交易中的机器学习：理论、模型、实践和算法交易 - 页 2840

新评论
 
Maxim Dmitrievsky #:
我可以在脑海中想象一下......我们有一个贴有标签的数据集，我们希望训练尽可能接近这些标签。如果我们采用不同的标准，这些标签就不再重要了吗？

那么学习过程就完全改变了策略
这是个很好的问题。TS 的鲁棒性不是 AO 或特定测试工具的好坏问题，而是标准选择的问题。评估标准越充分，模型在新数据上的表现就越充分。这不可能是 AO 的错，也不可能是测试人员的错。标准才是罪魁祸首。
 
Andrey Dik #:
是标准出了问题。
你是指问题陈述
 
跟老师学习意味着你想得到一个特定的结果，并用新数据检验你的结论。如果你把自定义标准塞进去，你就会检查它们。那就完全可以不准备标签，随意做。

就这样，我要去玩《地铁逃亡》了。它比以往任何时候都更有意义。
 
Maxim Dmitrievsky #:
我无法想象......我们有一个贴有标签的数据集，我们希望尽可能接近这些标签进行训练。如果我们采用另一个与之无关的标准，那么这些标签就不再重要了吗？

那么学习过程就完全改变了策略。我们会根据自定义标准进行自定义拟合。

这就是问题的关键所在，我们正在一点点远离经典数学模型中常见的优化（学习）。我们正在转向广义的优化（例如 MT5）。但与此同时，我们希望保留 MO 模型的强大功能和灵活性。

我一直对 MT5 优化和 MO 应用之间的概念差距感到困惑。如果能有中间方法的选择就更好了。

 
Andrey Dik #:


福缅科好像没听见别人在说什么。我已经说过好几次了，测试仪不会影响利润，也不会影响 TS 今后的盈利能力。测试仪只是一种工具，仅此而已。优化算法也是一种工具，仅此而已。这就好比讨论铲子赚钱的 "成功 "与否。

没错，这是聋子和瞎子之间的对话。

我写道，优化和标准是不必要的，因为金融市场不是静止的，而你写道，我对优化有所了解。


成功，炼金术士几百年来一直在将一切转化为黄金。

 
Aleksey Nikolayev #:

问题的关键在于，我们正逐渐偏离经典 MO 所接受的优化（训练）类型。我们正在转向更广义的优化（例如 MT5）。但与此同时，我们希望保留 MO 模型的强大功能和灵活性。

我一直对 MT5 优化和 MO 应用之间的概念差距感到困惑。如果能有中间方法就好了。

嗯，这种形式是可行的
 
mytarmailS #:
那么任务说明
是的
 
Andrey Dik #:
评估标准越充分，模型在新数据上的表现就越充分。这不可能是 AO 的错，也不可能是测试人员的错。是标准出了问题。

技术服务的稳健性与评估标准毫无关系，因为标准只有一个--猜测交易方向与否。但后者取决于预测因子的集合和属性

 
СанСаныч Фоменко #:

没错，一个聋子在跟一个瞎子说话。

我在信中说，优化和标准是不必要的，因为金融市场不是静止的，而你却说我对优化有所了解。

事实上，你也在进行优化。你发明了一些 "符号静止 "的标准，并根据这些标准选择最优符号。这和历史上的优化是一样的，只不过是概况上的优化。

SanSanych Fomenko#:

TS 的稳健性与评估标准毫无关系，因为标准只有一个--猜测交易方向与否。但后者取决于预测因子的集合和属性

在此，绝对有必要发明一种 TS 稳健性标准，并根据它进行优化（同样，我们也会对历史进行优化，但优化方式不同）。
 
Aleksey Nikolayev #:
在这里，绝对有必要发明一个 TS 稳健性标准，并根据该标准进行优化）我们将再次在历史上 获得相同的优化，但轮廓不同）。

我不明白有些同志对 "优化 "一词过敏。

优化应被视为寻找最佳解决方案的 过程。如果模型不稳健（评价标准不强），那么就像人们常说的那样，"不要责怪镜子"（责怪优化）。

1...283328342835283628372838283928402841284228432844284528462847...3399
新评论