交易中的机器学习:理论、模型、实践和算法交易 - 页 3351 1...334433453346334733483349335033513352335333543355335633573358...3399 新评论 Renat Akhtyamov 2023.12.17 17:27 #33501 Maxim Dmitrievsky #:伏特加、鹿肉和黄瓜之夜的读物。我正在构思主题,并试图在脑海中将不同 MOSH 学科的方法联系起来。 医学。 图形在两条平行线之间爬行、 这与金融市场相比简直不值一提。 --- 我周末抽了梯度下降的烟 没有 I.O.D.,你也能很快做到。 即接近极值: x0-x1 x0-x2 x0-x3 等等。 当然,这是有道理的。 Maxim Dmitrievsky 2023.12.18 06:54 #33502 Renat Akhtyamov #:医学。图形在两条平行线之间爬行、与金融市场相比,这根本不算什么。---梯度下降的烟雾在周末。没有国防部,你也能轻松做到。即近似极值:x0-x1x0-x2x0-x3等等。当然,这是有道理的。 这就是班智。你必须根据自己的任务进行调整。瑞娜的又一 "真知灼见" https://youtube.com/shorts/jQzdLnb9bnI?si=TvKoat4ArRONyjDP Evgeni Gavrilovi 2023.12.18 16:02 #33503 Maxim Dmitrievsky 您一直在写,价格增量没有预测能力。但您仍然只使用它们。为什么?) Renat Akhtyamov 2023.12.18 16:42 #33504 Evgeni Gavrilovi #:您一直在写,价格增量没有预测能力。但您仍然只使用它们。为什么?) 价格必须说明问题。 Maxim Dmitrievsky 2023.12.18 17:20 #33505 Evgeni Gavrilovi #:您一直在写,价格增量没有预测能力。但您仍然只使用它们。为什么?) 是我写的吗?我觉得更多的是反对者写的。好吧,如果只考虑时间序列,就没有什么特别的选择。我在一篇文章中也写到了分数增量。它们似乎能保留更多的信息。如果我们只对增量进行训练,而不采取任何技巧,那么根据新数据的结果,分数微分确实会更胜一筹。我还做了一些自动创建特征的实验,但没有任何结果。后来我意识到,问题出在分区和信噪比上,必须用其他方法来解决,而不是用特征蛮力。就这样,各种疯狂的想法层出不穷。后来我才知道,总的来说,这样做是对的。)没有人教,也没有大师。没有人可以求助。当我还在用 MT5 教神经网络时,我正在做实验。后来我觉得 MT5 环境在 MO 方面令人窒息,于是我转而使用 python。 Evgeni Gavrilovi 2023.12.18 18:58 #33506 我建议所有机器学习专家在我的数据上测试他们的模型。 用于预测欧元兑美元汇率的世界政府债券指数,时间框架为 15 分钟。 https://drive.google.com/file/d/1W4TOLbZCTCs3hEvGvptGxvTE6_r2TrWW/view Renat Akhtyamov 2023.12.18 21:58 #33507 Maxim Dmitrievsky #: 我的上两篇文章,从简单的层面,不加细微的描述,几乎描述了所有这些方法。我们可以说它们没有描述,但已经很接近了。我现在正在检查他们研究的细节。举例来说,归纳式符合性与转导式符合性的区别仅在于一个或两个分类器,分别用于每个类标签。后者在估计后验方面更好(更准确)。而我使用的是归纳法。另一种方法是通过添加和丢弃每个样本来重新训练模型,以获得更准确的估计。这种方法非常昂贵,但还算有效。不过你也可以使用简单快速的分类器。我在树桩上训练时也写到了这一点。 我没看到有人为我的聪明才智鼓掌 像这样? Maxim Dmitrievsky 2023.12.19 07:57 #33508 Renat Akhtyamov #:像这样? 不,除非你学会 MO 和 python,否则你不会欣赏它:) fxsaber 2023.12.19 18:26 #33509 随机 行走。 不应该这样做。 Forester 2023.12.19 19:23 #33510 很可能 SanSanych 使用的是从 0 条开始计算的增量(您可以称之为累计增量),而不是相邻条之间的增量。 到第 100 条的累计增量看起来像这样:405,410,408 点,而条形增量仍为 5,4,-2 点...... 累积趋势仍在,条形增量则几乎看不见。好吧,如果它们是混合的,就像文章中所说的那样,就会在 0 附近徘徊。 我以为这里的每个人都是从 0 条开始计算增量的....。 1...334433453346334733483349335033513352335333543355335633573358...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
伏特加、鹿肉和黄瓜之夜的读物。
我正在构思主题,并试图在脑海中将不同 MOSH 学科的方法联系起来。
医学。
图形在两条平行线之间爬行、
这与金融市场相比简直不值一提。
---
我周末抽了梯度下降的烟
没有 I.O.D.,你也能很快做到。
即接近极值:
x0-x1
x0-x2
x0-x3
等等。
当然,这是有道理的。
医学。
图形在两条平行线之间爬行、
与金融市场相比,这根本不算什么。
---
梯度下降的烟雾在周末。
没有国防部,你也能轻松做到。
即近似极值:
x0-x1
x0-x2
x0-x3
等等。
当然,这是有道理的。
您一直在写,价格增量没有预测能力。但您仍然只使用它们。为什么?)
您一直在写,价格增量没有预测能力。但您仍然只使用它们。为什么?)
价格必须说明问题。
您一直在写,价格增量没有预测能力。但您仍然只使用它们。为什么?)
我建议所有机器学习专家在我的数据上测试他们的模型。
用于预测欧元兑美元汇率的世界政府债券指数,时间框架为 15 分钟。
https://drive.google.com/file/d/1W4TOLbZCTCs3hEvGvptGxvTE6_r2TrWW/view
我的上两篇文章,从简单的层面,不加细微的描述,几乎描述了所有这些方法。我们可以说它们没有描述,但已经很接近了。我现在正在检查他们研究的细节。举例来说,归纳式符合性与转导式符合性的区别仅在于一个或两个分类器,分别用于每个类标签。后者在估计后验方面更好(更准确)。而我使用的是归纳法。另一种方法是通过添加和丢弃每个样本来重新训练模型,以获得更准确的估计。这种方法非常昂贵,但还算有效。不过你也可以使用简单快速的分类器。我在树桩上训练时也写到了这一点。
像这样?
像这样?
随机 行走。
不应该这样做。
到第 100 条的累计增量看起来像这样:405,410,408 点,而条形增量仍为 5,4,-2 点......
累积趋势仍在,条形增量则几乎看不见。好吧,如果它们是混合的,就像文章中所说的那样,就会在 0 附近徘徊。
我以为这里的每个人都是从 0 条开始计算增量的....。