交易中的机器学习:理论、模型、实践和算法交易 - 页 3226 1...321932203221322232233224322532263227322832293230323132323233...3399 新评论 Aleksey Vyazmikin 2023.09.10 02:05 #32251 fxsaber #: 也许我们应该尝试通过近似来解决生成新数据的问题? 利用一个窗口,尝试用不同的精度来描述其中的数字序列,而这种方法可以保存全局的价格运动动态,包括每日波动。 而且,以近似系数的形式保存历史数据就足够了。 fxsaber 2023.09.10 05:15 #32252 Maxim Dmitrievsky #:您的 TC 并不是在寻找可能存在的所有模式。这就是为什么您必须匹配它 然后我们就面临 "鸡和蛋 "的问题: 如果从工作 TC 得到数据,MO 就会保留模式。 在原始 tsvr 上,MO 必须找到工作 TC。 否则,通过另一种方法,但它将在 ticks 和稍后的时间里做多 ) 所有这些开发人员都远离交易。与其用 Average,不如用 Median。 fxsaber 2023.09.10 05:20 #32253 Aleksey Vyazmikin #:也许我们应该尝试通过近似来解决生成新数据的问题?利用一个窗口,尝试用不同的精度来描述其中的数字序列,而这种方法可以在总体上保持价格变动的动态性,包括考虑到每日的波动。而且,以近似系数的形式保存历史数据就足够了。 听起来不错。当我看到有关 IDC 研究主题的文章时,我几乎立即开始怀疑他们的方法,如果是在全天候的假设下寻找规律性的话。 fxsaber 2023.09.10 05:21 #32254 Maxim Dmitrievsky #:长度为1000 ticks 的依赖关系再加上5000 个刻度。对于刻度,这样的窗口选择很奇怪。与时间戳绑定是合乎逻辑的,而不是与刻度指数绑定。 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, 2023.09.09 04:40 pm 这里有一个错误:应该是 time_msc。但这对发布后的结果没有影响。 请重新启动,以便在下一代中正确显示时间戳。 这是为了防止您决定绑定。 fxsaber 2023.09.10 05:38 #32255 Maxim Dmitrievsky #:长度为1000 ticks 的依赖关系https://disk.yandex.ru/d/6F8FdUGthpnk3A . fxsaber 2023.09.10 05:43 #32256 mytarmailS #:你并不是要找到一组参数,而是要找到某种接近的参数集群。 看看样本区间(蓝线之间)的曲线有多大差异。 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, 2023.09.10 07:38 AM 这表明您得到的参数集很远,而不是很近。如果以噪声目标函数为例,则会得到不同山丘附近的结果。 很明显,如果不中断 GA,而是等到完成,就会发现一个峰值。而所有 20 次最佳通过都将从这里开始--样本曲线将几乎相同。这没有任何用处。 fxsaber 2023.09.10 06:05 #32257 fxsaber #:如果不中断 GA,而是等到 GA 结束,就会发现一个峰值。所有 20 个最佳通过点都将从这里出发--采样曲线将几乎相同。 我在没有中断 GA 的情况下,在同一个 VDC 上验证了这一说法。 很明显,在这 20 个样本中,有一些是不相同的。相反,这表明常规 GA 没有完成它的工作。更确切地说,它中断了自己的工作,将来自不同峰值的结果放在了前 20 名中。 Aleksey Vyazmikin 2023.09.10 06:39 #32258 fxsaber #:听起来不错。当我看到有关 tsvr 研究主题的文章时,如果假定他们是全天候地搜索模式,我几乎立刻就会开始怀疑他们的方法。我可以告诉你,并不是对所有的预测因素,时间分割都会带来有意义的概率偏差,至少对我来说是这样。因此,我倾向于认为时间是一个重要因素,但如果其他更重要的因素处于活跃期,它们也会影响结果。我还认为,在窗口中,您可以简单地为价格设置一个不同的量化网格,并设置大量的区间(以便更准确地保留结构),然后对这样一个 "压缩信号 "进行测试--它已经存在偏差了。或者,您也可以在两个区间之间的参考范围内使用少量区间和随机噪声。 您甚至可以固定网格,只存储第一个参考点的偏移量。这样占用的空间就很小,转换速度也会很快。 fxsaber 2023.09.10 06:50 #32259 Maxim Dmitrievsky #:最重要的是,还有5 千米 的长度https://disk.yandex.ru/d/1ypCrzYKk82XdA 看来优化图可以显示搜索过程有多难。我们开始吧。 fxsaber 2023.09.10 07:13 #32260 Aleksey Vyazmikin #:好吧,我可以说,并不是所有的预测因素,时间分割都会在概率上产生有意义的偏差,至少对我来说是这样。因此,我倾向于认为时间是一个重要因素,但其他更重要的因素如果处于活跃阶段,也会影响结果。我还认为,在窗口中,你可以简单地为价格设置一个不同的量化网格,并设置大量的区间(以便更准确地保留结构),然后对这样一个 "压缩信号 "进行测试--它已经存在偏差了。或者,您也可以在两个区间之间的参考范围内使用少量区间和随机噪声。 您甚至可以固定网格,只存储第一个参考点的偏移量。这样占用的空间就很小,转换速度也会很快。 遗憾的是,这些假设都需要实现和测试。@Maxim Dmitrievsky 正在尝试他的变体,而我正在尝试我的变体。 1...321932203221322232233224322532263227322832293230323132323233...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
也许我们应该尝试通过近似来解决生成新数据的问题?
利用一个窗口,尝试用不同的精度来描述其中的数字序列,而这种方法可以保存全局的价格运动动态,包括每日波动。
而且,以近似系数的形式保存历史数据就足够了。
您的 TC 并不是在寻找可能存在的所有模式。这就是为什么您必须匹配它
然后我们就面临 "鸡和蛋 "的问题:
所有这些开发人员都远离交易。与其用 Average,不如用 Median。
也许我们应该尝试通过近似来解决生成新数据的问题?
利用一个窗口,尝试用不同的精度来描述其中的数字序列,而这种方法可以在总体上保持价格变动的动态性,包括考虑到每日的波动。
而且,以近似系数的形式保存历史数据就足够了。
听起来不错。当我看到有关 IDC 研究主题的文章时,我几乎立即开始怀疑他们的方法,如果是在全天候的假设下寻找规律性的话。
长度为1000 ticks 的依赖关系
再加上5000 个刻度。
对于刻度,这样的窗口选择很奇怪。与时间戳绑定是合乎逻辑的,而不是与刻度指数绑定。
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, 2023.09.09 04:40 pm
这里有一个错误:应该是 time_msc。但这对发布后的结果没有影响。
长度为1000 ticks 的依赖关系
https://disk.yandex.ru/d/6F8FdUGthpnk3A
.
看看样本区间(蓝线之间)的曲线有多大差异。
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, 2023.09.10 07:38 AM
这表明您得到的参数集很远,而不是很近。如果以噪声目标函数为例,则会得到不同山丘附近的结果。
很明显,如果不中断 GA,而是等到完成,就会发现一个峰值。而所有 20 次最佳通过都将从这里开始--样本曲线将几乎相同。这没有任何用处。
如果不中断 GA,而是等到 GA 结束,就会发现一个峰值。所有 20 个最佳通过点都将从这里出发--采样曲线将几乎相同。
我在没有中断 GA 的情况下,在同一个 VDC 上验证了这一说法。
很明显,在这 20 个样本中,有一些是不相同的。相反,这表明常规 GA 没有完成它的工作。更确切地说,它中断了自己的工作,将来自不同峰值的结果放在了前 20 名中。
听起来不错。当我看到有关 tsvr 研究主题的文章时,如果假定他们是全天候地搜索模式,我几乎立刻就会开始怀疑他们的方法。
我可以告诉你,并不是对所有的预测因素,时间分割都会带来有意义的概率偏差,至少对我来说是这样。因此,我倾向于认为时间是一个重要因素,但如果其他更重要的因素处于活跃期,它们也会影响结果。
我还认为,在窗口中,您可以简单地为价格设置一个不同的量化网格,并设置大量的区间(以便更准确地保留结构),然后对这样一个 "压缩信号 "进行测试--它已经存在偏差了。或者,您也可以在两个区间之间的参考范围内使用少量区间和随机噪声。
您甚至可以固定网格,只存储第一个参考点的偏移量。这样占用的空间就很小,转换速度也会很快。最重要的是,还有5 千米 的长度
https://disk.yandex.ru/d/1ypCrzYKk82XdA
看来优化图可以显示搜索过程有多难。我们开始吧。
好吧,我可以说,并不是所有的预测因素,时间分割都会在概率上产生有意义的偏差,至少对我来说是这样。因此,我倾向于认为时间是一个重要因素,但其他更重要的因素如果处于活跃阶段,也会影响结果。
我还认为,在窗口中,你可以简单地为价格设置一个不同的量化网格,并设置大量的区间(以便更准确地保留结构),然后对这样一个 "压缩信号 "进行测试--它已经存在偏差了。或者,您也可以在两个区间之间的参考范围内使用少量区间和随机噪声。
您甚至可以固定网格,只存储第一个参考点的偏移量。这样占用的空间就很小,转换速度也会很快。遗憾的是,这些假设都需要实现和测试。
@Maxim Dmitrievsky 正在尝试他的变体,而我正在尝试我的变体。