交易中的机器学习：理论、模型、实践和算法交易 - 页 3228

新评论
 
СанСаныч Фоменко #:

这些图表有什么用？

它们显示了 20 组目标函数不同峰值旁边的 OOS。这意味着，如果有 19 个假（拟合）峰和一个正（模式）峰，我们会立即看到。我们不会在意其他所有结果。

好吧，假设你在《历史》中找到了一些模式，并学会了如何生成类似的模式。

为什么？

在这里 回答了这个问题。

我们需要这样的重复性图表，在这些图表之后，还有一个相当明确的部分是合法的。准确地说，是 "之后"，是 "未来"。所有经济科学都可以分为两部分：分析和预测。但预测并不是从分析开始的，因为所有的金融数据都不是静态的。

恕我直言，我只是不理解一个纯粹的理论家试图影响一个熟练的实践者的决策。即使在选择初始数据（报价）的零阶段，我也从根本上不同意您的观点。


MO 研究人员通常会使用一种假设，即在初始序列中存在一种可以进行加权交易的模式。这只是一种假设，并没有得到任何证实。

然后，我给出一个系列，其中 99.9% 有一种模式。我希望最先进的生成方法也不会破坏它。

如果您能用 GARCH 创造出这样的生成方法，请给予我荣誉和赞美。

 
fxsaber #:

他们在目标函数不同峰值旁边的 20 组数据中显示了 OOS。这意味着，如果有 19 个假（拟合）峰和一个正（模式）峰，我们会立即看到。而我们不会在意其他所有结果。

在这里 回答了这个问题。

恕我直言，我只是不理解一个纯理论人士试图影响专家从业者的决策。即使是在选择初始数据（报价）的零阶段，我也从根本上不同意你的观点。


MO 研究人员通常使用一种假设，即在初始序列中存在一种可以进行加权交易的模式。这只是一种假设，并没有得到任何证实。

然后，我给出一个 99.9% 的时间都有规律可循的系列。我希望最先进的生成方法应该完全不会破坏它。

如果你能用 GARCH 创造出这样的生成方法，请给予我荣誉和赞美。

不要把你对确认的无知一概而论。

这正是你没有做出实质性回应的原因：IO 寻找的是预测未来的模式，而不仅仅是模式。

 

理论问题。


条件。

  1. 有人发明了一种非常简单的 TS。
  2. 意识到应该如何处理引文，以便在优化 TS 之后，任何样本上的最佳段落都能在 OOS 上完美呈现。
  3. 我随机生成了一个引文序列，并将第 2 点的结果加入其中。

这样，就有了一定的历史，它肯定有规律可循。这个历史记录的长度可以任意要求。


问题

具有无限计算能力的超先进 MO 方法（未来的某一天）能否找到第 1 页中的 TS（第 3 页中的数据），或具有第 2 页中的特性？

 
我的机器甚至能找到它找不到的地方 😀，但它不是专为蜱虫设计的

我正在加快一些 f-i 的速度，但到目前为止，我还只能梦见虱子。

例如，你的软件能在条形图上显示 OOS 吗？我的可以。目前还不清楚该用什么来比较，这取决于使用的方法。

我稍后会试着在 ticks 上生成网格，我已经忘了 Pythorch，需要温习一下。一切都应该能找到，我刚刚尝试了从分布中快速采样的方法。它们一般都是马尔可夫式的，并不是为了重现序列模式而设计的。我已经设计并添加了新的维度，以便一次生成成块的序列，而不是一次生成一个样本。但有些方法并不奏效。
 
fxsaber #:

理论问题


条件。

  1. 有人发明了一种非常简单的 TS。
  2. 我意识到应该如何处理报价，以便在优化 TS 后的任何样本上，最佳通行证都能在 OOS 上完美显示。
  3. 我随机生成了一个报价序列，并将第 2 点的结果加入其中。

这样，就有了一定的历史记录，它肯定具有一定的规律性。这段历史的长度可以是任何要求的长度。


问题

具有无限计算能力的超先进 MO 技术（未来的某一天）能否找到第 1 项中的 TC（第 3 项中的数据），或具有第 2 项中的特性？

它不会具体找到您的策略。100 部小说可以有数百万种不同的划分方式。这取决于选择最佳分割方式的公式。在这里，我认为是有人生成了许多不同的树，然后通过 OOS 从中选择。
随机森林也会生成许多树（每棵树都有几个随机故事），然后对所有树的结果求平均值。如果大多数样本都有模式，那么结果就会很好很稳定。
如果只有 1-3 个好的样本，那么它们将与只有噪声样本的树平均，结果将是噪声的。在交易中，所有的筹码都可以被视为噪音。

如果您在 600 万个刻度线中只有 1000 笔交易（由您的某些条件激活），这就是所有数据的 0.017%。MO 永远不会找到这样的东西，它会找到一些常见的东西，并试图在 50%的刻度点上进行交易，您可以收紧条件，只在 1%的刻度点上进行交易（只在最好的叶子上），但您得到的就更少了。
基本上，每片叶子都是一个独立的策略，就像您的策略一样。但一棵树可以分为 100 片叶子、1000 片或 10000....它可以同时交易所有这 10000 个策略（或者说是您选择的策略，例如，您可以只交易在 Traine 上胜率为 90% 甚至 99% 的叶片，但在 OOS 上，这样一个干净的（也许是重新训练过的）叶片并不能保证什么）。
 
Forester #:
如果您在 600 万个刻度线中只有 1000 笔交易（由您的某些条件激活），那么这只是所有数据的 0.017%。MO 永远不会找到这样的数据，它会找到一些常见的数据，并尝试在 50%的刻度上进行交易，您可以收紧条件，只在 1%的刻度上进行交易（只在最好的叶片上），但您的交易量会更少。

六个月内交易 1000 次是非常活跃的交易。如果这还不够，那么当您在多年内进食时，您在 MO 上寻找的是什么？持续时间分配引用。

老实说，很少看到更多的交易。而且并不重要--只有两次。但这是稳定的边缘。

 
fxsaber #:

问题

具有无限计算能力的超先进（未来某一天创造出来的）MO 技术能否找到第 1 页中的 TC（第 3 页中的数据），或具有第 2 页中的特性？

这个问题相当奇怪....
如果你拥有无限的计算能力，你可以做任何事情，即使是现在
 
mytarmailS #:
这是一个非常奇怪的问题...
如果你有无限的计算能力，你可以做任何事，即使是现在。

如果你从逻辑上想想呢？

如果有无限的计算能力 那么所有的钱都会流入这些计算能力的钱包里

如果其他计算能力想要从第一个钱包里拿走 钱，谁会让他们得逞呢。

你自己好好想想吧。使用逻辑是件好事）。

 

关于交易、自动交易系统和测试交易策略的论坛

交易中的机器学习：理论、模型、实践和算法交易

Renat Fatkhullin, 2023.09.10 10:44

我们计划推出另一项旨在推广神经网络的锦标赛：
1) 我们将提供可下载模型的单一 MQL5 机器人模板。
2) 参赛者将在 5 个月内上传他们的模块作为 model.onnx
3) 每天自动运行从 2023.01.01 到当日的历史数据，采用 4 种主要汇率
4) 将公布参与者的每日评级
5) 在 5 个月内参与者的初步积累期结束时，真正的交易期将在 1 个月内开始
6) 根据 1 个月内的工作结果，确定优胜者
7) 本公司提供的 30,000 美元奖金将分为 15,000、10,000 和 5,000 美元三个等级。
8) 我们保证在锦标赛结束后删除所有模型文件，以保护开发者的知识产权。

锦标赛的目的仅在于促进交易中机器学习的发展。程序仅以一个不可更改的 MQL5 模板 + model.onnx 的形式存在

 
fxsaber #:

六个月内进行 1000 次交易是非常活跃的交易。如果这还不够，那么当您以多年为单位计算时，您对 MO 的要求又是什么呢？给出了持续时间的分布。

老实说，我很少看到更多的交易。而且数量不多，只有两次。但在稳定的边缘。

在一个交易品种上，我可能平均每天交易 10 次--结果和你的差不多。我平均下来当然输了。这就是为什么我转向了算法交易，然后又转向了 MO。更准确地说，是算法测试，因为没有任何模型能让我感兴趣，让我把钱放在上面。


我只是对每一栏进行预测，现在是 M5（每天 288 栏），如果预测结果良好，就可以进行交易。如果成功概率为 0.5，那么平均每天交易 144 次。如果是 0.9，则更少；如果是 0.99，则可以闲置一年，然后积极交易一周（白天鹅捕手）。
与条形图类比，您可以预测每个刻度线，而刻度线有 600 万个--这就是我说 "只有 1000 个 "的原因。对于刻度线，你可能不应该预测每一条线/刻度线，而是应该以某种方式过滤它们。你用手动检测算法做到了这一点，并且每天有 6-7 笔交易。

1...322132223223322432253226322732283229323032313232323332343235...3399
新评论