交易中的机器学习：理论、模型、实践和算法交易 - 页 3203

新评论
 
Maxim Dmitrievsky #:
我不关心你们的信号，为什么是我们的？

为什么是我们的？

 
mytarmailS #:

为什么是我们的？

你最近太热了 你和桑尼奇，放个假吧
 
Maxim Dmitrievsky #:
你最近太热了，你和桑尼奇，放个假吧。

谢谢，我一定会考虑你的建议，按部就班地来。

 

实际上，Lira 多年来一直采用 OnlyClose 模式。对邻居的心电图应用 MO 更有用。


ZY 一个逻辑问题。

在某个国家，任何东西都只能用里拉购买。所有东西（甚至工资）都有美元标价，而里拉的美元标价取决于里拉的汇率。

而现在，里拉对美元的汇率已经便宜了三倍。从理论上讲，（外国人或当地人）有可能从中赚钱吗？

让我先说一句，我们不是在谈论土耳其，而是在谈论某种理想的模式，这种模式最终应该准确地显示出实时的盈利情况。包括土耳其。

 
fxsaber #:
实际上，里拉多年来一直处于 "OnlyClose "模式。把 MO 应用到邻居的心电图上更有用。
在猫身上练习。我刚刚看到，如果有规律的行为，算法也能找到，它不会对噪音进行再训练。
 
Maxim Dmitrievsky #:
我们正在对猫进行练习。我刚刚看到，如果有规律的行为，算法也能找到，不会因为噪音而重新训练。

当然，如果肉眼看到了，数学模型也会找到。数学模型的任务则不同，它要在肉眼看不到的地方找到规律。

 
fxsaber #:

如果肉眼已经看到了，那么 MO 也一定能找到。IO 的任务则不同，它要在肉眼看不到的地方找到图案。

如果 MO 的结构允许专注于某些事物，那么它就不会找到它。
而要做到这一点，就必须运用专家知识。因此，IO 更有可能找不到隐藏的东西。
 
fxsaber #:

如果肉眼已经看到，那么测量方法也一定能找到。而 IO 的任务则不同，它要在肉眼看不到的地方找到图案。

请告诉我，从操作员的立场来看，规律性与死记硬背有何不同？

例如，我脑子里有一个想法，5 根蜡烛线组成的形态应该是怎样的。我在图表上标记它们，运行价格导出脚本，将其输入神经网络，它就会学习这些形态应该是什么样子，不应该是什么样子（其他价格组的标签是不同的），然后我的神经网络就会在图表上标记这些形态。也就是说，我不需要写 "如果，那么"，神经网络自己就能学会并理解。我用手指向它指出 "是什么 "和 "怎么做"。

但这里的任务是 "找到一种模式"，它是什么，它与死记硬背的例子有什么不同？

也许找到一种模式是一项过于复杂的任务，而神经网络目前只是根据计算机的功率不断 "死记硬背"。

 
Ivan Butko #:

请告诉我，模式化与死记硬背有什么不同？

例如，我脑子里有一个想法，5 根蜡烛线组成的模式应该是怎样的。我在图表上标记它们，运行价格导出脚本，将其输入神经网络，它就会学习这些形态应该是什么样子，不应该是什么样子（其他价格组的标签是不同的），然后我的神经网络就会在图表上标记这些形态。也就是说，我不需要写 "如果，那么"，神经网络自己就能学会并理解。我用手指向它指出 "是什么 "和 "怎么做"。

但这里的任务是 "找到一种模式"，它是什么，它与死记硬背的例子有什么不同？

也许找到一种模式是一项过于复杂的任务，而神经网络目前只是根据计算机的功率不断 "死记硬背"。

有两种情况

1.你可以标记任何东西。未来的问题是：你的数学模型会以多大的误差找到你所标记的东西。

2.您的 "标记 "与 MO 无关，其意义不同，例如：我们组成了 "教师"，即我们标记了 "科蒂 尔 "的区域，保证这些区域有原木和短裤。然后，我们给 MO 算法提供这个 "教师 "和一组输入数据，例如指标值。MO 算法会形成一些与 "教师 "值相对应的指标值集。这些就是模式。原则上，这些模式对我们来说不算什么，但最令人惊讶的是，这些模式在未来会重复出现，尽管会有一些误差。

 
СанСаныч Фоменко #:

两种情况

1.您可以标记任何东西。将来的问题是：你的国防部会以怎样的错误发现你所标记的东西。

2.您的 "标记 "与 MO 无关，MO 的含义与您的 "标记 "不同，例如：我们组成了一个 "教师"，即我们标记了保证有原木和短裤等的区域。然后，我们给 MO 算法提供这个 "教师 "和一组输入数据，例如指标值。MO 算法会形成一些与 "教师 "值相对应的指标值集。这些就是模式。原则上，这些模式对我们来说不算什么，但最令人惊讶的是，这些模式在未来会以一定的误差重复出现。

感谢您的回复
1...319631973198319932003201320232033204320532063207320832093210...3399
新评论