交易中的机器学习:理论、模型、实践和算法交易 - 页 2811 1...280428052806280728082809281028112812281328142815281628172818...3399 新评论 mytarmailS 2022.10.31 19:31 #28101 Вы, в частности, утверждали, что модель на выборке нельзя будет обучить - Вы ошиблись.??我在哪里说过 Boris 2022.11.01 05:06 #28102 难道只有我听到 "算法交易 "和 "酒精交易 "这两个词几乎一模一样吗? 让人不禁怀疑 mytarmailS 2022.11.01 08:04 #28103 设定日期 前 10 行是价格信息,如果您想创建新功能,则应将其从训练中删除。 最后一行 - 目标 在训练和测试时,将选择的数据对半分开。 在不做任何调整的 Forest 上,我得到的是新数据 Confusion Matrix and Statistics Reference Prediction -1 0 1 -1 2428 453 23 0 597 3295 696 1 14 448 2046 Overall Statistics Accuracy : 0.7769 95% CI : (0.7686, 0.785) No Information Rate : 0.4196 P-Value [Acc > NIR] : < 2.2e-16 Kappa : 0.6567 Mcnemar's Test P-Value : 2.565e-16 Statistics by Class: Class: -1 Class: 0 Class: 1 Sensitivity 0.7989 0.7853 0.7400 Specificity 0.9316 0.7772 0.9361 Pos Pred Value 0.8361 0.7182 0.8158 Neg Pred Value 0.9139 0.8335 0.9040 Prevalence 0.3039 0.4196 0.2765 Detection Rate 0.2428 0.3295 0.2046 Detection Prevalence 0.2904 0.4588 0.2508 Balanced Accuracy 0.8653 0.7812 0.8381 在使用新芯片的 HGbusta 上,我得到了 0.83 的 Akurashi 值。 我想知道是否有可能实现 0.9 的 Akurasi 值? 附加的文件: dat.zip 4562 kb Aleksey Vyazmikin 2022.11.01 11:28 #28104 mytarmailS #:??我在哪儿说的? 这里 mytarmailS 2022.11.01 12:51 #28105 Aleksey Vyazmikin #:这里刚才还在讨论阶级不平衡的问题,现在又在讨论相关性......好吧,算了吧,算了吧,算了吧......我没精力也没心思去嚼那些嚼不动的东西了...... Aleksey Vyazmikin 2022.11.01 12:54 #28106 mytarmailS #:前有关于阶级不平衡的对话,后有关于相关性的对话.... 好吧,算了吧,算了吧,算了吧......我没精力也没心思去嚼那些嚼不烂的东西.... 对我来说,这关系到未经数据处理的特定样本。 相关性过滤是推进训练的一种简单方法。 mytarmailS 2022.11.01 20:38 #28107 mytarmailS #:日期确定 怎么没人碰过? [删除] 2022.11.02 05:15 #28108 iwelimorn #:试过了,没用,又是那些标志。如果您有兴趣,我正在创建一个多货币测试器构造函数,其中包含点差、原始手数和开仓平仓小数手数的提示。要使测试器正常工作,你需要准备一个包含 ['开仓'、'点差] 列的数据帧,并将一个格式为 x (n,2)的 numpy 数组 与每个新条形图的买入/卖出概率预测一起输入信号。测试器通过循环工作,下面是一个初始化使用测试器的示例交易逻辑和手数可在符号 对象的 transcript_sig 方法中调整测试结果保存在 trade_history_data 字典中,包括整体测试和每个符号的 trade_symbol_ data。如果有人想优化或更改某些内容,欢迎提出清单)。 您需要想出一些有趣的奖励来捕捉模式。否则,它将锤击任何函数的伪最优值 mytarmailS 2022.11.02 10:45 #28109 Maxim Dmitrievsky #: 你必须想出一些有趣的奖励来捕捉模式。否则,它就会磨到任何 ph-i 的伪最佳值。 这一切都与 q 函数和评论家有关,有趣的题目.... [删除] 2022.11.02 11:06 #28110 mytarmailS #: 都是关于 q 功能和评论家,一个有趣的话题.... 一年多前,我还在写 RL 算法时,这里就讨论过这个问题。 我现在还不想回来,而且我已经有了一定的 RL + 监督的混合算法,早就改用作者方案了。如果你不知道如何标记标签,可以使用 RL,但你需要一个适当的语义机制。例如,你可以从我文章中的随机开始,然后添加条件。用森林或 NS 进行近似,检查结果,修正,如此循环往复,就能得到结果并加以利用。上一篇文章中的内容基本上就是 RL。你可以把第二个 NS 看作是一种批评,而你自己则在交易的半成品机制中投入了一定的价值。术语可能不准确,但这并不改变方法的本质。Q-函数不是必须的,还有其他方法,比如强化等等,我已经忘了。 1...280428052806280728082809281028112812281328142815281628172818...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
Вы, в частности, утверждали, что модель на выборке нельзя будет обучить - Вы ошиблись.
难道只有我听到 "算法交易 "和 "酒精交易 "这两个词几乎一模一样吗?
让人不禁怀疑
设定日期
前 10 行是价格信息,如果您想创建新功能,则应将其从训练中删除。
最后一行 - 目标
在训练和测试时,将选择的数据对半分开。
在不做任何调整的 Forest 上,我得到的是新数据
Confusion Matrix and Statistics Reference Prediction -1 0 1 -1 2428 453 23 0 597 3295 696 1 14 448 2046 Overall Statistics Accuracy : 0.7769 95% CI : (0.7686, 0.785) No Information Rate : 0.4196 P-Value [Acc > NIR] : < 2.2e-16 Kappa : 0.6567 Mcnemar's Test P-Value : 2.565e-16 Statistics by Class: Class: -1 Class: 0 Class: 1 Sensitivity 0.7989 0.7853 0.7400 Specificity 0.9316 0.7772 0.9361 Pos Pred Value 0.8361 0.7182 0.8158 Neg Pred Value 0.9139 0.8335 0.9040 Prevalence 0.3039 0.4196 0.2765 Detection Rate 0.2428 0.3295 0.2046 Detection Prevalence 0.2904 0.4588 0.2508 Balanced Accuracy 0.8653 0.7812 0.8381
在使用新芯片的 HGbusta 上,我得到了 0.83 的 Akurashi 值。
我想知道是否有可能实现 0.9 的 Akurasi 值?
??我在哪儿说的?
这里
这里
对我来说,这关系到未经数据处理的特定样本。
相关性过滤是推进训练的一种简单方法。日期确定
试过了,没用,又是那些标志。
如果您有兴趣,我正在创建一个多货币测试器构造函数,其中包含点差、原始手数和开仓平仓小数手数的提示。
要使测试器正常工作,你需要准备一个包含 ['开仓'、'点差] 列的数据帧,并将一个格式为 x (n,2)的 numpy 数组 与每个新条形图的买入/卖出概率预测一起输入信号。测试器通过循环工作,下面是一个初始化使用测试器的示例
交易逻辑和手数可在符号 对象的 transcript_sig 方法中调整
测试结果保存在 trade_history_data 字典中,包括整体测试和每个符号的 trade_symbol_ data。
如果有人想优化或更改某些内容,欢迎提出清单)。
你必须想出一些有趣的奖励来捕捉模式。否则,它就会磨到任何 ph-i 的伪最佳值。
都是关于 q 功能和评论家,一个有趣的话题....
一年多前,我还在写 RL 算法时,这里就讨论过这个问题。
我现在还不想回来,而且我已经有了一定的 RL + 监督的混合算法,早就改用作者方案了。