交易中的机器学习：理论、模型、实践和算法交易 - 页 3262

新评论
 
mytarmailS #:

本帖 中的荒唐 MO 战略

策略可以是最难看的，唯一重要的是平均余额增量大于零。


生成 100 个平均值大于零的条件策略。

f <- function() cumsum(rnorm(500,mean = 0.01))
s <- sapply(1:100,\(x) f())


单个策略的利润低于零，策略本身看起来也很糟糕。

par(mfrow=c(4,4),mar=c(2,2,2,2))
for(i in 1:16){
          plot(s[,i], main=paste("стратегия номер",i),t="l") 
          abline(h=0,col=4,lty=2)}


但这些策略合在一起就能产生稳定的利润。

sc <- rowMeans(s)
layout(1)
plot(sc,t="l", main="все стратегии")

========================================

就是这样......只要稍微反思一下一切，放弃质量（一个好的 TS） ，就可以转向数量，从而达到质量。


=========================================

唯一的问题是如何选择预期不为零的策略。

其他问题都是可以解决的

 
СанСаныч Фоменко #:

当一个级别结束时，它就成为了一个级别，而未来会有一个不同的级别来进行交易决策，也就是说，一个级别没有预测能力。

但实际上情况更糟。

在训练、测试阶段，在水位上建立 TS 可以取得很好的效果，因为我们是在现成的水位上进行教学，而当我们开始计算预测因子时，就没有水位了--见上文。因此，对不同的有 ALE OOS 的预测误差可以得到很好的结果，但如果我们开始在训练文件之外一步步追逐，进行预测器计算，分类误差将是任意的。

不同意上述任何观点

 
mytarmailS #:
从来没有人在随机和其他曲线球上建立过成功的算法。

这是非常有争议的。至少我的机器人反驳了它。不过，"随机和其他曲线球 "也有其特殊性和一些附加功能。

mytarmailS#:
但这些策略共同产生了稳定的利润。

我同意这一点，对我来说它们就是这样工作的。

但最好把它们放在一个单独的主题中，因为它们不属于这里。我也是，我还不够成熟，还不适合 MO，而且也没有动力 - 因为它现在就很好用。

 
JRandomTrader #:

我同意，对我来说它们就是这样工作的。

它不可能不工作，这是纯粹的数学。
 
mytarmailS #:

策略可以是最难看的，唯一重要的是平均余额增量大于零


生成 100 个平均值大于零的条件策略


单个策略的利润低于零，策略本身看起来很糟糕


但这些策略合在一起却能产生稳定的利润

========================================

就是这样......只要稍微反思一下，放弃质量（一个好的 TS） ，就可以转向数量，从而获得质量。


=========================================

唯一的问题是如何选择非零期望的策略。

其他问题都是可以解决的

那么，为什么交易系统联盟不能很好地发挥作用呢？
也许我们应该把关于几个交易系统的讨论转移到那里？
 
Roman Kutemov #:
那么，为什么交易系统联盟运作不力呢？
https://www.mql5.com/ru/forum/272032/page404
也许我们应该把关于多系统交易主题的讨论转移到那里？
提示:-)
 
Maxim Kuznetsov #:
一种提示 :-)
暗示什么？）
他甚至暂时冻结了实验。
 
Roman Kutemov #:

。

这里没有满足主要条件--所有系统都必须盈利。

 
Roman Kutemov #:
关于什么？）
他甚至暂时冻结了实验。

一个普遍良好的想法（市场指示等典型算法的群体增长/下降及其最优参数的 "漂移"）被一个优化器扼杀了。

策略的总和或策略的选择并不能带来加分。"有一桶酒石和一桶蜂蜜：无论你如何把它们放在一起并加以选择，它们都不会变得更好；即使把单个的酒石混合在一起，你也无法分离出蜂蜜"。

 
JRandomTrader #:

这里没有满足主要条件--所有系统都必须盈利。

我认为这不是问题的关键。
它们不应该都有利可图，否则就显而易见了。
1...325532563257325832593260326132623263326432653266326732683269...3399
新评论