务，恐怕)))))))，我无法复制))))))))。

我给自己设定了一个更简单的任务，通过从历史中获得的一些指标来描述一些稳定的状态（当然不是所有的状态))))。）通过从历史中获得的一些指标来描述。天气不仅可以用温度来描述，还可以用气压、风速、湿度、天空透明度来描述。我们最初只有两个参数，价格和时间。这两个参数绝对不足以描述天气状况。

好吧，我用一百个特征....，实现了bousting无法实现的目标。
或者说，它可以是 bousting，甚至更好，但它不可能加载十亿个符号....。

因此，价格和时间已经足够，处理算法才是重要的...

还记得我们说过的像素吗......？只有三种颜色的 RGB，如果经过大脑处理，它本身承载了多少信息....？

而他们在这里所做的，只是从窗口输入最后 10 个像素，而那个不靠谱的 AMO 又能找到什么呢????？
然后是事后的非稳定性。
 

发生了一件史无前例的事情 - 在 MO 分支机构，他们意外地注意到报价并不是一串抽象的双数值：-）但他们极力忽略这一点，因为这很困难。

我们看到了什么？

至少有 4 种截然不同的状态：(1) 欧洲的一天，国家银行改变货币（来回兑换美元，这是欧洲，各州不需要，他们有足够的美元），(2) 各州开启，资金重新估值开始（各州的固定资产），(3) 欧洲结束，各州保留，(4) 只剩下所有其他国家。

这与会期结构相辅相成：三个明显的成交量高峰--开盘时明显的大幅成交量高峰、当地午餐后略显模糊的成交量高峰和收盘前最后的小幅成交量高峰。这就是银行的工作方式。

为了保持趣味性，主要交易所会组织定盘交易--在严格规定的时间评估潜在的汇率（并进行相应的交易）。这将是参考价，但 "大公司 "会在此时积极交易（这是他们的 "箭头"--方便他们相互交易）。在这些快乐的时光里，没有 "TICKS"。

也就是说，已经有了天壤之别 :-)

我们的分布式外汇交易中，每个节点都可以表示为一个大规模服务系统；它也有几种状态--它有时间服务订单并对其邻居的变化做出反应（刻度是有规律的，每个刻度 1-2 个点），而它没有时间（刻度是 "锯齿状的步伐"，变化是显著的）。

 
mytarmailS #:
好吧，我只用 "掐头去尾 "就实现了上百种功能都无法实现的 "拗造型"....。
或者说，它可以是 bousting，甚至更好，但它不可能装入十亿个符号....。

因此，价格和时间已经足够，处理算法才是重要的...

还记得我们说过的像素吗......？只有三种颜色的 RGB，如果经过大脑处理，它本身承载了多少信息....？

而在这里，他们所做的只是从窗口输入最后 10 个像素，而那个不靠谱的 AMO 又能找到什么呢????？
除此之外，也没有一个statssyonarstvo。
这是很好的，当有削减)))) 动机)))))))
一个很好的例子与颜色，当然有很多他们从3转出，所有如果完全，但主要的7。除了波长之外，它们还有颜色的饱和度，就像波长)))))，介质有一个最佳的特性数量来描述状态。如果数量少，描述就不准确，如果数量多，同一状态就会有几组特征。


1...276227632764276527662767276827692770277127722773277427752776...3399
新评论