交易中的机器学习：理论、模型、实践和算法交易 - 页 3098 1...309130923093309430953096309730983099310031013102310331043105...3399 新评论 Maxim Dmitrievsky 2023.06.05 17:21 #30971 Renat Akhtyamov #:这就是它要去的地方。MO 中没有鱼，这是一个显而易见的事实，已被本主题反复证明。在互联网上，他们说得津津有味。看看你的周围。 大家都知道，MO钓法与其他钓法没有什么不同，平均成功率是一样的（大约为零，但有时也能成功）。但在 MO 之后，再换回指示器，就好像从奔驰车换回了 Zaporozhets。虽然看起来还能开，但感觉却不一样了。如果您不想在年老时患上马拉松，并想保持您的活力，那么脑力训练就是一个很好的选择：)你会变得（好吧，不是说你）非常聪明，看待世界的方式也会不同。因此，即使没有成功，你也能获得红利。 Renat Akhtyamov 2023.06.05 18:10 #30972 Maxim Dmitrievsky #: 让我们知道，MO ts 与其他人没有什么不同，成功率平均是一样的（大约为零，但有时会继续进行） 但在 MO 之后，再换回指示器，就好像从奔驰车换回了 Zaporozhets。虽然还能开，但感觉就不一样了。 如果您不想在年老时患上马拉松症，并想保持精力充沛，那么脑力训练就是最好的选择:) 你会变得（好吧，不是说你）非常聪明，看待世界的方式也会不同。因此，即使没有成功，你也能获得红利。 我同意强调的部分。 不是每个人都有这种能力： 不，不是内拉（她的处理器宁愿煮沸也不愿找到这样的解决方案），是我自己做到的。 Forester 2023.06.05 18:12 #30973 Maxim Dmitrievsky #:由于我们通过交叉验证消除了训练样本中的偏差（这是最主要的）和方差，模型开始在新数据上表现出适当的+-。然后就可以对其进行微调。 顺便说一下，你有没有试过在制作图表时，不在交易之间设置统一的步长，而是按时间来划分？ 否则，结果可能会像我的图表一样，5 年中只有半年在两个方面有所增长，其余时间几乎没有交易。还有两年处于缩水状态，原因也是如此。你不能把这样的事情放在现实中... 如果你不按时间来做，而是按步骤来做，它就会像你的一样美丽。 Maxim Dmitrievsky 2023.06.05 18:45 #30974 Forester #:顺便说一下，您有没有试过不按交易间隔的平均步长，而是按时间来制作图表？，否则可能会像我 5 年来的情况一样，半年只有 2 个增长区域，其余时间几乎没有交易。出于同样的原因，还有两年处于缩水状态。你不能把这样的事情放在现实中... 如果你不按时间，而是按步骤来做，就会像你一样漂亮。 您的筹码可能超出范围了。下图是 Eurodoll 的图表，它的交易或多或少是均匀的。但在训练时间和 OOS 时间相等的情况下，OOS 的交易次数总是较少。嗯，因为指标更差。我还没有做到尽善尽美。 Forester 2023.06.05 19:04 #30975 Maxim Dmitrievsky #: 我猜你的筹码已经超出范围了。从下面的 eurodoll 图表来看，交易或多或少比较平均。但在训练时间和 OOS 时间相同的情况下，OOS 的交易次数总是较少。嗯，因为指标更差。我们还没有做到尽善尽美。 试试时间图表。不排除会出现相同的情况....。 Aleksey Vyazmikin 2023.06.05 19:28 #30976 Maxim Dmitrievsky #:Kozul 使用一些外部参数来估计其对模型结果的影响。它可以是一个预测变量，也可以是一个二元变量，任何东西都可以。甚至可以是预测变量的差值。然后，利用不同的技术，推断出该参数对预测结果的影响。之后，我们就可以在考虑到这种影响的情况下提升模型，从而得到新的数值，例如标签。还有模型的新系数，就像在双重机器学习中做的那样。这里有两个模型：一个是去噪模型，另一个是去噪模型。由于在估算过程中使用了交叉验证，因此新参数在新数据上也更加稳健。然后对最终模型进行训练。这很难用手指解释，最好阅读专门的文献。我做了几个变体，它们都很有效。这个课题相当大，有自己的细微差别。有你最喜欢的 "软件包"。既有纯经验的方法，也有经过严格验证的方法，比如切尔诺珠科夫的方法。总的来说，这是一种很好的技术。由于我们通过交叉验证消除了训练样本中的偏差（这是最主要的）和方差，模型开始在新数据上表现出适当的+-。然后就可以对其进行微调。 现在有很多不同的方法。很少有人证明它们有效。那么问题来了，你现在是想找到方差总体增加的预测因子区域，并建立一个模型来排除它们，然后在分类后的残差上进行训练，以便在交易中应用该模型？ Maxim Dmitrievsky 2023.06.05 19:40 #30977 Forester #:你试试时间轴。有可能是一样的....。 没有这么大的窗口，平均值是一致的，我检查过了。在其他 TS 上，当标志超出范围时也会出现这种情况。 Forester 2023.06.05 19:47 #30978 Maxim Dmitrievsky #: 没有这样的窗口大，平均值是均匀的，经过检查。其他 TC 上的标志超出范围时也是这样。 我没有。阈值就是高，切断了很多交易。如果从中间激活，情况会更糟。一般来说，您自己也会提高交易指标（您今天写道）。 Maxim Dmitrievsky 2023.06.05 19:50 #30979 Aleksey Vyazmikin #:现在有很多方法。但能证明它们有效的证据却很少。那么问题来了，你现在是想找到方差总体增加的预测因子区域，并建立一个模型来排除它们，然后根据分类后的残差，训练你在交易中应用该模型？ 我们能不能只讨论 Kozul，而不是我的 ts？首先是艰难的（对于桑尼奇来说难以忍受的）接受阶段，然后是舔，然后是爱。😀 Maxim Dmitrievsky 2023.06.05 20:09 #30980 Forester #: 我不会退出的。只是门槛很高，它切断了很多交易。如果从中间启动，情况会更糟。一般来说，您自己也会提高交易指标（您今天写的）。 从信号水平来看，计算量很大。 1...309130923093309430953096309730983099310031013102310331043105...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
这就是它要去的地方。
MO 中没有鱼，这是一个显而易见的事实，已被本主题反复证明。
在互联网上，他们说得津津有味。
看看你的周围。
让我们知道，MO ts 与其他人没有什么不同，成功率平均是一样的（大约为零，但有时会继续进行）
我同意强调的部分。
不是每个人都有这种能力：
不，不是内拉（她的处理器宁愿煮沸也不愿找到这样的解决方案），是我自己做到的。
由于我们通过交叉验证消除了训练样本中的偏差（这是最主要的）和方差，模型开始在新数据上表现出适当的+-。然后就可以对其进行微调。
顺便说一下，你有没有试过在制作图表时，不在交易之间设置统一的步长，而是按时间来划分？
否则，结果可能会像我的图表一样，5 年中只有半年在两个方面有所增长，其余时间几乎没有交易。还有两年处于缩水状态，原因也是如此。你不能把这样的事情放在现实中...
如果你不按时间来做，而是按步骤来做，它就会像你的一样美丽。
顺便说一下，您有没有试过不按交易间隔的平均步长，而是按时间来制作图表？
，否则可能会像我 5 年来的情况一样，半年只有 2 个增长区域，其余时间几乎没有交易。出于同样的原因，还有两年处于缩水状态。你不能把这样的事情放在现实中...
如果你不按时间，而是按步骤来做，就会像你一样漂亮。
我猜你的筹码已经超出范围了。从下面的 eurodoll 图表来看，交易或多或少比较平均。但在训练时间和 OOS 时间相同的情况下，OOS 的交易次数总是较少。嗯，因为指标更差。我们还没有做到尽善尽美。
试试时间图表。不排除会出现相同的情况....。
Kozul 使用一些外部参数来估计其对模型结果的影响。它可以是一个预测变量，也可以是一个二元变量，任何东西都可以。甚至可以是预测变量的差值。
然后，利用不同的技术，推断出该参数对预测结果的影响。之后，我们就可以在考虑到这种影响的情况下提升模型，从而得到新的数值，例如标签。还有模型的新系数，就像在双重机器学习中做的那样。这里有两个模型：一个是去噪模型，另一个是去噪模型。由于在估算过程中使用了交叉验证，因此新参数在新数据上也更加稳健。然后对最终模型进行训练。
这很难用手指解释，最好阅读专门的文献。我做了几个变体，它们都很有效。这个课题相当大，有自己的细微差别。有你最喜欢的 "软件包"。
既有纯经验的方法，也有经过严格验证的方法，比如切尔诺珠科夫的方法。总的来说，这是一种很好的技术。
由于我们通过交叉验证消除了训练样本中的偏差（这是最主要的）和方差，模型开始在新数据上表现出适当的+-。然后就可以对其进行微调。
现在有很多不同的方法。很少有人证明它们有效。那么问题来了，你现在是想找到方差总体增加的预测因子区域，并建立一个模型来排除它们，然后在分类后的残差上进行训练，以便在交易中应用该模型？
你试试时间轴。有可能是一样的....。
没有这样的窗口大，平均值是均匀的，经过检查。其他 TC 上的标志超出范围时也是这样。
现在有很多方法。但能证明它们有效的证据却很少。那么问题来了，你现在是想找到方差总体增加的预测因子区域，并建立一个模型来排除它们，然后根据分类后的残差，训练你在交易中应用该模型？
我不会退出的。只是门槛很高，它切断了很多交易。如果从中间启动，情况会更糟。一般来说，您自己也会提高交易指标（您今天写的）。