交易中的机器学习：理论、模型、实践和算法交易 - 页 2858 1...285128522853285428552856285728582859286028612862286328642865...3399 新评论 Aleksey Vyazmikin 2022.12.24 21:58 #28571 Andrey Miguzov #:MO（在交易中）的问题在于，最终的 EA 很可能已经没有 MO 了。 我不能苟同。基本策略 + MO 模型 + MM - 这就是我所理解的 EA 模型的大致样子，甚至单个树叶也可以包含在 MO 中。 Andrey Miguzov#： 我的观点是，可以做得更好：1.从数据中选择真正重要的数据。就在这里，准确无误地影响。2.了解它们为什么重要（对价格走势有影响）。如果没有影响价格的真正原因--很可能只是巧合。根据第 2 点，编写一个使用第 1 点数据的 TS。在测试器中长时间调试，观察每笔交易。然后在现实生活中，看到真实的交易和故障，这些在理论上和测试器中都是不现实的。在第二和第三步中，MO 只会起到阻碍作用。 1.是的，我们可以识别这类规则。同时，我们将跳过那些结构复杂的规则，例如，甚至是 "如果日线增长，则在周四 16 点卖出 "这样的规则。 2.2. 什么是 "真正的原因"--这里并不清楚。 3.任何策略都会有不利时期，而这一时期可能会延长，因此您需要有一个此类策略的动物园，并手动创建它--或者是一个天才，或者活得很长。我就是在开发了这样一个天才策略之后才参与 MO 的，这个策略花了我大约两年的时间，其中的每一个喷嚏我都能从逻辑上证明是合理的，而当我把它投入使用时，我只是得到了一个不利期，在测试器中的调整数据上，这个不利期被抹平了。 回到第二点--我正在寻找在可预见的未来仍将有效的二元预测因子的行为相似性。为此，我想找出特定的预测因子。我承认，我们需要考虑预测因子之间关系的周期性，而我所知道的任何自动机模型都没有做到这一点。 Aleksey Vyazmikin 2022.12.24 22:24 #28572 Aleksey Nikolayev #:那么，可以用样条曲线来近似曲线。需要使用一阶的样条曲线（折线）。然后选择必要的线段。 你是在说用样条插值吗？我从没做过。 一阶不是两点之间的直线吗？ 还有，如何再次定义 "必要的线段"？ Aleksey Nikolayev#: 越接近终点，水平越不重要，因为它们在样本中所占的比例越来越小。这只是一个随机的假象的可能性就会增加。 了解 ZZ 临界值的大小取决于什么还是很有意思的。 实际上，我认为倒数第二段是有规律可循的...... Maxim Dmitrievsky 2022.12.25 04:56 #28573 Aleksey Nikolayev #: 现在 MO 的主要话题是ChatGPT。他们说它比 Google 有用得多。 我认为它只是个玩具，会产生各种各样的 Chernigovshchina。我们无法从它那里获得新知识，只能通过归纳它已经记住的东西。 现在的搜索引擎也是基于神经网络，能够提供更多相关信息。 Aleksey Nikolayev 2022.12.25 07:01 #28574 Aleksey Vyazmikin #:你说的是样条插值吗？我从没做过。一阶--那不是两点之间的直线吗--嗯，我不懂。 我建议你从第 295 页开始阅读Tibshirani。 Aleksey Vyazmikin#： 那么，如何再次确定需要采样的 "必要线段 "呢？ 这取决于要解决的问题。例如，您可以尝试将所有区段作为预测因子--每个区段由两个数字（原点的 X 和斜率系数）给出。 Aleksey Vyazmikin#: 了解 ZZ 线段的大小取决于什么仍然很有趣。我普遍认为，倒数第二段是有规律可循的....。 很有可能。它可能受到倒数第二段和不同方向膝高之和的比率、新闻的存在等因素的影响。 Aleksey Nikolayev 2022.12.25 07:11 #28575 Maxim Dmitrievsky #:现在的搜索引擎也是神经网络式的，能提供更多相关信息。 我认为，谷歌对这件事越来越紧张了。虽然它不会取而代之，但其前景已变得更加模糊。 马克西姆-德米特里耶夫斯基#: 我觉得这只是个玩具，它能生成各种切尔尼戈夫契纳。我们无法通过归纳它所记忆的东西来获得新知识。 搜索引擎也不会生成任何东西，但在互联网上没有搜索引擎是不行的，而这个东西是搜索引擎发展的下一个阶段。在它的帮助下，他们已经在用 Python 编写简单的 TC，假以时日，他们将向更高级的 TC 发展。 Maxim Dmitrievsky 2022.12.25 07:21 #28576 Aleksey Nikolayev #:我认为，谷歌已经在为这件事紧张了。虽然还没有取代它，但它的前景已经变得更加暗淡。搜索引擎也不会产生任何东西，但在互联网上没有搜索引擎是不行的，而这个东西是搜索引擎发展的下一个阶段。在它的帮助下，他们已经在用 Python 编写简单的 TC，假以时日，他们将转向更高级的 TC。 我会尝试用它用 Python 编写 TC，我很有兴趣😀，但我肯定会很有趣。放入一两个片段会更快、更可靠。谷歌每天都在学习，索引新的网页。你见过他们有什么样的服务器吗？gpt 两年前就在训练了，不是吗？它必须通过图灵测试，否则就只是好玩而已。 mytarmailS 2022.12.25 07:53 #28577 Aleksey Nikolayev #:在 Python 的帮助下，他们已经在用 Python 编写简单的 TC，假以时日，他们将转向更高级的 TC。 我在谷歌上找不到。除了基本面分析，但这可能不是我的意思。 Aleksey Nikolayev 2022.12.25 08:17 #28578 Maxim Dmitrievsky #: 有兴趣的话，我会尝试用 python 编写 TC，不过我相信这一定会很荒谬。插入几个代码段会更快、更可靠。 谷歌每天都在学习，索引新的网页。你见过他们有什么样的服务器吗？而 gpt 在两年前就已经训练有素了，不是吗？ 它必须通过图灵测试，否则就只是好玩而已。 搜索引擎应该只是搜索，但这东西能生成原文。它做得还不是很好，不知是精简了还是怎么的。我要求求解一个无解的方程（根据费马大定理），它通过调整方程 "找到 "了解，而且 "没有注意到 "正值的要求），但你可以继续与她对话，她最终承认了错误）当用费马大定理的直接指令问她同样的问题时，她立即说没有解）。 我太懒了，懒得弄这个东西，而且我也没有机会得到它--在俄罗斯很难得到它，我必须努力工作。 Maxim Dmitrievsky 2022.12.25 08:19 #28579 Aleksey Nikolayev #:搜索引擎应该只是搜索，但这东西会生成原始文本。它做得还不是很好，不知是简化了还是怎么的。我让她解一个无解的方程（根据费马大定理），她通过调整方程 "找到了 "解，却 "没有注意到 "正向性要求），但你可以继续与她对话，她最终承认了错误）当用费马大定理的直接指令问她同样的问题时，她立即说没有解）。我懒得弄这个东西，而且我也没有访问权限--在俄罗斯很难得到它，我需要四处搞搞。 在线模拟它能很好地生成简单的代码，如下载报价或进行回归。适合培训。但还懒得注册。如果有人有账户，请在私人信息中告知:) Aleksey Nikolayev 2022.12.25 08:23 #28580 mytarmailS #: 我在谷歌上找不到。 除了基本面分析，但这可能不是我的意思。 有一些例子要求 "用 Python 编写 EA 代码，使用这样的 api 从这样的交易所对这样的工具进行交叉平均"。我认为最后甚至得到了一些有意义的东西。当然，您可以在谷歌上找到此类问题的答案，但这里的交流语言更加人性化，而且似乎还可以通过澄清来继续对话。 1...285128522853285428552856285728582859286028612862286328642865...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
MO（在交易中）的问题在于，最终的 EA 很可能已经没有 MO 了。
我不能苟同。基本策略 + MO 模型 + MM - 这就是我所理解的 EA 模型的大致样子，甚至单个树叶也可以包含在 MO 中。
我的观点是，可以做得更好：
1.从数据中选择真正重要的数据。就在这里，准确无误地影响。
2.了解它们为什么重要（对价格走势有影响）。如果没有影响价格的真正原因--很可能只是巧合。
根据第 2 点，编写一个使用第 1 点数据的 TS。在测试器中长时间调试，观察每笔交易。然后在现实生活中，看到真实的交易和故障，这些在理论上和测试器中都是不现实的。
在第二和第三步中，MO 只会起到阻碍作用。
1.是的，我们可以识别这类规则。同时，我们将跳过那些结构复杂的规则，例如，甚至是 "如果日线增长，则在周四 16 点卖出 "这样的规则。
2.2. 什么是 "真正的原因"--这里并不清楚。
3.任何策略都会有不利时期，而这一时期可能会延长，因此您需要有一个此类策略的动物园，并手动创建它--或者是一个天才，或者活得很长。我就是在开发了这样一个天才策略之后才参与 MO 的，这个策略花了我大约两年的时间，其中的每一个喷嚏我都能从逻辑上证明是合理的，而当我把它投入使用时，我只是得到了一个不利期，在测试器中的调整数据上，这个不利期被抹平了。
回到第二点--我正在寻找在可预见的未来仍将有效的二元预测因子的行为相似性。为此，我想找出特定的预测因子。我承认，我们需要考虑预测因子之间关系的周期性，而我所知道的任何自动机模型都没有做到这一点。
那么，可以用样条曲线来近似曲线。需要使用一阶的样条曲线（折线）。然后选择必要的线段。
你是在说用样条插值吗？我从没做过。
一阶不是两点之间的直线吗？
还有，如何再次定义 "必要的线段"？
越接近终点，水平越不重要，因为它们在样本中所占的比例越来越小。这只是一个随机的假象的可能性就会增加。
了解 ZZ 临界值的大小取决于什么还是很有意思的。
实际上，我认为倒数第二段是有规律可循的......
现在 MO 的主要话题是ChatGPT。他们说它比 Google 有用得多。
我认为它只是个玩具，会产生各种各样的 Chernigovshchina。
我们无法从它那里获得新知识，只能通过归纳它已经记住的东西。
现在的搜索引擎也是基于神经网络，能够提供更多相关信息。
你说的是样条插值吗？我从没做过。
一阶--那不是两点之间的直线吗--嗯，我不懂。
我建议你从第 295 页开始阅读Tibshirani。
那么，如何再次确定需要采样的 "必要线段 "呢？
这取决于要解决的问题。例如，您可以尝试将所有区段作为预测因子--每个区段由两个数字（原点的 X 和斜率系数）给出。
了解 ZZ 线段的大小取决于什么仍然很有趣。
我普遍认为，倒数第二段是有规律可循的....。
很有可能。它可能受到倒数第二段和不同方向膝高之和的比率、新闻的存在等因素的影响。
现在的搜索引擎也是神经网络式的，能提供更多相关信息。
我认为，谷歌对这件事越来越紧张了。虽然它不会取而代之，但其前景已变得更加模糊。
我觉得这只是个玩具，它能生成各种切尔尼戈夫契纳。
我们无法通过归纳它所记忆的东西来获得新知识。
搜索引擎也不会生成任何东西，但在互联网上没有搜索引擎是不行的，而这个东西是搜索引擎发展的下一个阶段。在它的帮助下，他们已经在用 Python 编写简单的 TC，假以时日，他们将向更高级的 TC 发展。
我认为，谷歌已经在为这件事紧张了。虽然还没有取代它，但它的前景已经变得更加暗淡。
搜索引擎也不会产生任何东西，但在互联网上没有搜索引擎是不行的，而这个东西是搜索引擎发展的下一个阶段。在它的帮助下，他们已经在用 Python 编写简单的 TC，假以时日，他们将转向更高级的 TC。
在 Python 的帮助下，他们已经在用 Python 编写简单的 TC，假以时日，他们将转向更高级的 TC。
有兴趣的话，我会尝试用 python 编写 TC，不过我相信这一定会很荒谬。插入几个代码段会更快、更可靠。
搜索引擎应该只是搜索，但这东西能生成原文。它做得还不是很好，不知是精简了还是怎么的。我要求求解一个无解的方程（根据费马大定理），它通过调整方程 "找到 "了解，而且 "没有注意到 "正值的要求），但你可以继续与她对话，她最终承认了错误）当用费马大定理的直接指令问她同样的问题时，她立即说没有解）。
我太懒了，懒得弄这个东西，而且我也没有机会得到它--在俄罗斯很难得到它，我必须努力工作。
搜索引擎应该只是搜索，但这东西会生成原始文本。它做得还不是很好，不知是简化了还是怎么的。我让她解一个无解的方程（根据费马大定理），她通过调整方程 "找到了 "解，却 "没有注意到 "正向性要求），但你可以继续与她对话，她最终承认了错误）当用费马大定理的直接指令问她同样的问题时，她立即说没有解）。
我懒得弄这个东西，而且我也没有访问权限--在俄罗斯很难得到它，我需要四处搞搞。
我在谷歌上找不到。
有一些例子要求 "用 Python 编写 EA 代码，使用这样的 api 从这样的交易所对这样的工具进行交叉平均"。我认为最后甚至得到了一些有意义的东西。当然，您可以在谷歌上找到此类问题的答案，但这里的交流语言更加人性化，而且似乎还可以通过澄清来继续对话。