交易中的机器学习:理论、模型、实践和算法交易 - 页 3103 1...309630973098309931003101310231033104310531063107310831093110...3399 新评论 sibirqk 2023.06.08 08:56 #31021 mytarmailS #:我的意思是官方科学中是否有这种方法,因为我已经听到了关于与 SB 比较的完全相同的想法我想知道是否有任何成熟的技术。这里有一个草图。左边是欧元 m5 的真实图表右边是转换为 m5 的 SB ticks (累计和) 图 从视觉上看,这两幅图很相似。) 异方差是计量经济学和各种应用统计学的模型。有很多测试方法。R 应该都有。问题是,它们给出的是过去的估计值,并不确定是否适合当前。 Aleksey Vyazmikin 2023.06.08 08:57 #31022 Maxim Dmitrievsky #: 为勇敢者的疯狂干杯) 这就是全人类发展的现状。 如果通过标准方法的训练,了解了模型不工作的原因,那么我们就需要寻找解决问题的方法。虽然不可能尽善尽美,但可以让我们更有信心、更有可能在市场上应用这种模式。这样,我们就有了进一步研究问题和改进问题的收入。 如果我们考虑神经元,那么或许可以将样本划分为多个 "bachs",并增加 "bachs"(概率分布中的变化区域)的数量,目的是让它们对学习过程做出同等贡献。对于树来说,这就比较困难了,虽然 CatBoost 在大型样本中也使用类似的 bachs,但却无法控制或管理。虽然有一种持续学习的技术 - 还没有用它做过实验....。你用过吗? mytarmailS 2023.06.08 09:10 #31023 sibirqk #:从外观上看,这两幅图很相似)。异方差是计量经济学和各种应用统计学的模型。这里发明了很多测试方法。R 应该都有。问题是,它们给出的是过去的估计值,并不确定是否适合当前。 我对它的看法与对 SB 使用的看法不同。 例如,如果我在市场中发现一个复杂的形态,我可以生成一个 SB,看看它是否存在。 如果它不在 SB 上,那就很好,因为我发现了一种市场固有的属性。 我不知道,两种模式都有是不是不好? 好吧,我想读一读那些已经提出过这个问题的聪明人的文章。 [删除] 2023.06.08 10:17 #31024 Aleksey Vyazmikin #:这是全人类发展的立足点。如果了解了按照标准方法训练的模型不工作的原因,就有必要寻找解决问题的办法。即使不是最理想的,但可以让我们更有信心、更有可能在市场上应用这种模式。然后用收入进一步研究问题并加以改进。如果我们考虑神经元,那么也许可以将样本划分为不同的 "bachs",并增加 "bachs"(概率分布中的变化区域)的数量,目的是让它们对学习过程做出同等贡献。对于树来说,这就比较困难了,虽然 CatBoost 在大型样本中也使用类似的 bachs,但却无法控制或管理。虽然有一种持续学习的技术 - 还没有用它做过实验....。你用过吗?我做过预学习的变体,但不是那样的。在剔除过程中,过去迭代的权重不会改变,就像在神经元中一样,只是在神经元之上。这是一个缺点。 我也做过各种架构的神经元,包括生成合成数据的编码器-解码器。foreach上也不太需要。 sibirqk 2023.06.08 10:46 #31025 mytarmailS #:我对使用 SB 的看法不同。例如,如果我在市场中发现了某种复杂的模式,我可以生成 SB 并检查它是否存在。如果不存在,那就很好,我发现了一种市场固有的属性。我不知道,这种模式存在和存在是否是坏事?好吧,我想读一读那些已经提出过这个问题的聪明人的文章。 好吧,这是交易者测试者的标准绅士把戏。你在市场中找到一种模式。然后根据 SB 的报价进行检查。如果 SB 上的预测是 50/50,那么你或多或少可以相信测试。如果预测的百分比差不多,那么你就要寻找可以展望未来的地方。如果没有,那就寻找对未来的狡猾窥视。如果没有,那就找一个非常聪明的预测。差不多就是这样。 mytarmailS 2023.06.08 11:19 #31026 sibirqk #:对于测试交易员来说,这是标准的绅士把戏。 太标准了。每个测试员都有 Vladimir Perervenko 2023.06.08 13:34 #31027 Maxim Dmitrievsky #: 为勇敢者的疯狂干杯) 打折花环:). mytarmailS 2023.06.09 09:13 #31028 我们的 PBO 结束了吗? 说够了就忘了? СанСаныч Фоменко 2023.06.09 16:44 #31029 mytarmailS #:PBO 完成了吗?你说得够多了,忘了吗?不是忘记,而是丢弃。您应该始终在两个文件上进行测试。第一个文件按样本分为三部分:70%、15%、15%。在第一个文件中,使用最少 5 个折叠和足够大的折叠进行交叉检查。对于 RF 来说是 1500。然后,我们在第二个和第三个样本上运行,再在第二个文件上运行,即 "原样"。所有样本的分类误差应该大致相同。 RFO 会增加什么? mytarmailS 2023.06.09 17:36 #31030 СанСаныч Фоменко #: 除此之外,RHE 还能提供什么? 文章中写道 1...309630973098309931003101310231033104310531063107310831093110...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
我的意思是官方科学中是否有这种方法,因为我已经听到了关于与 SB 比较的完全相同的想法
我想知道是否有任何成熟的技术。
这里有一个草图。
左边是欧元 m5 的真实图表
右边是转换为 m5 的 SB ticks (累计和) 图
从视觉上看,这两幅图很相似。)
异方差是计量经济学和各种应用统计学的模型。有很多测试方法。R 应该都有。问题是,它们给出的是过去的估计值,并不确定是否适合当前。
为勇敢者的疯狂干杯)
这就是全人类发展的现状。
如果通过标准方法的训练,了解了模型不工作的原因,那么我们就需要寻找解决问题的方法。虽然不可能尽善尽美,但可以让我们更有信心、更有可能在市场上应用这种模式。这样,我们就有了进一步研究问题和改进问题的收入。
如果我们考虑神经元,那么或许可以将样本划分为多个 "bachs",并增加 "bachs"(概率分布中的变化区域)的数量,目的是让它们对学习过程做出同等贡献。对于树来说,这就比较困难了,虽然 CatBoost 在大型样本中也使用类似的 bachs,但却无法控制或管理。虽然有一种持续学习的技术 - 还没有用它做过实验....。你用过吗?
从外观上看,这两幅图很相似)。
异方差是计量经济学和各种应用统计学的模型。这里发明了很多测试方法。R 应该都有。问题是,它们给出的是过去的估计值,并不确定是否适合当前。
我对它的看法与对 SB 使用的看法不同。
例如,如果我在市场中发现一个复杂的形态,我可以生成一个 SB,看看它是否存在。
如果它不在 SB 上,那就很好,因为我发现了一种市场固有的属性。
我不知道,两种模式都有是不是不好?
好吧,我想读一读那些已经提出过这个问题的聪明人的文章。
这是全人类发展的立足点。
如果了解了按照标准方法训练的模型不工作的原因,就有必要寻找解决问题的办法。即使不是最理想的,但可以让我们更有信心、更有可能在市场上应用这种模式。然后用收入进一步研究问题并加以改进。
如果我们考虑神经元,那么也许可以将样本划分为不同的 "bachs",并增加 "bachs"(概率分布中的变化区域)的数量,目的是让它们对学习过程做出同等贡献。对于树来说,这就比较困难了,虽然 CatBoost 在大型样本中也使用类似的 bachs,但却无法控制或管理。虽然有一种持续学习的技术 - 还没有用它做过实验....。你用过吗?
我做过预学习的变体,但不是那样的。在剔除过程中,过去迭代的权重不会改变,就像在神经元中一样,只是在神经元之上。这是一个缺点。
我也做过各种架构的神经元,包括生成合成数据的编码器-解码器。foreach上也不太需要。我对使用 SB 的看法不同。
例如,如果我在市场中发现了某种复杂的模式,我可以生成 SB 并检查它是否存在。
如果不存在,那就很好,我发现了一种市场固有的属性。
我不知道,这种模式存在和存在是否是坏事?
好吧,我想读一读那些已经提出过这个问题的聪明人的文章。
好吧,这是交易者测试者的标准绅士把戏。你在市场中找到一种模式。然后根据 SB 的报价进行检查。如果 SB 上的预测是 50/50,那么你或多或少可以相信测试。如果预测的百分比差不多,那么你就要寻找可以展望未来的地方。如果没有,那就寻找对未来的狡猾窥视。如果没有,那就找一个非常聪明的预测。差不多就是这样。
对于测试交易员来说,这是标准的绅士把戏。
为勇敢者的疯狂干杯)
打折花环:).
我们的 PBO 结束了吗?
说够了就忘了?
PBO 完成了吗?
你说得够多了,忘了吗?
不是忘记,而是丢弃。
您应该始终在两个文件上进行测试。
第一个文件按样本分为三部分:70%、15%、15%。在第一个文件中,使用最少 5 个折叠和足够大的折叠进行交叉检查。对于 RF 来说是 1500。然后,我们在第二个和第三个样本上运行,再在第二个文件上运行,即 "原样"。所有样本的分类误差应该大致相同。
RFO 会增加什么?除此之外,RHE 还能提供什么?
文章中写道