交易中的机器学习:理论、模型、实践和算法交易 - 页 3229

 
Uladzimir Izerski #:

如果你从逻辑上考虑一下呢?

如果有无限的计算能力,那么所有的钱都会流入这些计算钱包。

如果其他计算能力想从第一个钱包里拿走 钱,谁会让他们得逞呢?

你自己慢慢想吧。运用逻辑是很有用的)。

别谈逻辑,你根本不知道逻辑是什么.....
找本字典,读读无限/infinite 这个词的意思。

然后回答地球上是否存在具有无限演绎能力的超级计算机的问题....。

然后回答超级计算机拥有者如果打印出来是否需要赚钱的问题。


他在应用逻辑。
你对逻辑推理了解多少?
 
fxsaber #:

不知道 Kaggle 会不会做得好.....

当然,资金可能是一个诱因....

 
fxsaber #:

如果这还不够,那么在多年后喂养时,你会在 MO 上看到什么?

好吧,我预测每一个交易栏。有些人甚至像你一样,在满足某些条件的情况下每天预测 1 笔交易。每个人的情况都不一样。

 
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,最佳传球都能在 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,它肯定有规律可循。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?

如果我们要讨论 MO,我们需要把苍蝇和小片分开:

1. 有一个分类模型,可以预测下一步的操作,但有一定误差; 2.

2. 有一个智能交易系统(Expert Advisor),根据第 1 项使用模型,并在账户上进行交易,产生一定的利润/亏损。


我可以根据第 1 点创建误差小于 20% 的分类模型。以下四个文件的分类误差大致相同:

1. 从原始文件中随机抽样获得的训练文件; 2.

2. 从训练文件中随机抽样得到的测试文件

3. 从训练和测试 文件中随机抽样得到的验证文件

4.一个额外的常规文件,包含通常的价格序列。

在网站上,我多次阐述了这一结果稳定性的理论依据。

在报价和价格方面,理论上不可能创建一个可盈利交易的智能交易系统,因为金融序列不是静态的,也就是说,任何历史记录都不重要,无论您是否有技巧。最初的价格序列无法用于建立盈利系统。不仅是价格序列(报价),任何品种的混合物也是如此。

 
Renat Fatkhullin #:
我们计划推出另一项旨在推广神经网络的锦标赛:
1) 提供单一的 MQL5 机器人模板,并可下载 model.onnx
2) 在 5 个月内,参赛者将以 model.onnx 的形式上传他们的模块
3) 每天在 4 种主要汇率上自动运行从 2023.01.01 到当日的历史记录
4) 将公布参与者的每日排名
5) 在 5 个月内参与者的初步积累期结束后,将在 1 个月内开始真正的交易期。
6) 根据 1 个月内的工作成果确定优胜者
7) 本公司提供的 30 000 美元奖金将分为 15 000 美元、10 000 美元和 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。程序仅作为一个不可更改的 MQL5 模板 + model.onnx

想法是好的。

但是,onnx 是用于模型转换的,但如何为其生成日期?或者MQL5 模板中会有现成的预测器吗?

 
Renat Fatkhullin #:
锦标赛的目的完全是为了促进交易中机器学习的发展。

100%的 MO 交易者表示 YEEEEEEEEEEEEEEEEEEEEEEssss!!!!

Renat Fatkhullin#:
程序仅作为单一不可更改的 MQL5 模板 + model.onnx

99.9% 的 MO 交易员说 - 哦,该死 (((onnx 是什么鬼东西)))

 
Renat Fatkhullin #:
1) 提供可下载 model.onnx 的单一 MQL5 机器人模板

是否对模型的复杂程度有任何要求? 或者是否允许模型简单到即使使用 "MACD "模型也可以参赛?

 
fxsaber #:
是找到一个解决方案,以便我们可以 。

目前的 IO 工具还无法做到这一点。

而且不会。

我一直在关注这个主题的结果。

每个策略都是一个点。

我在想,一个有 1 年合约的程序会有怎样的表现?

 
Andrey Dik #:

是否会对模型的复杂程度有任何要求? 或者是否允许模型简单到即使使用 "MACD "模型也可以参赛?

规则将禁止炒家参与。

我们的目标很明确--激励开发用于交易的 ML 模型,而不是提供机会以老办法赚钱,或以模型为幌子充当微不足道的黄牛等。

 
Renat Fatkhullin #:

根据规定,将禁止欺诈者。

厨房