交易中的机器学习:理论、模型、实践和算法交易 - 页 318 1...311312313314315316317318319320321322323324325...3399 新评论 Maxim Dmitrievsky 2017.05.01 08:49 #3171 kaus_bonus: 你是认真的吗?")左手在和右手打架?")那么谁来赞助选举等等。http://www.rbc.ru/finances/19/10/2015/5624cf299a79472c1c14ac85等。 那么他们最终使自己的损失,他们并不是市场上唯一的大玩家。随机性可以有不同的投资期限,每个投资期限上的利润和损失的分布大致相等,刨除黑天鹅的概率是相同的,例如E.Peters写到。而打击垄断是国家和竞争性市场的关键作用,否则我们会以1000美元的价格购买面包。 Dr. Trader 2017.05.01 09:22 #3172 Oleg avtomat:如果任务被制定为一个控制信号定义任务谢谢你的措辞。我还没有依靠外汇的可管理性来设置新的任务,但这个任务听起来像是我可以在几个步骤中自己设置的。桑桑尼茨-弗门科。那么解决方案是什么呢?我的第一个想法是离开外汇,去交易加密货币,因为这一切都是如此自由和独立。但由于加密货币的价格通常是以美元表示的--那么btc/usd也会从usd得到不好的不可预测的属性,太糟糕了。我认为你应该尝试交易加密货币交叉盘--例如btc/ltc(比特币-莱特币)。我看到一些经纪人宣传说他们在MT4上有btc/usd,应该找一个在MT5上有btc/ltc的非厨房。在最坏的情况下,你可以直接去比特币交易所,但你必须写你自己的程序,并使用他们的休息api,用机器人进行交易。还有几个想法,如何使分类模型在外汇中发挥作用。首先对当前的控制类型进行分类(根据我的经验--类型随机变化为以前的某个类型。看起来甚至没有多少人,总共有四个。但这并不确切)。你还应该有一个经过训练的贸易分类器来处理每种类型的控制。然后用适当的分类器进行买/卖预测。不知何故,一切都显得过于复杂,你需要很多新的自行车:) [删除] 2017.05.01 17:44 #3173 Dr.Trader:谢谢你的措辞。我还没有根据外汇的可管理性来设定新的目标,但这个目标听起来像是我可以分几步为自己设定的。一个正确设定的任务已经完成了一半。我祝愿你成功! СанСаныч Фоменко 2017.05.01 17:55 #3174 Dr.Trader:谢谢你的措辞。我还没有根据外汇的可管理性来设定新的目标,但这个目标听起来像是我可以分几步为自己设定的。我的第一个想法是远离外汇,去交易加密货币,因为它都是如此自由和独立。但由于加密货币的价格通常是以美元表示的--那么btc/usd的价格也会从usd得到不好的不可预测的属性,也是不好的。我认为你应该尝试交易加密货币交叉盘--例如btc/ltc(比特币-莱特币)。我看到一些经纪人宣传说他们在MT4上有btc/usd,应该找一个在MT5上有btc/ltc的非厨房。在最坏的情况下,你可以直接去比特币交易所,但你必须写你自己的程序,并使用他们的休息api来交易。还有几个想法,如何使分类模型在外汇中发挥作用。首先对当前的控制类型进行分类(根据我的经验--类型随机变化为以前的某个类型。看起来甚至没有多少人,总共有四个。但这并不确切)。你还应该有一个经过训练的贸易分类器来处理每种类型的控制。然后用适当的分类器进行买/卖预测。不知何故,这一切来得太复杂了,你需要很多新的自行车:)如果我们谈论分类模型,我们需要寻找在大的时间区间内具有大致相同的预测能力的预测因素。目前,我们被预测货币对本身的各种衍生品所困。而如果我们采取其他货币对。我一直在这样做。有的货币对对欧元兑美元有预测能力,也有的货币对根本不能预测这个货币对。但还有一个更严重的想法。事实是,货币汇率,例如美元,直接取决于各种宏观经济指标: 美联储利率、GDP....你所检测到的模式变化有可能是由于宏观经济指标的变化造成的。他们的周期为一个月,是非常快的。通常是一个季度或一个赛季。 Egor Manakhov 2017.05.03 14:15 #3175 向所有对这一主题感兴趣并参与讨论的人致以问候!我从头到尾看了一遍这个主题,有一些跳过。这里有一些有趣的观点和想法。我想表达我对这个问题的观点和方法,即如何接近市场,以及应该努力从市场上获得什么。我有足够的交易经验,可以在没有任何指标或其他技术手段的情况下进行市场定位。把我的设想/经验变成数学模型的想法出现了。我马上意识到,我无法将所有的细微差别转化为数字,特别是由于我缺乏专业的编程技能,最重要的是缺乏数学、统计学、物理学等方面的知识。但我确实承担了这项工作。因此,我创建了一个指标(图),它反映了我对市场、对其预测的方法。我将简单介绍一下它的运作。首先,它对报价进行预处理,然后创建所谓的 "理想 "模型,具有良好的平滑度和最小的扭结。但这种模式,有这些优点,却有一个很大的缺点--它落后于一个体面的(10-12)条数。下一个任务是补偿 "理想 "模型的滞后。这项任务仍在解决之中。但也有结果。在图中,你可以看到 "理想 "模型的预测值,黄色的是领先5条,红色的是领先7条。我不能使用过去的数据进一步向前推进,即使是1个柱子;有许多假阳性,影响平稳性。也就是说,我已经从历史中汲取了最大的力量。在我看来,从交易量开始,到一个交易品种和其他几十个品种之间的相关关系,这些预测因素的组合是参与形成下一个条形的。(而且我想说明的是,相关关系是非常短期的,我还没能确定或多或少的长期关系)。从所有这些工作中,我对市场的动向有了明确的看法。我们这些普通的交易员并不完全了解此刻的市场状况,那些推动市场的人,我们会不断落后。但在我看来,接近零杠是可能的,但这需要如此多的资源和知识,对于一个普通的交易员来说几乎是不可能的。 Mihail Marchukajtes 2017.05.03 18:32 #3176 埃戈尔-马纳霍夫。向所有对这一主题感兴趣并参与讨论的人致以问候!我从头到尾看了一遍这个主题,有一些跳过。这里有一些有趣的观点和想法。我想表达我对这个问题的观点和方法,即如何接近市场,以及应该努力从市场上获得什么。我有足够的交易经验,可以在没有任何指标或其他技术手段的情况下进行市场定位。把我的设想/经验变成数学模型的想法出现了。我马上意识到,我无法将所有的细微差别转化为数字,特别是由于我缺乏专业的编程技能,最重要的是缺乏数学、统计学、物理学等方面的知识。但我确实承担了这项工作。因此,我创建了一个指标(图),它反映了我对市场、对其预测的方法。我将简单介绍一下它的运作。首先,它对报价进行预处理,然后创建所谓的 "理想 "模型,具有良好的平滑度和最小的扭结。但这种模式,有这些优点,却有一个很大的缺点--它落后于一个体面的(10-12)条数。下一个任务是补偿 "理想 "模型的滞后。这项任务仍在解决之中。但也有结果。在图中,你可以看到 "理想 "模型的预测值,黄色的是领先5条,红色的是领先7条。我不能使用过去的数据进一步向前推进,即使是1个柱子;有许多假阳性,影响平滑度。也就是说,我已经从历史中汲取了最大的力量。在我看来,从交易量开始,到一个交易品种和其他几十个品种之间的相关关系,这些预测因素的组合是参与形成下一个条形的。(而且我想说明的是,相关关系是非常短期的,我还没能确定或多或少的长期关系)。从所有这些工作中,我对市场的动向有了明确的看法。我们这些普通的交易员并不完全了解此刻的市场状况,那些推动市场的人,我们会不断落后。但在我看来,有可能接近零门槛,但它需要这样的资源和知识,而这是一个普通交易员无法实际做到的。 趣发彩票!!!!!你的指标能很好地平滑衣领,但线本身没有预测。也就是说,它遵循的原则是:无花果到哪里,烟就到哪里。作为一项规则,这样的TS对错误信号的数量很敏感。我想知道你是如何得到预测的价值???? nowi 2017.05.03 20:56 #3177 这家伙只是决定卖掉他的垃圾 ....某种汽车......偷偷摸摸的......好像他真的想让谈话继续下去)......嗯......。 Dr. Trader 2017.05.04 04:40 #3178 桑桑尼茨-弗门科。事实是,像美元这样的货币的汇率直接取决于各种宏观经济指标: 美联储利率、GDP....很有可能,你所确定的模式变化与宏观经济指标的变化有关。他们的周期为一个月,是非常快的。通常是一个季度或一个赛季。我又做了一些关于模式识别的实验。该模型的本质是:在几十个条形图(模式)中获取价格的增加/减少,找到前几周的类似模式,查看之前类似模式后的价格表现,并根据这些观察进行交易。该模型有很多不同的优化参数,如图案的长度(以条为单位),搜索类似图案时在历史上走多远,不同的系数等等。 我通过笛卡尔距离来定义模式的 "相似性",正如mytarmailS在这里建议的那样。如果你进行一小段时间的训练,比如说一个星期,那么通过调整模型的参数,你可以在这整个时期内使利润上升。但是,正如我之前写的,这个模型将产生利润和损失,不是随机的,而是定期的,使用新数据。一个星期盈利,一个星期亏损,几个星期只是差价的缓慢下滑。而这些盈利或强势亏损的周期有时会出现在未来,甚至几个月后。这与传统的模型如neuronka或scaffold有很大的不同,后者会对新的数据进行均匀的、缓慢的消耗传播。我喜欢这个模型的地方是,它似乎显示了外汇的隐藏周期,你可以看到价格对相同模式的反应是如何急剧变化的。我们看到的不是结果的随机性(如神经元),而是其周期性(但不均衡)的恶化和改善。不寻常的。新的实验更加令人费解--模型参数可以使其在任何时间长度的数据上获利,例如一个星期或一个月。但无论训练间隔多长,在新数据上都不会有稳定的利润。如果我们采取一周的训练数据,盈利和亏损的时期也将是一周,我们无法知道下一周是否会盈利。如果我们用一个月来训练,那么盈利和亏损的时期也将是一个月。真是一派胡言 :)我想我对当前的外汇管理类型的分类是错误的,这不是重点,它不能取决于我拿多长的数据间隔来进行训练。你必须把理智和逻辑抛在脑后,才能理解它是如何运作的 :)目前,唯一的想法是增加图案中包含的小节数量。 打个比方,如果 "头肩顶 "形态在3月份是盈利的,而在4月份是亏损的,这显然不足以做出决定。我们应该看看之前的模式,最后可能会发生,我们必须在历史上找到三个之前的模式,并根据它们的组合做出决定。 它可能会起作用。 但这里出现了一个悖论--奥卡姆原则说,如果我可以教模型使用十根柱子的模式交易获利,那么我就不应该使用一百根柱子。而我的结论表明,我应该这样做。没有结论。我一直在为外汇工作。 Egor Manakhov 2017.05.04 04:52 #3179 Mihail Marchukajtes: 趣发彩票!!!!!你的指标很好地平滑了碰撞,但线条本身没有预测。也就是说,它遵循的原则是:无花果到哪里,烟就到哪里。作为一项规则,这样的TS对错误信号的数量很敏感。我想知道你是如何得到预测的价值???? 是的,平滑度很好,但相位延迟也不小。同样,主要的想法是获得最大的光滑度 和最小的 断裂。然后,通过训练神经网络和线性回归,我试图恢复这个模型,逐渐走向零条,保持平稳(我需要平稳,主要是为了算法交易和最小的中断次数,以便从市场上有东西可以 "咬",即使我从10-12条恢复了7条的阶段。)黄线和红线形式的预测值是通过使用 "理想 "线作为目标函数训练神经网络而得到的,预测器是在振幅和相位上与样本重叠的多项式。但训练 "黄色 "和 "红色 "模型有一点不同,我们甚至可以说,因为在训练 "红色 "模型时,我使用了 "黄色 "模型作为预测器。我在澳元兑日元的一分钟图表上进行了训练,样本为1500-2000条。获得的模型在所有时间段和整个历史上都是有效的,尽管在报价上存在相当大的振幅差异。这里提出了许多市场预测的变体,但其中许多变体无法决定谓词、目标函数和训练神经网络的内容。通过这篇文章,我想展示我是如何解决这个复杂问题的。 Dr. Trader 2017.05.04 06:12 #3180 关于'模式模式与神经网络'的利润图表。这两种模式都是在2016年10月训练出来的正向交易金牛座;恒定手数,没有止损或止盈;始终处于多头或空头交易中;在H1开盘价进行交易。图表上的交易 - 过去5年,包括一个月的训练数据。在没有交叉评估的情况下学习模型,他们只是从价格中榨取最大的利润。图表上有一个地方,服务器没有给出正常的刻度,那里有某种消耗,那么就忽略那个地方。这里是神经元。你可以清楚地看到它被训练的时间间隔,它是唯一有稳定利润的地方。而这里是模式识别模型。结果是负面的,但它仍然比神经元好。而且有很多时候是连续几周盈利的。但后来还是失败了。 它很酷,但我还不知道用它来做什么。 1...311312313314315316317318319320321322323324325...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
你是认真的吗?")左手在和右手打架?")那么谁来赞助选举等等。
http://www.rbc.ru/finances/19/10/2015/5624cf299a79472c1c14ac85
等。
那么他们最终使自己的损失,他们并不是市场上唯一的大玩家。随机性可以有不同的投资期限,每个投资期限上的利润和损失的分布大致相等,刨除黑天鹅的概率是相同的,例如E.Peters写到。而打击垄断是国家和竞争性市场的关键作用,否则我们会以1000美元的价格购买面包。
如果任务被制定为一个控制信号定义任务
谢谢你的措辞。我还没有依靠外汇的可管理性来设置新的任务,但这个任务听起来像是我可以在几个步骤中自己设置的。
那么解决方案是什么呢?
我的第一个想法是离开外汇,去交易加密货币,因为这一切都是如此自由和独立。但由于加密货币的价格通常是以美元表示的--那么btc/usd也会从usd得到不好的不可预测的属性,太糟糕了。我认为你应该尝试交易加密货币交叉盘--例如btc/ltc(比特币-莱特币)。我看到一些经纪人宣传说他们在MT4上有btc/usd,应该找一个在MT5上有btc/ltc的非厨房。在最坏的情况下,你可以直接去比特币交易所,但你必须写你自己的程序,并使用他们的休息api,用机器人进行交易。
还有几个想法,如何使分类模型在外汇中发挥作用。首先对当前的控制类型进行分类(根据我的经验--类型随机变化为以前的某个类型。看起来甚至没有多少人,总共有四个。但这并不确切)。你还应该有一个经过训练的贸易分类器来处理每种类型的控制。然后用适当的分类器进行买/卖预测。不知何故,一切都显得过于复杂,你需要很多新的自行车:)
谢谢你的措辞。我还没有根据外汇的可管理性来设定新的目标,但这个目标听起来像是我可以分几步为自己设定的。
一个正确设定的任务已经完成了一半。
我祝愿你成功!
谢谢你的措辞。我还没有根据外汇的可管理性来设定新的目标,但这个目标听起来像是我可以分几步为自己设定的。
我的第一个想法是远离外汇,去交易加密货币,因为它都是如此自由和独立。但由于加密货币的价格通常是以美元表示的--那么btc/usd的价格也会从usd得到不好的不可预测的属性,也是不好的。我认为你应该尝试交易加密货币交叉盘--例如btc/ltc(比特币-莱特币)。我看到一些经纪人宣传说他们在MT4上有btc/usd,应该找一个在MT5上有btc/ltc的非厨房。在最坏的情况下,你可以直接去比特币交易所,但你必须写你自己的程序,并使用他们的休息api来交易。
还有几个想法,如何使分类模型在外汇中发挥作用。首先对当前的控制类型进行分类(根据我的经验--类型随机变化为以前的某个类型。看起来甚至没有多少人,总共有四个。但这并不确切)。你还应该有一个经过训练的贸易分类器来处理每种类型的控制。然后用适当的分类器进行买/卖预测。不知何故,这一切来得太复杂了,你需要很多新的自行车:)
如果我们谈论分类模型,我们需要寻找在大的时间区间内具有大致相同的预测能力的预测因素。
目前,我们被预测货币对本身的各种衍生品所困。
而如果我们采取其他货币对。我一直在这样做。有的货币对对欧元兑美元有预测能力,也有的货币对根本不能预测这个货币对。
但还有一个更严重的想法。
事实是,货币汇率,例如美元,直接取决于各种宏观经济指标: 美联储利率、GDP....你所检测到的模式变化有可能是由于宏观经济指标的变化造成的。他们的周期为一个月,是非常快的。通常是一个季度或一个赛季。
向所有对这一主题感兴趣并参与讨论的人致以问候!我从头到尾看了一遍这个主题,有一些跳过。这里有一些有趣的观点和想法。我想表达我对这个问题的观点和方法,即如何接近市场,以及应该努力从市场上获得什么。
我有足够的交易经验,可以在没有任何指标或其他技术手段的情况下进行市场定位。把我的设想/经验变成数学模型的想法出现了。我马上意识到,我无法将所有的细微差别转化为数字,特别是由于我缺乏专业的编程技能,最重要的是缺乏数学、统计学、物理学等方面的知识。但我确实承担了这项工作。
因此,我创建了一个指标(图),它反映了我对市场、对其预测的方法。我将简单介绍一下它的运作。首先,它对报价进行预处理,然后创建所谓的 "理想 "模型,具有良好的平滑度和最小的扭结。但这种模式,有这些优点,却有一个很大的缺点--它落后于一个体面的(10-12)条数。下一个任务是补偿 "理想 "模型的滞后。这项任务仍在解决之中。但也有结果。在图中,你可以看到 "理想 "模型的预测值,黄色的是领先5条,红色的是领先7条。我不能使用过去的数据进一步向前推进,即使是1个柱子;有许多假阳性,影响平稳性。也就是说,我已经从历史中汲取了最大的力量。在我看来,从交易量开始,到一个交易品种和其他几十个品种之间的相关关系,这些预测因素的组合是参与形成下一个条形的。(而且我想说明的是,相关关系是非常短期的,我还没能确定或多或少的长期关系)。
从所有这些工作中,我对市场的动向有了明确的看法。我们这些普通的交易员并不完全了解此刻的市场状况,那些推动市场的人,我们会不断落后。但在我看来,接近零杠是可能的,但这需要如此多的资源和知识,对于一个普通的交易员来说几乎是不可能的。
向所有对这一主题感兴趣并参与讨论的人致以问候!我从头到尾看了一遍这个主题,有一些跳过。这里有一些有趣的观点和想法。我想表达我对这个问题的观点和方法,即如何接近市场,以及应该努力从市场上获得什么。
我有足够的交易经验,可以在没有任何指标或其他技术手段的情况下进行市场定位。把我的设想/经验变成数学模型的想法出现了。我马上意识到,我无法将所有的细微差别转化为数字,特别是由于我缺乏专业的编程技能,最重要的是缺乏数学、统计学、物理学等方面的知识。但我确实承担了这项工作。
因此,我创建了一个指标(图),它反映了我对市场、对其预测的方法。我将简单介绍一下它的运作。首先,它对报价进行预处理,然后创建所谓的 "理想 "模型,具有良好的平滑度和最小的扭结。但这种模式,有这些优点,却有一个很大的缺点--它落后于一个体面的(10-12)条数。下一个任务是补偿 "理想 "模型的滞后。这项任务仍在解决之中。但也有结果。在图中,你可以看到 "理想 "模型的预测值,黄色的是领先5条,红色的是领先7条。我不能使用过去的数据进一步向前推进,即使是1个柱子;有许多假阳性,影响平滑度。也就是说,我已经从历史中汲取了最大的力量。在我看来,从交易量开始,到一个交易品种和其他几十个品种之间的相关关系,这些预测因素的组合是参与形成下一个条形的。(而且我想说明的是,相关关系是非常短期的,我还没能确定或多或少的长期关系)。
从所有这些工作中,我对市场的动向有了明确的看法。我们这些普通的交易员并不完全了解此刻的市场状况,那些推动市场的人,我们会不断落后。但在我看来,有可能接近零门槛,但它需要这样的资源和知识,而这是一个普通交易员无法实际做到的。
趣发彩票!!!!!你的指标能很好地平滑衣领,但线本身没有预测。也就是说,它遵循的原则是:无花果到哪里,烟就到哪里。作为一项规则,这样的TS对错误信号的数量很敏感。我想知道你是如何得到预测的价值????
这家伙只是决定卖掉他的垃圾 ....某种汽车......偷偷摸摸的......好像他真的想让谈话继续下去)......嗯......。
事实是,像美元这样的货币的汇率直接取决于各种宏观经济指标: 美联储利率、GDP....很有可能,你所确定的模式变化与宏观经济指标的变化有关。他们的周期为一个月,是非常快的。通常是一个季度或一个赛季。
我又做了一些关于模式识别的实验。该模型的本质是:在几十个条形图(模式)中获取价格的增加/减少,找到前几周的类似模式,查看之前类似模式后的价格表现,并根据这些观察进行交易。该模型有很多不同的优化参数,如图案的长度(以条为单位),搜索类似图案时在历史上走多远,不同的系数等等。
我通过笛卡尔距离来定义模式的 "相似性",正如mytarmailS在这里建议的那样。
如果你进行一小段时间的训练,比如说一个星期,那么通过调整模型的参数,你可以在这整个时期内使利润上升。但是,正如我之前写的,这个模型将产生利润和损失,不是随机的,而是定期的,使用新数据。一个星期盈利,一个星期亏损,几个星期只是差价的缓慢下滑。而这些盈利或强势亏损的周期有时会出现在未来,甚至几个月后。这与传统的模型如neuronka或scaffold有很大的不同,后者会对新的数据进行均匀的、缓慢的消耗传播。我喜欢这个模型的地方是,它似乎显示了外汇的隐藏周期,你可以看到价格对相同模式的反应是如何急剧变化的。我们看到的不是结果的随机性(如神经元),而是其周期性(但不均衡)的恶化和改善。不寻常的。
新的实验更加令人费解--模型参数可以使其在任何时间长度的数据上获利,例如一个星期或一个月。但无论训练间隔多长,在新数据上都不会有稳定的利润。如果我们采取一周的训练数据,盈利和亏损的时期也将是一周,我们无法知道下一周是否会盈利。如果我们用一个月来训练,那么盈利和亏损的时期也将是一个月。真是一派胡言 :)我想我对当前的外汇管理类型的分类是错误的,这不是重点,它不能取决于我拿多长的数据间隔来进行训练。你必须把理智和逻辑抛在脑后,才能理解它是如何运作的 :)
目前,唯一的想法是增加图案中包含的小节数量。
打个比方,如果 "头肩顶 "形态在3月份是盈利的,而在4月份是亏损的,这显然不足以做出决定。我们应该看看之前的模式,最后可能会发生,我们必须在历史上找到三个之前的模式,并根据它们的组合做出决定。
它可能会起作用。
但这里出现了一个悖论--奥卡姆原则说,如果我可以教模型使用十根柱子的模式交易获利,那么我就不应该使用一百根柱子。而我的结论表明,我应该这样做。
没有结论。我一直在为外汇工作。
趣发彩票!!!!!你的指标很好地平滑了碰撞,但线条本身没有预测。也就是说,它遵循的原则是:无花果到哪里,烟就到哪里。作为一项规则,这样的TS对错误信号的数量很敏感。我想知道你是如何得到预测的价值????
是的,平滑度很好,但相位延迟也不小。同样,主要的想法是获得最大的光滑度 和最小的 断裂。然后,通过训练神经网络和线性回归,我试图恢复这个模型,逐渐走向零条,保持平稳(我需要平稳,主要是为了算法交易和最小的中断次数,以便从市场上有东西可以 "咬",即使我从10-12条恢复了7条的阶段。)
黄线和红线形式的预测值是通过使用 "理想 "线作为目标函数训练神经网络而得到的,预测器是在振幅和相位上与样本重叠的多项式。但训练 "黄色 "和 "红色 "模型有一点不同,我们甚至可以说,因为在训练 "红色 "模型时,我使用了 "黄色 "模型作为预测器。我在澳元兑日元的一分钟图表上进行了训练,样本为1500-2000条。获得的模型在所有时间段和整个历史上都是有效的,尽管在报价上存在相当大的振幅差异。
这里提出了许多市场预测的变体,但其中许多变体无法决定谓词、目标函数和训练神经网络的内容。通过这篇文章,我想展示我是如何解决这个复杂问题的。
关于'模式模式与神经网络'的利润图表。
这两种模式都是在2016年10月训练出来的正向交易金牛座;恒定手数,没有止损或止盈;始终处于多头或空头交易中;在H1开盘价进行交易。图表上的交易 - 过去5年,包括一个月的训练数据。
在没有交叉评估的情况下学习模型,他们只是从价格中榨取最大的利润。
图表上有一个地方,服务器没有给出正常的刻度,那里有某种消耗,那么就忽略那个地方。
这里是神经元。你可以清楚地看到它被训练的时间间隔,它是唯一有稳定利润的地方。
而这里是模式识别模型。结果是负面的,但它仍然比神经元好。而且有很多时候是连续几周盈利的。但后来还是失败了。
它很酷,但我还不知道用它来做什么。