交易中的机器学习：理论、模型、实践和算法交易 - 页 288 1...281282283284285286287288289290291292293294295...3399 新评论 Mihail Marchukajtes 2017.02.25 09:43 #2871 我想再次补充和定义。我们预测一项资产的价格。至少我们试图这样做，在任何表述和处理中。无论我们建立什么目标，在市场上工作的意义在于预测价格。问题是什么导致了价格的变化??????谁会给我们答案或假设？我想知道你的想法，然后我将给你正确的答案。嗯...我们来了。你的猜测。价格变化的原因是什么????? toxic 2017.02.25 10:53 #2872 Mihail Marchukajtes： ，我想再次补充和定义。我们预测一项资产的价格。至少我们试图这样做，以我们看到或处理它的任何方式。无论我们建立什么样的目标，在市场上工作的意义在于预测价格。问题是什么导致了价格的变化??????谁会给我们一个答案或给我们一个猜测？我想知道你的想法，然后我将给你正确的答案。嗯...我们来了。你的猜测。价格变化的原因是什么????? 预测价格变化，通过(在)未来N个 秒/分钟/小时的价格变化，或者更方便的是未来回报率(R=(P(t)-P(t+n))/P(t))或logreturn。 价格的变化 是由于供求失衡的压力造成的，而供求失衡的原因有很多，从因国际贸易、向国家借贷、对冲货币风险而产生的大量货币的平凡交换，到套利和对来自市场活动、天气、时尚和太阳活动的内幕和新闻信息进行投机。 СанСаныч Фоменко 2017.02.25 12:25 #2873 下面是预测因素和目标变量的列表，这些因素按相应的条数移位'data.frame': 6971 obs. of 105 variables: $ AUDUSD : num 0.722 0.722 0.722 0.721 0.72 ... $ CHFJPY : num 120 120 120 119 119 ... $ USDCAD : num 1.39 1.39 1.39 1.39 1.39 ... $ GBPCHF : num 1.47 1.47 1.47 1.48 1.47 ... $ EURGBP : num 0.739 0.74 0.739 0.737 0.739 ... $ USDJPY : num 119 119 119 119 119 ... $ GBPUSD : num 1.48 1.48 1.48 1.48 1.48 ... $ EURUSD : num 1.09 1.09 1.09 1.09 1.09 ... $ EURCHF : num 1.09 1.09 1.09 1.09 1.09 ... $ USDCHF : num 0.995 0.995 0.994 0.998 0.998 ... $ GBPJPY : num 176 176 176 176 175 ... $ EURJPY : num 130 130 130 130 130 ... $ EURCAD : num 1.52 1.52 1.52 1.52 1.52 ... $ d1_AUDUSD : num 0.010401 0.000505 -0.001818 -0.003433 -0.008583 ... $ d1_CHFJPY : num -0.01497 0.00444 -0.00186 -0.02309 -0.00823 ... $ d1_USDCAD : num 0.008585 0.003389 -0.012832 0.000136 0.002982 ... $ d1_GBPCHF : num -0.000685 0.001746 0.000651 0.024858 -0.009416 ... $ d1_EURGBP : num 0.0031 0.00161 -0.00194 -0.01042 0.01003 ... $ d1_USDJPY : num -0.02035 0.00201 -0.00654 0.00558 -0.00933 ... $ d1_GBPUSD : num 0.00707 0.00355 0.00439 0.00204 -0.00697 ... $ d1_EURUSD : num 0.01916 0.0093 0.00404 -0.01876 0.00905 ... $ d1_EURCHF : num 0.0116 0.01463 -0.00732 0.04675 0.01089 ... $ d1_USDCHF : num -0.01705 -0.00415 -0.00933 0.05219 -0.00553 ... $ d1_GBPJPY : num -0.00779 0.00362 -0.00101 0.00484 -0.01057 ... $ d1_EURJPY : num -0.00941 0.00844 -0.0045 -0.00668 -0.00417 ... $ d1_EURCAD : num 0.02362 0.01077 -0.01055 -0.01408 0.00971 ... $ d2_AUDUSD : num 0.000909 -0.001313 -0.001313 -0.012017 -0.012017 ... $ d2_CHFJPY : num -0.02594 0.00258 0.00258 -0.03132 -0.03132 ... $ d2_USDCAD : num 0.01387 -0.00944 -0.00944 0.00312 0.00312 ... $ d2_GBPCHF : num 0.0103 0.0024 0.0024 0.0154 0.0154 ... $ d2_EURGBP : num -0.000776 -0.000332 -0.000332 -0.000388 -0.000388 ... $ d2_USDJPY : num -0.01857 -0.00453 -0.00453 -0.00375 -0.00375 ... $ d2_GBPUSD : num 0.00771 0.00794 0.00794 -0.00493 -0.00493 ... $ d2_EURUSD : num 0.0123 0.0133 0.0133 -0.0097 -0.0097 ... $ d2_EURCHF : num 0.03676 0.00732 0.00732 0.05764 0.05764 ... $ d2_USDCHF : num 0.00599 -0.01348 -0.01348 0.04666 0.04666 ... $ d2_GBPJPY : num -0.00616 0.0026 0.0026 -0.00572 -0.00572 ... $ d2_EURJPY : num -0.01205 0.00394 0.00394 -0.01085 -0.01085 ... $ d2_EURCAD : num 0.023928 0.000221 0.000221 -0.004371 -0.004371 ... $ d4_AUDUSD : num -0.000404 -0.000404 -0.000404 -0.029385 -0.029385 ... $ d4_CHFJPY : num -0.0234 -0.0234 -0.0234 -0.0327 -0.0327 ... $ d4_USDCAD : num 0.00443 0.00443 0.00443 0.00122 0.00122 ... $ d4_GBPCHF : num 0.0127 0.0127 0.0127 0.0255 0.0255 ... $ d4_EURGBP : num -0.00111 -0.00111 -0.00111 -0.01496 -0.01496 ... $ d4_USDJPY : num -0.0231 -0.0231 -0.0231 0.0175 0.0175 ... $ d4_GBPUSD : num 0.0156 0.0156 0.0156 -0.0157 -0.0157 ... $ d4_EURUSD : num 0.0256 0.0256 0.0256 -0.0601 -0.0601 ... $ d4_EURCHF : num 0.0441 0.0441 0.0441 0.0277 0.0277 ... $ d4_USDCHF : num -0.00749 -0.00749 -0.00749 0.09459 0.09459 ... $ d4_GBPJPY : num -0.0035602 -0.0035602 -0.0035602 0.0000957 0.0000957 ... $ d4_EURJPY : num -0.00811 -0.00811 -0.00811 -0.02169 -0.02169 ... $ d4_EURCAD : num 0.0241 0.0241 0.0241 -0.0445 -0.0445 ... $ d1_AUDUSD_f: Factor w/ 2 levels "-1","1": 2 1 1 1 1 1 1 1 1 2 ... $ d1_CHFJPY_f: Factor w/ 2 levels "-1","1": 2 1 1 1 2 1 1 2 2 2 ... $ d1_USDCAD_f: Factor w/ 2 levels "-1","1": 2 1 2 2 1 1 1 2 2 1 ... $ d1_GBPCHF_f: Factor w/ 2 levels "-1","1": 2 2 2 1 2 2 1 2 1 1 ... $ d1_EURGBP_f: Factor w/ 2 levels "-1","1": 2 1 1 2 1 1 1 1 2 2 ... $ d1_USDJPY_f: Factor w/ 2 levels "-1","1": 2 1 2 1 2 2 1 2 2 2 ... $ d1_GBPUSD_f: Factor w/ 2 levels "-1","1": 2 2 2 1 1 1 1 1 1 2 ... $ d1_EURUSD_f: Factor w/ 2 levels "-1","1": 2 2 1 2 1 1 1 1 2 2 ... $ d1_EURCHF_f: Factor w/ 2 levels "-1","1": 2 1 2 2 1 1 1 1 1 2 ... $ d1_USDCHF_f: Factor w/ 2 levels "-1","1": 1 1 2 1 2 2 2 2 1 1 ... $ d1_GBPJPY_f: Factor w/ 2 levels "-1","1": 2 1 2 1 2 1 1 2 1 2 ... $ d1_EURJPY_f: Factor w/ 2 levels "-1","1": 2 1 1 1 2 1 1 1 2 2 ... $ d1_EURCAD_f: Factor w/ 2 levels "-1","1": 2 1 1 2 1 1 1 2 2 2 ... $ d2_AUDUSD_f: Factor w/ 2 levels "-1","1": 1 1 1 1 1 1 1 2 2 2 ... $ d2_CHFJPY_f: Factor w/ 2 levels "-1","1": 2 1 1 1 1 1 1 2 2 2 ... $ d2_USDCAD_f: Factor w/ 2 levels "-1","1": 1 2 2 1 1 2 2 2 2 1 ... $ d2_GBPCHF_f: Factor w/ 2 levels "-1","1": 2 2 2 2 2 1 1 1 1 1 ... $ d2_EURGBP_f: Factor w/ 2 levels "-1","1": 1 1 1 1 1 1 1 2 2 1 ... $ d2_USDJPY_f: Factor w/ 2 levels "-1","1": 1 1 1 2 2 2 2 2 2 1 ... $ d2_GBPUSD_f: Factor w/ 2 levels "-1","1": 2 1 1 1 1 1 1 2 2 2 ... $ d2_EURUSD_f: Factor w/ 2 levels "-1","1": 2 1 1 1 1 1 1 2 2 2 ... $ d2_EURCHF_f: Factor w/ 2 levels "-1","1": 2 2 2 1 1 1 1 1 1 1 ... $ d2_USDCHF_f: Factor w/ 2 levels "-1","1": 1 2 2 2 2 2 2 1 1 1 ... $ d2_GBPJPY_f: Factor w/ 2 levels "-1","1": 2 1 1 2 2 1 1 2 2 2 ... $ d2_EURJPY_f: Factor w/ 2 levels "-1","1": 2 1 1 1 1 1 1 2 2 1 ... $ d2_EURCAD_f: Factor w/ 2 levels "-1","1": 2 1 1 1 1 1 1 2 2 2 ... $ d4_AUDUSD_f: Factor w/ 2 levels "-1","1": 1 1 1 1 1 1 1 2 2 2 ... $ d4_CHFJPY_f: Factor w/ 2 levels "-1","1": 1 1 1 2 2 2 2 2 2 2 ... $ d4_USDCAD_f: Factor w/ 2 levels "-1","1": 2 2 2 2 2 2 2 1 1 1 ... $ d4_GBPCHF_f: Factor w/ 2 levels "-1","1": 2 2 2 1 1 1 1 1 1 1 ... $ d4_EURGBP_f: Factor w/ 2 levels "-1","1": 1 1 1 1 1 1 1 1 1 1 ... $ d4_USDJPY_f: Factor w/ 2 levels "-1","1": 2 2 2 2 2 2 2 2 2 2 ... $ d4_GBPUSD_f: Factor w/ 2 levels "-1","1": 1 1 1 1 1 1 1 2 2 2 ... [list output truncated]在列出的目标变量中，只有两个目标变量d4_EURUSD_f和d4_USDCHF_f的预测因子对这些目标变量具有预测能力。所有其他目标变量不能被所列的预测器提前4步预测。提前1步和提前2步的预测看起来要好得多 Machine learning in trading: mytarmailS 2017.02.25 12:35 #2874 上升的趋势是绝大多数参与者对下跌的信心，这是由交易的支持...支持是绝大多数参与者做空的范围，但价格没有下跌，而是上涨。当价格回到同一区间时，剩余的空头会积极地将他们的空头关闭在大约零的位置，从而进行一次小型的上行反弹。 mytarmailS 2017.02.25 12:39 #2875 桑桑尼茨-弗门科。以下是预测因素和目标变量的列表，这些因素，按适当的条数移位..........................。..........................预测1步和2步看起来要好得多好了多少？结果是什么？ СанСаныч Фоменко 2017.02.25 13:05 #2876 mytarmailS:一般来说，结果如何？有一些抽象的措施。= 1是100%的预测能力如果>10，那么我认为该预测器没有预测能力。 对于列出的4个步骤的目标，预测因素的衡量标准是7至9。对于1步预测，有的预测因子的衡量标准刚刚超过2。PS。在这个问题上，我一再呼吁要专门处理预测者的预测能力问题。让我们不要忘记："垃圾进，垃圾出"。而且没有任何模型可以改变这一点。 mytarmailS 2017.02.25 13:17 #2877 桑桑尼茨-弗门科。有一些抽象的措施。具体来说，MO对OOS有什么样的准确度？为什么这些抽象的东西... СанСаныч Фоменко 2017.02.25 13:52 #2878 mytarmailS:MO对OOS的准确度到底是多少？为什么这些抽象的东西...预测有一个班级。预测误差在25-30%之间，在训练和抽样中都是一样的，模型没有被重新训练。PS这些我都写过很多很多遍了。 Dr. Trader 2017.02.25 14:06 #2879 桑桑尼茨-弗门科。让我们不要忘记："垃圾进，垃圾出"。而且没有任何模型可以改变这一点。有时，一个垃圾预测器和正确的模型的组合会突然比这些预测器本身的预测效果更好。下面是一个来自MO比赛numer.ai -https://api.numer.ai/competitions/current/dataset（档案中的numerai_training_data.csv 表）的训练数据的例子。那里有50个预测因素，而我尝试过的所有评估方法都说这是垃圾。但通过尝试它们的不同组合和不同的模型，有可能在训练和验证中获得预测准确率>50%的结果。 СанСаныч Фоменко 2017.02.25 14:39 #2880 Dr.Trader:有时，垃圾预测器和正确模型的组合突然开始预测，比那些预测器本身更好。例如，这里是MO比赛numer.ai的训练数据--https://api.numer.ai/competitions/current/dataset（档案中的numerai_training_data.csv 表）。那里有50个预测器，而我尝试过的所有评估方法都说这是垃圾。但通过尝试它们的不同组合和不同的模型，有可能在训练和验证时获得>50%的预测准确率。1.你最初需要采取两个独立的文件：一个用于训练-测试-验证，一个用于验证创建的模型。所有四个样品的误差应该是差不多的。2.自然，我们的整个活动是操纵原始商数，并获得一个新的、由原始商数衍生的、具有预测能力的前体。我不是在讨论最初的预测器集合来自哪里--这本身就是一个问题。 1...281282283284285286287288289290291292293294295...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
，我想再次补充和定义。我们预测一项资产的价格。至少我们试图这样做，以我们看到或处理它的任何方式。无论我们建立什么样的目标，在市场上工作的意义在于预测价格。问题是什么导致了价格的变化??????谁会给我们一个答案或给我们一个猜测？我想知道你的想法，然后我将给你正确的答案。嗯...我们来了。你的猜测。价格变化的原因是什么?????
预测价格变化，通过(在)未来N个 秒/分钟/小时的价格变化，或者更方便的是未来回报率(R=(P(t)-P(t+n))/P(t))或logreturn。
价格的变化 是由于供求失衡的压力造成的，而供求失衡的原因有很多，从因国际贸易、向国家借贷、对冲货币风险而产生的大量货币的平凡交换，到套利和对来自市场活动、天气、时尚和太阳活动的内幕和新闻信息进行投机。
下面是预测因素和目标变量的列表，这些因素按相应的条数移位
$ AUDUSD : num 0.722 0.722 0.722 0.721 0.72 ...
$ CHFJPY : num 120 120 120 119 119 ...
$ USDCAD : num 1.39 1.39 1.39 1.39 1.39 ...
$ GBPCHF : num 1.47 1.47 1.47 1.48 1.47 ...
$ EURGBP : num 0.739 0.74 0.739 0.737 0.739 ...
$ USDJPY : num 119 119 119 119 119 ...
$ GBPUSD : num 1.48 1.48 1.48 1.48 1.48 ...
$ EURUSD : num 1.09 1.09 1.09 1.09 1.09 ...
$ EURCHF : num 1.09 1.09 1.09 1.09 1.09 ...
$ USDCHF : num 0.995 0.995 0.994 0.998 0.998 ...
$ GBPJPY : num 176 176 176 176 175 ...
$ EURJPY : num 130 130 130 130 130 ...
$ EURCAD : num 1.52 1.52 1.52 1.52 1.52 ...
$ d1_AUDUSD : num 0.010401 0.000505 -0.001818 -0.003433 -0.008583 ...
$ d1_CHFJPY : num -0.01497 0.00444 -0.00186 -0.02309 -0.00823 ...
$ d1_USDCAD : num 0.008585 0.003389 -0.012832 0.000136 0.002982 ...
$ d1_GBPCHF : num -0.000685 0.001746 0.000651 0.024858 -0.009416 ...
$ d1_EURGBP : num 0.0031 0.00161 -0.00194 -0.01042 0.01003 ...
$ d1_USDJPY : num -0.02035 0.00201 -0.00654 0.00558 -0.00933 ...
$ d1_GBPUSD : num 0.00707 0.00355 0.00439 0.00204 -0.00697 ...
$ d1_EURUSD : num 0.01916 0.0093 0.00404 -0.01876 0.00905 ...
$ d1_EURCHF : num 0.0116 0.01463 -0.00732 0.04675 0.01089 ...
$ d1_USDCHF : num -0.01705 -0.00415 -0.00933 0.05219 -0.00553 ...
$ d1_GBPJPY : num -0.00779 0.00362 -0.00101 0.00484 -0.01057 ...
$ d1_EURJPY : num -0.00941 0.00844 -0.0045 -0.00668 -0.00417 ...
$ d1_EURCAD : num 0.02362 0.01077 -0.01055 -0.01408 0.00971 ...
$ d2_AUDUSD : num 0.000909 -0.001313 -0.001313 -0.012017 -0.012017 ...
$ d2_CHFJPY : num -0.02594 0.00258 0.00258 -0.03132 -0.03132 ...
$ d2_USDCAD : num 0.01387 -0.00944 -0.00944 0.00312 0.00312 ...
$ d2_GBPCHF : num 0.0103 0.0024 0.0024 0.0154 0.0154 ...
$ d2_EURGBP : num -0.000776 -0.000332 -0.000332 -0.000388 -0.000388 ...
$ d2_USDJPY : num -0.01857 -0.00453 -0.00453 -0.00375 -0.00375 ...
$ d2_GBPUSD : num 0.00771 0.00794 0.00794 -0.00493 -0.00493 ...
$ d2_EURUSD : num 0.0123 0.0133 0.0133 -0.0097 -0.0097 ...
$ d2_EURCHF : num 0.03676 0.00732 0.00732 0.05764 0.05764 ...
$ d2_USDCHF : num 0.00599 -0.01348 -0.01348 0.04666 0.04666 ...
$ d2_GBPJPY : num -0.00616 0.0026 0.0026 -0.00572 -0.00572 ...
$ d2_EURJPY : num -0.01205 0.00394 0.00394 -0.01085 -0.01085 ...
$ d2_EURCAD : num 0.023928 0.000221 0.000221 -0.004371 -0.004371 ...
$ d4_AUDUSD : num -0.000404 -0.000404 -0.000404 -0.029385 -0.029385 ...
$ d4_CHFJPY : num -0.0234 -0.0234 -0.0234 -0.0327 -0.0327 ...
$ d4_USDCAD : num 0.00443 0.00443 0.00443 0.00122 0.00122 ...
$ d4_GBPCHF : num 0.0127 0.0127 0.0127 0.0255 0.0255 ...
$ d4_EURGBP : num -0.00111 -0.00111 -0.00111 -0.01496 -0.01496 ...
$ d4_USDJPY : num -0.0231 -0.0231 -0.0231 0.0175 0.0175 ...
$ d4_GBPUSD : num 0.0156 0.0156 0.0156 -0.0157 -0.0157 ...
$ d4_EURUSD : num 0.0256 0.0256 0.0256 -0.0601 -0.0601 ...
$ d4_EURCHF : num 0.0441 0.0441 0.0441 0.0277 0.0277 ...
$ d4_USDCHF : num -0.00749 -0.00749 -0.00749 0.09459 0.09459 ...
$ d4_GBPJPY : num -0.0035602 -0.0035602 -0.0035602 0.0000957 0.0000957 ...
$ d4_EURJPY : num -0.00811 -0.00811 -0.00811 -0.02169 -0.02169 ...
$ d4_EURCAD : num 0.0241 0.0241 0.0241 -0.0445 -0.0445 ...
$ d1_AUDUSD_f: Factor w/ 2 levels "-1","1": 2 1 1 1 1 1 1 1 1 2 ...
$ d1_CHFJPY_f: Factor w/ 2 levels "-1","1": 2 1 1 1 2 1 1 2 2 2 ...
$ d1_USDCAD_f: Factor w/ 2 levels "-1","1": 2 1 2 2 1 1 1 2 2 1 ...
$ d1_GBPCHF_f: Factor w/ 2 levels "-1","1": 2 2 2 1 2 2 1 2 1 1 ...
$ d1_EURGBP_f: Factor w/ 2 levels "-1","1": 2 1 1 2 1 1 1 1 2 2 ...
$ d1_USDJPY_f: Factor w/ 2 levels "-1","1": 2 1 2 1 2 2 1 2 2 2 ...
$ d1_GBPUSD_f: Factor w/ 2 levels "-1","1": 2 2 2 1 1 1 1 1 1 2 ...
$ d1_EURUSD_f: Factor w/ 2 levels "-1","1": 2 2 1 2 1 1 1 1 2 2 ...
$ d1_EURCHF_f: Factor w/ 2 levels "-1","1": 2 1 2 2 1 1 1 1 1 2 ...
$ d1_USDCHF_f: Factor w/ 2 levels "-1","1": 1 1 2 1 2 2 2 2 1 1 ...
$ d1_GBPJPY_f: Factor w/ 2 levels "-1","1": 2 1 2 1 2 1 1 2 1 2 ...
$ d1_EURJPY_f: Factor w/ 2 levels "-1","1": 2 1 1 1 2 1 1 1 2 2 ...
$ d1_EURCAD_f: Factor w/ 2 levels "-1","1": 2 1 1 2 1 1 1 2 2 2 ...
$ d2_AUDUSD_f: Factor w/ 2 levels "-1","1": 1 1 1 1 1 1 1 2 2 2 ...
$ d2_CHFJPY_f: Factor w/ 2 levels "-1","1": 2 1 1 1 1 1 1 2 2 2 ...
$ d2_USDCAD_f: Factor w/ 2 levels "-1","1": 1 2 2 1 1 2 2 2 2 1 ...
$ d2_GBPCHF_f: Factor w/ 2 levels "-1","1": 2 2 2 2 2 1 1 1 1 1 ...
$ d2_EURGBP_f: Factor w/ 2 levels "-1","1": 1 1 1 1 1 1 1 2 2 1 ...
$ d2_USDJPY_f: Factor w/ 2 levels "-1","1": 1 1 1 2 2 2 2 2 2 1 ...
$ d2_GBPUSD_f: Factor w/ 2 levels "-1","1": 2 1 1 1 1 1 1 2 2 2 ...
$ d2_EURUSD_f: Factor w/ 2 levels "-1","1": 2 1 1 1 1 1 1 2 2 2 ...
$ d2_EURCHF_f: Factor w/ 2 levels "-1","1": 2 2 2 1 1 1 1 1 1 1 ...
$ d2_USDCHF_f: Factor w/ 2 levels "-1","1": 1 2 2 2 2 2 2 1 1 1 ...
$ d2_GBPJPY_f: Factor w/ 2 levels "-1","1": 2 1 1 2 2 1 1 2 2 2 ...
$ d2_EURJPY_f: Factor w/ 2 levels "-1","1": 2 1 1 1 1 1 1 2 2 1 ...
$ d2_EURCAD_f: Factor w/ 2 levels "-1","1": 2 1 1 1 1 1 1 2 2 2 ...
$ d4_AUDUSD_f: Factor w/ 2 levels "-1","1": 1 1 1 1 1 1 1 2 2 2 ...
$ d4_CHFJPY_f: Factor w/ 2 levels "-1","1": 1 1 1 2 2 2 2 2 2 2 ...
$ d4_USDCAD_f: Factor w/ 2 levels "-1","1": 2 2 2 2 2 2 2 1 1 1 ...
$ d4_GBPCHF_f: Factor w/ 2 levels "-1","1": 2 2 2 1 1 1 1 1 1 1 ...
$ d4_EURGBP_f: Factor w/ 2 levels "-1","1": 1 1 1 1 1 1 1 1 1 1 ...
$ d4_USDJPY_f: Factor w/ 2 levels "-1","1": 2 2 2 2 2 2 2 2 2 2 ...
$ d4_GBPUSD_f: Factor w/ 2 levels "-1","1": 1 1 1 1 1 1 1 2 2 2 ...
[list output truncated]
在列出的目标变量中，只有两个目标变量d4_EURUSD_f和d4_USDCHF_f的预测因子对这些目标变量具有预测能力。所有其他目标变量不能被所列的预测器提前4步预测。
提前1步和提前2步的预测看起来要好得多
上升的趋势是绝大多数参与者对下跌的信心，这是由交易的支持...
支持是绝大多数参与者做空的范围，但价格没有下跌，而是上涨。当价格回到同一区间时，剩余的空头会积极地将他们的空头关闭在大约零的位置，从而进行一次小型的上行反弹。
以下是预测因素和目标变量的列表，这些因素，按适当的条数移位..........................。
..........................预测1步和2步看起来要好得多
好了多少？结果是什么？
一般来说，结果如何？
有一些抽象的措施。
= 1是100%的预测能力
如果>10，那么我认为该预测器没有预测能力。
对于列出的4个步骤的目标，预测因素的衡量标准是7至9。对于1步预测，有的预测因子的衡量标准刚刚超过2。
PS。
在这个问题上，我一再呼吁要专门处理预测者的预测能力问题。让我们不要忘记："垃圾进，垃圾出"。而且没有任何模型可以改变这一点。
有一些抽象的措施。
具体来说，MO对OOS有什么样的准确度？
为什么这些抽象的东西...
MO对OOS的准确度到底是多少？
为什么这些抽象的东西...
预测有一个班级。预测误差在25-30%之间，在训练和抽样中都是一样的，模型没有被重新训练。
PS
这些我都写过很多很多遍了。
让我们不要忘记："垃圾进，垃圾出"。而且没有任何模型可以改变这一点。
有时，一个垃圾预测器和正确的模型的组合会突然比这些预测器本身的预测效果更好。
下面是一个来自MO比赛numer.ai -https://api.numer.ai/competitions/current/dataset（档案中的numerai_training_data.csv 表）的训练数据的例子。那里有50个预测因素，而我尝试过的所有评估方法都说这是垃圾。但通过尝试它们的不同组合和不同的模型，有可能在训练和验证中获得预测准确率>50%的结果。
有时，垃圾预测器和正确模型的组合突然开始预测，比那些预测器本身更好。
例如，这里是MO比赛numer.ai的训练数据--https://api.numer.ai/competitions/current/dataset（档案中的numerai_training_data.csv 表）。那里有50个预测器，而我尝试过的所有评估方法都说这是垃圾。但通过尝试它们的不同组合和不同的模型，有可能在训练和验证时获得>50%的预测准确率。
1.你最初需要采取两个独立的文件：一个用于训练-测试-验证，一个用于验证创建的模型。所有四个样品的误差应该是差不多的。
2.自然，我们的整个活动是操纵原始商数，并获得一个新的、由原始商数衍生的、具有预测能力的前体。我不是在讨论最初的预测器集合来自哪里--这本身就是一个问题。