交易中的机器学习:理论、模型、实践和算法交易 - 页 2777

 
Aleksei Stepanenko #:

弗拉基米尔,如果你有收获,我很高兴。那么,它与分支有什么关系?神经网络还是为它们获取数据?

在这里搜索预测器已经很久了 有2775页呢还有其他东西可以提供给国防部。

我的观点是,有必要从价格本身进行搜索,而不是从指标的 MA 和其他扭曲的价格 中进行搜索。

我想把那些受苦受难的人推上正确的道路。他们很顽固)。

 
小丑在打闹,他们没时间禁止。一个走了,另一个又来了,如此反复。
我认为继续下去没有任何意义
 
Maxim Dmitrievsky #:
小丑在打闹,他们没时间禁止。一个走了,另一个又来了,如此反复。
我认为继续下去没有任何意义

不要分心。

做你的科学工作。

 
Uladzimir Izerski #:

如果你确定,交易什么并不重要。

我是说,在 SHF 下,你不应该用真钱交易。

每次我写信,你都在说别的事。

对于我第一个关于马克的问题,以及我的复制品。
 
Evgeni Gavrilovi #:

您能公布这样的预测方法吗?

也许是欧元兑美元和英镑兑美元的 RSI 指标读数不同?

同样是 RSI,但有一些细微差别。

再次强调:重要的不是预测指标列表,而是选择这些预测指标的算法。当窗口移动时,提到的 RSI 可能会被使用,也可能不会被使用。这就是问题所在,也是一系列问题中的第一个。

 
Uladzimir Izerski #:

不要分心

做好你的科学工作。

我们欢迎科学工作,但禁止在市场上间接宣传您的非凡指标。禁止的不是指标,而是付费指标的作者。

您应该更加谦虚。

您已经在市场上摸爬滚打了六年,而十年前,大多数论坛成员都认为,在技术分析的框架内创建一个运行超过六个月的交易系统是极其困难的。如果我们根据信号的寿命来判断,成千上万个信号中有人成功了,但结果总是一样--存款一落千丈。您没有提供证据证明使用您的指标的可能性,至少在状态或更好的信号层面上。


我们从事 MO 是因为在实践中,最重要的是在理论上不可能使用技术分析。我们并不是从美好的生活中开始接触 MO 的。MO 是一座高深莫测的数学和软件之山。这里没有对科学的热爱。


PS.

发布的指标不是第一个。

信号出现在第二根蜡烛上,在第三根蜡烛收盘时建仓。只有当趋势持续超过 3 根蜡烛线,至少在第 4 根蜡烛线时才会获利。

反转信号将出现在第二根蜡烛线上,交易将在第三根蜡烛线上平仓。该指标什么也不是。

连续 3 根蜡烛出现 1 个符号的正增量极为罕见,您可以轻松获得相关统计数据。相应的统计数据称为自相关。通常少于三根。


 

СанСаныч Фоменко #:

相关统计称为自相关。通常小于 3。

我在 70 年代的一本书中读到,没有自相关性就不可能预测一个序列。在这个问题上有什么更现代的说法吗?

 
СанСаныч Фоменко #:

我们欢迎科学工作,但禁止间接宣传您从市场上获得的非凡指标。禁止的不是指标,而是付费指标的作者。

您应该更加谦虚。

您已经在市场上摸爬滚打了六年,而十年前,大多数论坛成员都相信,在技术分析的框架内创建一个有效期超过六个月的交易系统是极其困难的。从信号的寿命来看,成千上万个信号中也有人成功做到了,但结果总是一样--存款一落千丈。您没有提供任何证据来证明使用您的指标的可能性,至少在状态或更好的信号层面上。


我们从事 MO 是因为在实践中,最重要的是在理论上不可能使用技术分析。我们并不是从美好的生活中开始接触 MO 的。MO 是一座高深莫测的数学和软件之山。这里没有对科学的热爱。


PS.

发布的指标不是第一个。

信号出现在第二根蜡烛上,在第三根蜡烛收盘时建仓。只有当趋势持续超过 3 根蜡烛线时,至少在第四根蜡烛线上才能获利。

反转信号将出现在第二根蜡烛线上,交易将在第三根蜡烛线上平仓。该指标毫无意义。

连续 3 根蜡烛出现 1 个符号的正增量极为罕见,您可以轻松获得相关统计数据。相应的统计数据称为自相关。通常少于三个。

分形的特性允许获得更长的相关性,以确定形态存在的时间。但必须调整窗口。从本质上讲,这种方法就是通过将序列分成两部分,并以相反的顺序从另一部分中减去一部分,将第二部分或第一部分的时间顺序颠倒过来,即在点上镜像图形(吸引子),从而选择出这样的状态。这些现象就是 "胖尾巴 "和记忆的表现形式。也就是说,吸引点左右两侧的图形片段高度相关。

这个过程的形成过程很简单: 1.分岔点,过去的模式被打破,新的影响信息进入市场。2.2. 在市场已经考虑了部分信息后,出现一个吸引子来预测剩余的信息。3.3. 再次崩溃,之前的依赖关系不再起作用。新分岔的开始也会被部分预测到。

经典计量经济学中没有这种东西。但只要修改滑动窗口的方法,就可以使用其工具。
 
Maxim Dmitrievsky #:
分形的特性使您可以获得更长的相关性,以及图案的持续时间。但需要调整窗口。从本质上讲,这种方法就是将数列分成两部分,然后按照相反的顺序从另一部分中减去一部分,将第二部分或第一部分的时间顺序颠倒过来,即在点上(吸引点)镜像图形,从而分离出这种状态。这些现象就是 "胖尾巴 "和记忆的表现形式。也就是说,吸引子左右两边的图形片段具有很强的相关性。 。

这一过程的形成过程很简单: 1.分岔点,过去的模式被打破,新的影响信息进入市场。2.2. 在市场已对部分信息做出解释后,出现一个吸引子来预测剩余部分。3.3. 再次崩溃,之前的依赖关系不再起作用。新分叉的开始也会被部分预测到。

在经典计量经济学中没有这种情况。但只要修改滑动窗口的方法,就可以使用它的工具。

我不明白,是否可以通过从相对于中心的左侧部分减去右侧部分来识别强反弹,并将它们分成几组?为什么是较长的相关性?那更明显、更强的呢?

一般来说,它可以与时间或事件绑定。但窗口的大小应该经过训练,以某种方式获得。

事件的形式化问题还没有解决,显然只有时间。

 
Maxim Dmitrievsky #:
分形的特性使您可以获得更长的相关性,以及图案的持续时间。但需要调整窗口。从本质上讲,这种方法就是将数列分成两部分,然后按照相反的顺序从另一部分中减去一部分,将第二部分或第一部分的时间顺序颠倒过来,即在点上(吸引点)镜像图形,从而分离出这种状态。这些现象就是 "胖尾巴 "和记忆的表现形式。也就是说,吸引点左右两边的图形片段具有很强的相关性。 。

这一过程的形成过程很简单: 1.分岔点,过去的模式被打破,新的影响信息进入市场。2.2. 在市场已对部分信息做出解释后,出现一个吸引子来预测剩余部分。3.3. 再次崩溃,之前的依赖关系不再起作用。新分叉的开始也会被部分预测到。

经典计量经济学中并没有这种方法。但只要修改滑动窗口的方法,就可以使用它的工具。

我没有考虑分形,但看了图表。