交易中的机器学习：理论、模型、实践和算法交易 - 页 3173 1...316631673168316931703171317231733174317531763177317831793180...3399 新评论 fxsaber 2023.08.17 05:21 #31721 СанСаныч Фоменко #:OOS 应始终位于右侧。如果 OOS 在左侧，则无法保证 TS 没有过度训练，也不会向前看。这些都是在测试 TC 时必须首先解决的主要问题。您使用的是哪一种？没有区别！是一个还是两个都没有关系。您需要正确地进行测试，然后在右侧显示 OOS。最好忘掉测试器和表格文件，如下所示进行测试： 毫无疑问的高度断言。我曾就 OOS 放置问题发表过一篇文章。 这不是我第一次遇到不喜欢测试员的情况。我不知道我为什么不喜欢数字破碎机。 我们有两个文件。 第一个文件按样本随机分为三个部分：训练、测试和验证。先研究（随机的）训练样本，然后检查随机的测试和验证样本，这些都是第一个文件的不同部分。比较结果。如果结果大致相同，再检查第二个 "自然序列 "文件。如果它们在这里也大致相同，那么我们就能得出主要结论：我们的 TC 没有过度训练，也没有提前观察。只有有了这个结论，谈论其他事情才有意义：准确性、盈利能力和其他事情，所有这些都是次要的。 我注意到，几乎没有其他方法可以测试瞻前顾后和过度训练。 我不太明白如何在优化中瞻前顾后。 关于方法。我不明白将训练/测试/考试分开的必要性。即使进行了最有利的统计研究，声称 TC 没有训练过度似乎也太自欺欺人了。 我最多只能得到这样的结论："TC 很可能发现了训练间歇前后一段时间内存在的某种模式。同时，也不能保证这种模式没有被打破"。 "Out-Of-Sample" - где расположить, справа или слева? 2019.12.10www.mql5.com Когда-то в паблике столкнулся с мнением, что OOS должен располагаться только справа. Т.е. расположение его слева от интервала Оптимизации - ошибка. Я с этим был категорически не согласен, т.к. не Maxim Dmitrievsky 2023.08.17 05:23 #31722 更重要的是吃哪种药片：蓝色还是红色：) fxsaber 2023.08.17 05:25 #31723 Maxim Dmitrievsky #: 是的，这是运气和 P-黑客。因此，结果可能是任何东西。 P-hacking（P-黑客）是故意将结果与有意义的统计标准相匹配。例如，你看到左边的 OOS 统计数据很陡峭，于是就选择了那个选项。 右边也是一样。这就是拟合。 等等，我们现在说的是哪种选择？ Maxim Dmitrievsky 2023.08.17 05:27 #31724 fxsaber #:等等，我们现在说的是什么选择？ 好吧，你选择了这个选项，并表明左边是好的，右边是坏的。 我的意思是，你有多个优化选项，但你选择了这个来展示。 fxsaber 2023.08.17 05:29 #31725 Maxim Dmitrievsky #:好吧，你选择了这个选项，并表明左派是好的，右派是坏的 我没有。这就是方法。 关于交易、自动交易系统和交易策略测试的论坛。 交易中的机器学习：理论、模型、实践和算法交易 fxsaber, 2023.08.17 06:58 我没有这样自欺欺人。我只这样做。 在 traine 上进行优化。 我从找到的交易中选出前五名，并观察其在 OOS 上的表现。在任何情况下，这一点都没有优化。 原始图像就是这样获得的。因此，左侧漂亮的 OOS 完全不符合要求。 Maxim Dmitrievsky 2023.08.17 05:33 #31726 fxsaber #:不是我选的。方法是这样的 嗯，更复杂的 p-hacking 方法：）仍然需要对 TC 参数的范围进行多次测试和选择。它们不是从天花板上取下来的。 fxsaber 2023.08.17 05:38 #31727 Aleksey Vyazmikin #:如果缩短培训时间，图表趋势的逆转是否会同样迅速？ 当然会有所不同。但很多时候，你可以在样本之后立即看到断裂。也许这是一种认知扭曲，当你更多地关注某件事情时，就会觉得它发生得太频繁了。 我不太了解勾选策略，但造成这种行为的因素之一是训练时缺乏可比数据，例如 - 在训练时，某些 TF 上的趋势大多是向下的。 图表显示了三年的每日交易情况。 我不知道你使用的是什么训练方法，如果是树形系统或过滤器，只是箝制条件指标（函数）的范围，那么值得估算一下属于每个此类范围的示例数量。 我没有对每个范围进行绘图。我计算了统计数据，但没有查看图表本身。 一种可能的情况是数据漂移和过滤器/列表的概率分布发生了变化。 例如，当我在一个样本上选择量子片段进行训练，然后在另外两个样本上 估计它们的分布（对目标 0||1 的正确和错误回答的百分比）时，发现在 3 个样本上满足稳定性标准的比例在 25%-30% 之间--很明显，在这种情况下，模型有更多机会选择不稳定的预测因子，从而在其中一个站点上停止工作。 归根结底，这一切都归结于对简单模式的分析，即找到将其视为简单模式的理由，而不是在望远镜中随机观测到的彗尾。 我不明白突出显示的部分。 fxsaber 2023.08.17 05:40 #31728 Maxim Dmitrievsky #:嗯，更复杂的 p-hacking :) TC 参数范围仍需多次测试和选择。它们不是从天花板上取下来的。 别说了。你不是反对优化过程本身吧？从纯粹的逻辑上讲，在采样间隔上获得所需的曲线与其他间隔无关。 Maxim Dmitrievsky 2023.08.17 05:44 #31729 fxsaber #:哇哦你不会是在反对优化过程本身吧？在样本区间获得理想的曲线与其他区间没有逻辑联系。 之所以有联系，是因为您根据自己的知识或偏好设置了参数。最初，您知道如何通过哪些参数获得更好的曲线。另外，您可能在早期历史上进行过交易，并利用这一经验在新的历史上建立了 TS。这种格式塔疗法的深度可能是巨大的：)我并不反对优化，我只是写出了可能存在的陷阱。 fxsaber 2023.08.17 05:46 #31730 Andrey Dik #:该系统能持续盈利多久？ 我不太明白这个问题。左边的 OOS 是一年。是否应该向后增加？ 我遇到过这样的系统行为，当右侧的 OOS 出现急剧的梅花时，我不认为这与发现的市场模式发生 180 度的急剧逆转有直接联系（这将表明神秘的原因、巫术的使用和一般的任何情况，而不是任何真正的问题，如重新培训或调整，因为当急剧的梅花总是在培训结束后发生时，这至少是奇怪的）。通常 情况下，这是由于代码中的一些错误 导致了假阳性（或假阴性），如 Max 上文所述，纠正这些错误 在最坏的情况下会导致 OOS 右侧的随机行为（过度训练），在最好的情况下会导致盈利能力逐渐减弱（发现的模式逐渐减弱和/或逐渐改变）。 我认为，代码中没有错误的表现是，代码完全按照编程前的设想运行。从这个意义上说，一切正常。 在一般情况下，代码中有错误的 TC 仍然是 TC。它只是与作者最初的意图不完全一致而已。 1...316631673168316931703171317231733174317531763177317831793180...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
OOS 应始终位于右侧。
如果 OOS 在左侧，则无法保证 TS 没有过度训练，也不会向前看。这些都是在测试 TC 时必须首先解决的主要问题。
您使用的是哪一种？没有区别！是一个还是两个都没有关系。您需要正确地进行测试，然后在右侧显示 OOS。
最好忘掉测试器和表格文件，如下所示进行测试：
毫无疑问的高度断言。我曾就 OOS 放置问题发表过一篇文章。
这不是我第一次遇到不喜欢测试员的情况。我不知道我为什么不喜欢数字破碎机。
我们有两个文件。
第一个文件按样本随机分为三个部分：训练、测试和验证。先研究（随机的）训练样本，然后检查随机的测试和验证样本，这些都是第一个文件的不同部分。比较结果。如果结果大致相同，再检查第二个 "自然序列 "文件。如果它们在这里也大致相同，那么我们就能得出主要结论：我们的 TC 没有过度训练，也没有提前观察。只有有了这个结论，谈论其他事情才有意义：准确性、盈利能力和其他事情，所有这些都是次要的。
我注意到，几乎没有其他方法可以测试瞻前顾后和过度训练。
我不太明白如何在优化中瞻前顾后。
关于方法。我不明白将训练/测试/考试分开的必要性。即使进行了最有利的统计研究，声称 TC 没有训练过度似乎也太自欺欺人了。
我最多只能得到这样的结论："TC 很可能发现了训练间歇前后一段时间内存在的某种模式。同时，也不能保证这种模式没有被打破"。
更重要的是吃哪种药片：蓝色还是红色：)
是的，这是运气和 P-黑客。因此，结果可能是任何东西。
等等，我们现在说的是哪种选择？
等等，我们现在说的是什么选择？
好吧，你选择了这个选项，并表明左边是好的，右边是坏的。
我的意思是，你有多个优化选项，但你选择了这个来展示。
好吧，你选择了这个选项，并表明左派是好的，右派是坏的
我没有。这就是方法。
关于交易、自动交易系统和交易策略测试的论坛。
交易中的机器学习：理论、模型、实践和算法交易
fxsaber, 2023.08.17 06:58
我没有这样自欺欺人。我只这样做。
不是我选的。方法是这样的
嗯，更复杂的 p-hacking 方法：）仍然需要对 TC 参数的范围进行多次测试和选择。它们不是从天花板上取下来的。
如果缩短培训时间，图表趋势的逆转是否会同样迅速？
当然会有所不同。但很多时候，你可以在样本之后立即看到断裂。也许这是一种认知扭曲，当你更多地关注某件事情时，就会觉得它发生得太频繁了。
我不太了解勾选策略，但造成这种行为的因素之一是训练时缺乏可比数据，例如 - 在训练时，某些 TF 上的趋势大多是向下的。
图表显示了三年的每日交易情况。
我不知道你使用的是什么训练方法，如果是树形系统或过滤器，只是箝制条件指标（函数）的范围，那么值得估算一下属于每个此类范围的示例数量。
我没有对每个范围进行绘图。我计算了统计数据，但没有查看图表本身。
一种可能的情况是数据漂移和过滤器/列表的概率分布发生了变化。
例如，当我在一个样本上选择量子片段进行训练，然后在另外两个样本上 估计它们的分布（对目标 0||1 的正确和错误回答的百分比）时，发现在 3 个样本上满足稳定性标准的比例在 25%-30% 之间--很明显，在这种情况下，模型有更多机会选择不稳定的预测因子，从而在其中一个站点上停止工作。
归根结底，这一切都归结于对简单模式的分析，即找到将其视为简单模式的理由，而不是在望远镜中随机观测到的彗尾。
我不明白突出显示的部分。
嗯，更复杂的 p-hacking :) TC 参数范围仍需多次测试和选择。它们不是从天花板上取下来的。
别说了。你不是反对优化过程本身吧？从纯粹的逻辑上讲，在采样间隔上获得所需的曲线与其他间隔无关。
哇哦你不会是在反对优化过程本身吧？在样本区间获得理想的曲线与其他区间没有逻辑联系。
该系统能持续盈利多久？
我不太明白这个问题。左边的 OOS 是一年。是否应该向后增加？
我遇到过这样的系统行为，当右侧的 OOS 出现急剧的梅花时，我不认为这与发现的市场模式发生 180 度的急剧逆转有直接联系（这将表明神秘的原因、巫术的使用和一般的任何情况，而不是任何真正的问题，如重新培训或调整，因为当急剧的梅花总是在培训结束后发生时，这至少是奇怪的）。通常 情况下，这是由于代码中的一些错误 导致了假阳性（或假阴性），如 Max 上文所述，纠正这些错误 在最坏的情况下会导致 OOS 右侧的随机行为（过度训练），在最好的情况下会导致盈利能力逐渐减弱（发现的模式逐渐减弱和/或逐渐改变）。
我认为，代码中没有错误的表现是，代码完全按照编程前的设想运行。从这个意义上说，一切正常。
在一般情况下，代码中有错误的 TC 仍然是 TC。它只是与作者最初的意图不完全一致而已。