交易中的机器学习:理论、模型、实践和算法交易 - 页 3250

 
Andrey Dik #:

谁会随着手鼓起舞?

我费了九牛二虎之力才想出用手指解释的办法。

答案自然是像鸡蛋一样简单。

有一个非常酷的主题,我在其中发了一个帖子:

交易结束时失败是因为测试在未平仓时结束 - MQL4 和 MetaTrader 4 - MQL5

10 年前,我已经做了这样的方案,但您在这里没有这样的利润,甚至在测试中也没有。

而在现实生活中,这个 EA 一直在践踏零,绝对没有增长。

所以结论是显而易见的

真实交易永远不会像测试者的圣杯那样。

除其他因素外,MOSHKA 的驱动力还包括

但要想持续赚钱,而且越赚越多,就必须不预测,完全不预测。

您需要了解并弄清算法,即任何浮动价格市场是如何运作的。

算法是一样的,100%

只有这样,您才会有这样的指示,从而强调赚钱的可能性。

这就是它的全部意义,之后你就完全不需要它了。

;)

撒谎?

没有、

我还附上了现实生活中的数据。

天平上有减号,绝对不是演示版 ;))))))
Для любителей меряться... достижениями))) - Провал в конце торгов - это потому что тест заканчивается на незакрытых позициях.
Для любителей меряться... достижениями))) - Провал в конце торгов - это потому что тест заканчивается на незакрытых позициях.
  • 2013.11.18
  • www.mql5.com
Единственное что смущает во первых провал в конце торгов. ну и максимальная прибыльная сделка меньше самой большой убыточной. Провал - это потому что тест заканчивается на незакрытых позициях. и сравниваются позиции - предыдущая закрытая и последующая незакрытая
附加的文件:
666.png  21 kb
6666.png  3 kb
 
Maxim Dmitrievsky #:

我最初感兴趣的是如何在不使用 MO 的情况下搜索多维数组中的模式

如果说这是 MO 的主要任务,这是否正确?

 
Renat Akhtyamov #:

我费了九牛二虎之力才想出用手指解释的方法。

...

谢谢您,我们的意见对您很有价值!

 
Maxim Dmitrievsky #:

我还在计算所有可能的配对。我还想尝试很多输入。没关系。在 STUMPY 中,我们可以先进行近似计算,然后再进行细化。通过并行计算和 GPU,你可以获得明显的加速。我可能会完全改用那个软件包。

最重要的是,不要忘记报告鱼肯定不在的地方。

 
fxsaber #:

说这是国防部从事的主要任务是否正确?

基本上是的

 
Renat Fatkhullin #:

3980 实现了 复数、向量<复数>和矩阵<复数>类型的共轭方法。它们执行复数的共轭运 算。

还增加了对映射类型序列的ONNX 模型 输出的处理。ONNX 运行时的功能得到了极大的改进。

现在它还能提供提示,超级

原来这是一个结构数组

vectorf in = vector<float>::Zeros(SAMPLE_SIZE);
   static vector out(1);
   
   struct abc 
     { 
      long a[];     
      float b[];
     };
   
   abc out2[1];
  
   OnnxRun(ExtHandle,ONNX_DEBUG_LOGS,in,out,out2);

所以 out2 现在没有错误了。我稍后再检查一下。

 
Forester #:

我认为,相关性会受到腹比值最大的数字的影响。例如,10000 和 10100 的交易量变化,以及在其背景下 0.00040 和 0.00400 的价格变化,都是微小的变化,对整组相关性的影响很小。我会进行归一化处理来验证这一假设。

我这里有一个平稳上升的周期,所以可能不会有任何影响。

我会试试的。

 
Maxim Dmitrievsky #:

我也看到了

我最初感兴趣的是如何在没有 MO 的情况下搜索多维数组中的模式。到目前为止,我还没有想到 比把所有测量值都塞进一个数组并通过相关性计算(还挺快的)更好的 方法。我想有时需要对数值进行归一化处理,这样它们之间的差异就不会太大。

追随我 3-5 年前的脚步.....

您所做的和所想的一切,我都已经在这里发布了,包括图表、想法......搞笑....


我想出了两种 在多元数据中搜索模式的解决方案 ,一种是不使用 MO 的,另一种是使用 MO 的。

1) (不使用 MO)

使用任何降维算法(PCA、t-sne、umap 等)将数据降维到几个维度。

所以,你有 300 个特征,然后得到 2-5...10...,然后通过邻近性或聚类来比较模式....。

这是一种公认的数据处理方法。


2)(与毛)

(笔者的方法)我们有多变量数据,例如 200 个特征。

1) 我们选择想要的模式。

2) 训练一个二元分类模型(此模式/非此模式),即在数据线 上有一个观测值标注为 "模式",许多观测值标注为 "非模式"。

3) 我们训练模型来区分 "模式 "和 "非模式"。

4) 在测试中,我们根据类 "模式 "对 MO 进行概率推断,并观察概率峰值。

这样,我们就可以优雅地规避多维特征问题,并搜索我们需要的子模式。

 
fxsaber #:

说这是国防部从事的主要任务是否正确?

不正确

 

因此,我只想反驳一下。

相关性不需要归一化,它不是欧几里得距离,归一化已经包含在相关性中了