交易中的机器学习：理论、模型、实践和算法交易 - 页 2969

[Maxim Dmitrievsky]

mytarmailS #:

因为这不是它的用途。

为什么没人用 C++ 写网站？

我只是选择了更熟悉、更类似于 mql 的东西，而不那么熟悉（不熟悉）的东西叫做 jerky。你应该学...

学什么都不难。但理性的谷粒认为，他们的手艺没有任何意义和优势。

我几乎没学就开始用 Python 写代码。后来需要几个基本库，就这样。

没有什么任务是 R 能胜任的。统计学只是一个神话。有些人就是这样为自己的选择辩护的，比如 Sanych。

[mytarmailS]

Maxim Dmitrievsky #:

我一开始就用 Python 写代码，几乎没怎么学过。然后需要几个基本库，仅此而已。

好吧，没关系，它就是这么设计的....。

它是最适合其任务的语言，这就是它的设计初衷、

Python 是一门通用语言，自诩易学......

最重要的不是这些，而是在算法的帮助下做出漂亮的交易。

[Maxim Kuznetsov]

mytarmailS #:

因为这不是它的用途。

为什么没人用 C++ 写网站？

每种语言都有自己的任务，这就是为什么有这么多语言的原因。

我只是选择了比较熟悉的、与 mql 比较相似的，而不那么熟悉（不熟悉）的就叫 jerky。而且你应该学习...

你可能只是不够了解......C++ 后端 需求量很大，几乎是最昂贵的工作。

[mytarmailS]

Maxim Kuznetsov #:

你可能还不完全了解......C++ 后端 需求量很大，几乎是最昂贵的工作。

你可能只是没有充分认识到，网站不仅仅是后台；)

[Renat Fatkhullin]

并非每个人都关注 MQL5 的发展，但它拥有矩阵和向量的标准方法。

这些是该语言的标准方法，而不是第三方库。随着矩阵/向量/复数类型的引入，该语言在统计分析和重型数学方面变得非常强大。

功能	操作	类别
激活	计算激活函数的值并写入传递的向量/矩阵	机器学习
ArgMax	返回最大值的索引	统计
参数最小值	返回最小值的索引	统计
ArgSort	返回排序索引	操作
分配	通过自动转换复制矩阵、向量或数组	初始化
平均值	计算矩阵/向量值的加权平均值。	统计
Cholesky	计算 Cholesky 分解	变换
剪切	将矩阵/矢量元素限制在指定的可接受值范围内	操作
列	返回列向量。将向量写入指定列	操作
列数	返回矩阵中的列数	特性
比较	以指定精度比较两个矩阵/向量的元素	操作
按数字比较	比较两个矩阵/向量的元素，按有效数字的精度进行匹配	操作
条件数	计算矩阵的条件数	特性
卷积	返回两个向量的离散线性卷积	导数
复制	返回给定矩阵/向量的副本	操作
复制汇率	将指定符号周期的 MqlRates 结构历史序列按指定数量复制到矩阵或向量中	初始化
复制刻度	将MqlTick 结构中的刻度值转换为矩阵或向量	初始化
复制刻度范围	从MqlTick 结构中获取指定日期范围内的刻度矩阵或向量。	初始化
CorrCoef	计算皮尔逊相关系数（线性相关系数）	衍生物
相关	计算两个向量的交叉相关系数	导数
协方差	计算协方差矩阵	产品
累积积	返回矩阵/向量元素的累加积，包括沿给定轴的元素。	统计
累计和	返回矩阵/矢量元素的累加和，包括沿给定轴的元素。	统计
导数	计算激活函数的导数值，并写入传递的向量/矩阵中	机器学习
行列式	计算正方形非生成矩阵的行列式	特征
Diag	提取对角线或构建对角矩阵	操作
点	两个向量的标量积	导数
特征	计算正方形矩阵的特征值和右特征向量	变换
特征值	计算普通矩阵的特征值	变换
对角线	返回对角线上为 1、其他地方为 0 的矩阵	初始化
填充	用给定值填充现有矩阵或向量	初始化
平移	允许使用单一索引而非两个索引访问矩阵元素	操作
填充	创建并返回一个填满指定值的新矩阵。	初始化
GeMM	两个矩阵的通用矩阵乘法（通用矩阵乘法）	产品
分割	将矩阵水平拆分为多个子矩阵。与轴=0 的拆分相同。	操作
同一性	创建指定大小的单一矩阵	初始化
初始化	初始化矩阵或向量	初始化
内积	两个矩阵的内积	导数
逆	使用 Jordaan-Gauss 方法计算正方形非enerate 矩阵的（乘法）逆	求解
克朗	返回两个矩阵、一个矩阵和一个向量、一个向量和一个矩阵或两个向量的 Kronecker 乘积	产品
损失	计算损失函数的值，并写入传入的向量/矩阵中	机器学习
最小二乘法	返回线性代数方程的最小二乘法解（适用于非平方矩阵或退化矩阵）	解
LU	将矩阵 LU 分解为下三角矩阵与上三角矩阵的乘积	变换
LUP	部分置换的 LUP 因式分解，指只进行行置换的 LU 分解：PA=LU	变换
MatMul	两个矩阵的矩阵积	导数
最大值	返回矩阵/矢量中的最大值	统计
平均值	计算元素值的算术平均数	统计
中值	计算矩阵/向量元素的中位数	统计
最小值	返回矩阵/向量中的最小值	统计
常模	返回矩阵或向量的常模	特征
一	创建并返回一个新矩阵，其中填满 1	初始化
外积	计算两个矩阵或两个向量的外积	产品
百分位数	沿指定轴返回矩阵/向量元素或元素的指定百分位数。	统计
PInv	使用摩尔-彭罗斯方法计算伪逆矩阵	解决方案
幂级数	将方阵提升到整数级	产品
求积	返回矩阵/矢量元素的乘积，也可对给定轴进行乘积	统计
Ptp	返回矩阵/矢量值或给定矩阵轴的范围	统计
QR	计算矩阵的 QR 因式分解	变换
量化	沿指定轴返回矩阵/向量元素值或元素的指定量化值	统计
秩	使用高斯方法返回矩阵的秩	统计量
回归度量	计算回归指标，即与在指定数据集上绘制的回归线的偏差误差	统计
重塑	在不改变数据的情况下改变矩阵的形状	操作
调整大小	返回形状和大小均已改变的新矩阵	操作
行	返回矢量行。将向量写入指定行	操作
行数	返回矩阵的行数	特性
大小	返回向量的大小	特征值
SLogDet	计算矩阵行列式的符号和对数	特征
求解	求解线性矩阵方程或线性代数方程组	解法
排序	按位置排序	操作
频谱	计算矩阵的频谱，即矩阵乘积 AT*A 的特征值集	特征
分割	将矩阵拆分为多个子矩阵	操作
标准差	返回矩阵/向量元素值的标准偏差或沿给定轴的元素的标准偏差。	统计
总和	返回矩阵/矢量元素的总和，也可对给定轴进行操作	统计
奇异值分解	奇异值分解	变换
交换列	交换矩阵中的列	操作
交换行	交换矩阵中的行	操作
追踪	返回矩阵对角线之和	特性
对调	反转（交换轴）并返回修改后的矩阵	操作
三	构造一个矩阵，在给定对角线上和对角线下为 1，其他地方为 0。	初始化
TriL	返回第 k 条对角线上元素为零的矩阵副本。下三角矩阵	操作
TriU	返回 k 条对角线以下元素清零的矩阵副本。上三角矩阵	操作
方差	计算矩阵/向量元素值的方差	统计
分割	将矩阵垂直拆分为多个子矩阵。与拆分相同，但轴=1	操作
零	创建并返回一个填满零的新矩阵	初始化

[Maxim Dmitrievsky]

mytarmailS #:

好极了，原来是这么打算的.....

它是最适合其任务的语言，这就是它的设计初衷、

Python 是一种通用语言，打着易学的幌子......

最重要的不是这些，而是在算法的帮助下做出漂亮的交易。

我不需要你的交易，我需要的是回溯测试！

交易与科学无关，它更多地取决于具体情况。今天的交易是 "+"，明天的交易是"-"。

当你可以给女人买花，给自己买车时，有一种正常的套利，后来不知何故，这种套利被放空了。而且不管你用什么统计方法，米科拉都做不出石花。

神经元的另一个问题是模型的选择。一个模型已经运行了一年，其他的都被吹走了。然后有个埃及人冲你嚷嚷，说你骗了他。你能怎么办？这就是事情的本质。统计数字不知不觉又过去了。所以，选择是显而易见的--为了最大程度的简单和方便。

[mytarmailS]

Maxim Dmitrievsky #:
我不需要你的交易，我需要你的回溯测试！

交易与科学无关，更多的是因势利导。今天的交易是向上的，明天的

以我的知识，我不知道如何将其算法化，我只是了解情况，仅此而已...

操作方法就像一个指标，而我背后 99% 的智力机器人...

1) 要么就是这样，它在起作用。

2） 要么一切都是自动的，永远不会起作用。

现在，我坐在 1) 上，但梦想着 2)

[Maxim Dmitrievsky]

mytarmailS #:

就我的知识而言，我不知道如何将其算法化，我只是对情况有所了解，仅此而已....。

IO 就像一个指标，99% 的智能机器人都在我身后...

1) 要么就是这样，而且很有效。

2) 要么全靠自动，永远不会成功。

我的想法是 1），但我梦想着 2）。

你想出了如何更好地验证你的 FF 制作，它就会自动运行。这是个很酷的想法。

[mytarmailS]

Maxim Dmitrievsky #:
你只要想办法更好地验证你的 FF 工艺，它就会自动生效。这个想法很酷。

你只需像验证普通算法一样验证它。

我不是说这是我的发现，这是我一年多前发明的......

那人问我如何训练 AMO 以获利，我只是向他演示了一下...

[Maxim Dmitrievsky]

mytarmailS #:

你只需像验证普通算法一样验证它。

我不是说这是一个发现，这是我一年多前发明的....。

那人问如何训练 AMO 盈利，我刚演示给你看了。

它不会像普通的那样工作。你需要对未知数据进行一些棘手的自动调整，筛选出噪音信号等，才能做到与人类差不多的效果。