交易中的机器学习：理论、模型、实践和算法交易 - 页 3216

[fxsaber]

Maxim Dmitrievsky #:
最起码也要进行自举混合。

MO 不是寻找模式，而是根据已知模式对样本进行分类。

如果通过 MO 寻找模式是我所做的单独技术，那么通过 MO 寻找模式 != 只是在子样本上进行训练。

很遗憾，我对术语存在误解。

[Maxim Dmitrievsky]

fxsaber #:

很遗憾，我对术语有误解。

好吧，我们生活在现代chatgpts时代:)

Bootstrap 抽样是一种统计分析技术，通过从原始样本中创建多个子样本来估计样本参数。这种方法可以估计参数的方差和均值，并构建参数的置信区间。当无法获得大量样本或原始样本不能代表整个人口时，引导取样就会非常有用。

[Maxim Dmitrievsky]

几乎总能用不足之处取代论坛对话。不过最后有点哑巴了，可能是语境不够。

[Forester]

进一步证实了我们只有一小部分数据可以分析，这些数据基本上都是噪音。

[Aleksey Nikolayev]

Forester #:
进一步证实了我们只有一小部分数据可以分析，这些数据基本上都是噪音。

从本质上讲，问题的关键在于概率不确定性无法很好地描述真实市场的不确定性。这对经济学家来说早已不是秘密，这也是博弈论出现和发展的原因之一。问题在于，与概率论相比，博弈论的发展还很落后。此外，滞后还表现在理论的意识形态部分。

当然，视频中金融与工业的对比完全是垃圾。而 "美国即将不可避免地毁灭 "也是个彻头彻尾的垃圾。

[СанСаныч Фоменко]

Aleksey Nikolayev #:

从本质上讲，问题在于概率不确定性无法很好地描述真实的市场不确定性。这对经济学家来说早已不是秘密，这也是博弈论出现和发展的原因之一。问题是，与概率论相比，博弈论的发展还很落后。此外，滞后还体现在理论的思想部分。

当然，视频中金融与工业的对比完全是垃圾。而 "美国即将不可避免地毁灭 "也是个彻头彻尾的垃圾。

在前苏联科学中，除了确定性过程、静止和非静止随机过程之外，还考虑了不确定 过程--这些都是人参与其中的随机过程。最突出的例子就是地下铁的随机客流。通常情况下，一切都可以用大众服务理论很好地描述，但如果你刺破一个气球并大喊 "炸弹"，所有的静止性都会变得支离破碎。

经济学中的所有过程都属于不确定性的范畴，甚至所有试图解释非静止性的尝试都会永远落在人的因素上，在经济学中，人的因素被称为政治，众所周知，政治是 "经济学的集中体现"。

我不认为博弈论能考虑到政治对经济的影响，从而为不确定的经济过程建模。

[Aleksey Nikolayev]

СанСаныч Фоменко #:

早在前苏联科学中，除了确定性过程、静态和非静态随机过程之外，还考虑了不确定 过程--这些都是人参与其中的随机过程。最生动的例子就是地铁中的随机客流。通常情况下，一切都可以用质量服务理论来完美地描述，但如果你刺破一个气球并大喊 "炸弹"，所有的静止性都会飞入 "地狱之渊"。

经济学中的所有过程都属于不确定过程，而所有试图考虑非静止性的尝试，都永远会落到人的因素上，在经济学中，人的因素被称为政治，正如我们所知，政治是 "经济学的集中体现"。

我不认为博弈论能考虑到政治对经济的影响，从而为不确定的经济过程建模。

不确定性本身是人类普通语言中的一个非正式术语。数学只能用一些正式的模型对其进行运算。目前有两种这样的模型--概率不确定性和博弈论不确定性。确定性、混沌和类似的不确定性模型是概率不确定性的特例。反过来，概率论不确定性通常被视为博弈论不确定性的特例，称之为 "与自然博弈"。但是，新博弈论在基本概念的层面上就已经很糟糕、很难表述了--玩游戏是一回事，正式描述同一个游戏又是另一回事。也许，这完全超出了人类的思维能力。因此，一切通常都被简化为数学上的概率不确定性（例如混合策略中的纳什均衡），甚至是确定性（最小值等）。

博弈论目前的发展水平无法在经济学或政治学领域取得太多成就，但事实上，这一理论早已成为这些科学的基础和 "基石"。

当然，博弈论在实践中也取得了一些成功，例如在组织拍卖方面。但在我们的领域，我认为，到目前为止，它的应用不过是术语博弈而已。）

[fxsaber]

交易、自动交易系统和交易策略测试论坛

交易中的机器学习：理论、模型、实践和算法交易

Forester, 2023.08.19 09:41 AM

我认为区别在于连续条/点的序列性或重复性。在趋势中，大部分都是单向的，而随机化器则是平均单向的。

我尝试了不同的选项来考虑连续性。它们的效果恰恰相反。如果将序列性分为{+1, -1, +1, -1, ....}，那么随机化后我们就会得到序列性的 "趋势"。最终，几次连续的随机化只会产生一条直线。

如果把一个小之字形作为序列性，这个符号就会变成超级趋势。任何这样的随机化都会增加趋势性--在一个方向上的长序列。

相应地，如果我们采用大的之字形，同样的扁平剥头皮者不会合并（甚至会在那里赚取一些东西）。但这是因为随机化绕过了平滑点。

一般来说，没有办法生成赚钱的 cvr。除了反向时间或增量。如果使用增量有意义，那么只能检查数学上正确的 TS。

[СанСаныч Фоменко]

fxsaber #:

尝试了各种序列性会计选项。结果恰恰相反。如果将序列性分为{+1, -1, +1, -1, ....}几种状态，那么在随机化之后就会得到序列性的 "趋势"。最终，连续几次随机化只会产生一条直线。

如果把一个小的之字形作为序列性，这个符号就会变成超级趋势。任何这样的随机化都会增加趋势性--长序列的一边。

相应地，如果我们采用大的 ZigZag，同样的扁平剥头皮者不会合并（甚至会在那里赚到一些钱）。但这是因为随机化绕过了平坦区域。

一般来说，没有办法生成赚钱的 cvr。除了反向时间或增量。如果使用增量有意义，那么只能检查 数学上正确的 TS。

关于检查...

交易中的主要数学工具是各种 GARCH 模型系列（超过 100 个），这些模型仅由价格增量提供。

[fxsaber]

СанСаныч Фоменко #:

关于测试

交易中的基本数学工具是一系列不同的 GARCH 模型（超过 100 个），这些模型只输入价格的增量。

这些模型不会从原始符号中生成一个赚取的符号。是的，这个想法本身有点幼稚。

交易、自动交易系统和交易策略测试论坛

交易中的机器学习：理论、模型、实践和算法交易

fxsaber, 2023.08.19 09:19 PM

他们在做什么？

1. 从条形图历史中找出几个（100 个）统计特征。
2. 他们生成一系列条形图，使这 100 个统计特征相吻合。

100 个值就能描述数百万个值的原始系列，这太荒谬了！这似乎是理论家的工具，而不是实践者的工具。