交易中的机器学习:理论、模型、实践和算法交易 - 页 3347 1...334033413342334333443345334633473348334933503351335233533354...3399 新评论 Maxim Dmitrievsky 2023.12.10 17:15 #33461 fxsaber #:我的 TC 没有在逻辑中的任何地方使用传播值(即使是间接使用)。我不是唯一这样做的人。为什么要将两个买入价/卖出价形式的初始数据转换为价格/价差,然后在价格中寻找阿尔法,这对我来说是个谜。谈论价差、时间框架和日本蜡烛图都是一回事。 好吧,我明白了,我明天再想想:) Maxim Dmitrievsky 2023.12.11 02:54 #33462 fxsaber #:"你好,世界!"在理解原始数据方面--编写一个脚本,以显示历史区间的最大可能利润。如果你没有这个能力,那就不清楚自己在做什么。 不是每个人都能达到这一点,研究 MOE。这一点在任何地方都没有写明。通常,它是非常简单的欲望,塞进更多的迹象和更多层次的NS。 Maxim Dmitrievsky 2023.12.11 03:06 #33463 nevar #: 在每日和每小时数据中,NHITS 和 lightGBM 的有效值也低于 TimeGPT。 https://valeman.medium.com/what-truly-works-in-time-series-forecasting-the-results-from-nixtlas-mega-study-78eda5133622 您试过共形预测 吗? https://valeman.medium.com/how-to-predict-full-probability-distribution-using-machine-learning-conformal-predictive-f8f4d805e420 https://github.com/valeman/awesome-conformal-prediction#papers-time-series 你好,还没有。感谢您提供如此精彩的书籍和文章,我一定会读的。 Valeriy Yastremskiy 2023.12.11 10:30 #33464 Maxim Dmitrievsky #: 因此,事实证明,模式本身是在价差的水平,或者如何解释它呢?也就是说,它不包括交易成本。 因此,在马什基上,每笔交易的统一损失等于点差))))))。在零点差甚至利润)) СанСаныч Фоменко 2023.12.11 14:24 #33465 Maxim Dmitrievsky#: 因此,事实证明,模式本身是在价差的水平,或者如何解释它呢?也就是说,它不包括交易成本。 价差与此无关。 我们只需统计 H1 > quantile(abs(na.omit(diff(CLOSE))), probs = seq(0, 1, 0.01)) 0% 1% 2% 3% 4% 5% 6% 7% 8% 9% 10% 11% 12% 0.0000000 0.0000100 0.0000200 0.0000300 0.0000400 0.0000500 0.0000600 0.0000700 0.0000800 0.0000800 0.0000900 0.0001000 0.0001100 13% 14% 15% 16% 17% 18% 19% 20% 21% 22% 23% 24% 25% 0.0001200 0.0001300 0.0001400 0.0001500 0.0001700 0.0001800 0.0001900 0.0002000 0.0002100 0.0002200 0.0002300 0.0002400 0.0002500 26% 27% 28% 29% 30% 31% 32% 33% 34% 35% 36% 37% 38% 0.0002600 0.0002700 0.0002800 0.0002900 0.0003000 0.0003100 0.0003200 0.0003400 0.0003500 0.0003700 0.0003800 0.0003900 0.0004000 39% 40% 41% 42% 43% 44% 45% 46% 47% 48% 49% 50% 51% 0.0004200 0.0004300 0.0004400 0.0004500 0.0004700 0.0004800 0.0004900 0.0005100 0.0005300 0.0005400 0.0005500 0.0005700 0.0005900 52% 53% 54% 55% 56% 57% 58% 59% 60% 61% 62% 63% 64% 0.0006000 0.0006200 0.0006400 0.0006600 0.0006800 0.0006900 0.0007100 0.0007300 0.0007500 0.0007700 0.0007900 0.0008100 0.0008300 65% 66% 67% 68% 69% 70% 71% 72% 73% 74% 75% 76% 77% 0.0008600 0.0008800 0.0009100 0.0009300 0.0009600 0.0009800 0.0010100 0.0010300 0.0010600 0.0010900 0.0011300 0.0011700 0.0012100 78% 79% 80% 81% 82% 83% 84% 85% 86% 87% 88% 89% 90% 0.0012500 0.0012900 0.0013300 0.0013700 0.0014200 0.0014600 0.0015100 0.0015730 0.0016300 0.0017000 0.0017700 0.0018500 0.0019300 91% 92% 93% 94% 95% 96% 97% 98% 99% 100% 0.0020200 0.0021500 0.0022900 0.0024400 0.0026400 0.0029300 0.0032600 0.0037200 0.0048404 0.0173300 并愚蠢地看看您 "有利可图 "的预测在多大的价格增量值下变得无利可图,也就是说,在 10 点的 4 位数下,只有 25% 的市场波动可能有利可图。这还是在无误预测的情况下! Maxim Dmitrievsky 2023.12.11 15:46 #33466 СанСаныч Фоменко #:传播与此无关。我们只是把统计数据当作 H1我们只需要统计 H1 的价格增量,然后傻傻地看看在什么价格增量下,您的 "盈利 "预测会变成 "不盈利 "预测,也就是说,在 10 点的 4 位数下,只有 25% 的市场波动可能是盈利的。这还是在无误预测的情况下! 您不明白我在写什么 用点差做标记时,0% 的交易是无利可图的。不管是按平均价格 + 点差计算,还是按买入价和卖出价分别计算。平均而言,结果相当。 如果您是猛烈的剥头皮者,并且在 1-2 dts 内工作,您可以稍后再按 ticks 计算,但我并不特别喜欢这样的 TS。 fxsaber 2023.12.11 15:52 #33467 绘制交易分布图,其中横线为平仓 利润,纵线为平仓数量。 对于窄价差和宽价差。 СанСаныч Фоменко 2023.12.11 17:55 #33468 Maxim Dmitrievsky #:你不明白我在写什么使用点差标记时,0% 的交易是无利可图的。不管是按平均价格 + 点差计算,还是按买入价和卖出价分别计算。平均而言,结果不相上下。如果您是猛烈的剥头皮者,并且在 1-2 dts 内工作,您可以稍后再按 ticks 计算,但我并不特别喜欢这样的 TS。 我的加价是价格增量。 将您的加价与量化值进行比较,看看您的加价是为多少利润设计的?与统计数据进行比较。 fxsaber 2023.12.11 19:02 #33469 СанСаныч Фоменко #:我的加价幅度就是价格增量。 在同一名单上。 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, 2023.12.10 17:57 谈论点差、时间框架和日本蜡烛图是一回事。 Maxim Dmitrievsky 2023.12.11 22:18 #33470 СанСаныч Фоменко #:我的加价幅度就是价格增量。你的加价率是多少?将其与统计数据进行比较。 不,这没有问题。利润率是多少并不重要。重要的是分类误差。如果在训练中加入点差或保持不变,误差都会增加。 但是,如果在标价中考虑了点差,模型并不会开始更好地工作,它不会带来利润,但如果没有点差,它的工作方式与没有点差时的训练方式是一样的。这就是为什么我把价差作为分类误差的条件。也就是说,模型的反应不会让你打败它。 在标价中考虑价差意味着交易时间要超过价差。也就是说,我把交易时间拉长,然后对其进行训练,在增加的价差上测试的结果与在较短的交易上训练的另一个模型的结果几乎相同。 结果得出了一个相当明确的结论:在我的迹象上,比方说,MO 无法打败点差。 但有时,通过与 Kozul 有关的某些策略,它可以做到这一点。也就是说,如果有一些推断信号 "可靠性 "的统计指标,那么当点差增大时,它们也会起作用。 1...334033413342334333443345334633473348334933503351335233533354...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
我的 TC 没有在逻辑中的任何地方使用传播值(即使是间接使用)。我不是唯一这样做的人。
为什么要将两个买入价/卖出价形式的初始数据转换为价格/价差,然后在价格中寻找阿尔法,这对我来说是个谜。
谈论价差、时间框架和日本蜡烛图都是一回事。
"你好,世界!"在理解原始数据方面--编写一个脚本,以显示历史区间的最大可能利润。
如果你没有这个能力,那就不清楚自己在做什么。
在每日和每小时数据中,NHITS 和 lightGBM 的有效值也低于 TimeGPT。 https://valeman.medium.com/what-truly-works-in-time-series-forecasting-the-results-from-nixtlas-mega-study-78eda5133622
您试过共形预测 吗?
https://valeman.medium.com/how-to-predict-full-probability-distribution-using-machine-learning-conformal-predictive-f8f4d805e420
https://github.com/valeman/awesome-conformal-prediction#papers-time-series
因此,在马什基上,每笔交易的统一损失等于点差))))))。在零点差甚至利润))
Maxim Dmitrievsky#:
价差与此无关。
我们只需统计 H1
并愚蠢地看看您 "有利可图 "的预测在多大的价格增量值下变得无利可图,也就是说,在 10 点的 4 位数下,只有 25% 的市场波动可能有利可图。这还是在无误预测的情况下!
传播与此无关。
我们只是把统计数据当作 H1
我们只需要统计 H1 的价格增量,然后傻傻地看看在什么价格增量下,您的 "盈利 "预测会变成 "不盈利 "预测,也就是说,在 10 点的 4 位数下,只有 25% 的市场波动可能是盈利的。这还是在无误预测的情况下!
您不明白我在写什么
用点差做标记时,0% 的交易是无利可图的。不管是按平均价格 + 点差计算,还是按买入价和卖出价分别计算。平均而言,结果相当。
如果您是猛烈的剥头皮者,并且在 1-2 dts 内工作,您可以稍后再按 ticks 计算,但我并不特别喜欢这样的 TS。
绘制交易分布图,其中横线为平仓 利润,纵线为平仓数量。
对于窄价差和宽价差。
你不明白我在写什么
使用点差标记时,0% 的交易是无利可图的。不管是按平均价格 + 点差计算,还是按买入价和卖出价分别计算。平均而言,结果不相上下。
如果您是猛烈的剥头皮者,并且在 1-2 dts 内工作,您可以稍后再按 ticks 计算,但我并不特别喜欢这样的 TS。
我的加价是价格增量。
将您的加价与量化值进行比较,看看您的加价是为多少利润设计的?与统计数据进行比较。
我的加价幅度就是价格增量。
在同一名单上。
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, 2023.12.10 17:57
谈论点差、时间框架和日本蜡烛图是一回事。
我的加价幅度就是价格增量。
你的加价率是多少?将其与统计数据进行比较。
不,这没有问题。利润率是多少并不重要。重要的是分类误差。如果在训练中加入点差或保持不变,误差都会增加。
但是,如果在标价中考虑了点差,模型并不会开始更好地工作,它不会带来利润,但如果没有点差,它的工作方式与没有点差时的训练方式是一样的。这就是为什么我把价差作为分类误差的条件。也就是说,模型的反应不会让你打败它。
在标价中考虑价差意味着交易时间要超过价差。也就是说,我把交易时间拉长,然后对其进行训练,在增加的价差上测试的结果与在较短的交易上训练的另一个模型的结果几乎相同。
结果得出了一个相当明确的结论:在我的迹象上,比方说,MO 无法打败点差。
但有时,通过与 Kozul 有关的某些策略,它可以做到这一点。也就是说,如果有一些推断信号 "可靠性 "的统计指标,那么当点差增大时,它们也会起作用。