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。