交易中的机器学习:理论、模型、实践和算法交易 - 页 3366 1...335933603361336233633364336533663367336833693370337133723373...3399 新评论 mytarmailS 2024.01.05 07:49 #33651 这就像有一个命令,要求我们无情地愚蠢。 СанСаныч Фоменко 2024.01.05 08:34 #33652 mytarmailS #:好书 因子投资的机器学习 关于机器学习的好书越来越多。这本书就是其中之一。 我粗略地找出了与我关系密切的内容 1.时间序列的非平稳性不容忽视。任何公式、算法都必须回答非平稳数据的适用性问题。 2. 必须关注预测因子(预测能力)对目标的影响。格言引导我与他对因果关系的理解私通,而这本书将一切都归于正轨:这本书完全按照我对 "预测 "能力及其稳定性的理解和反复撰写来理解。 Maxim Dmitrievsky 2024.01.05 09:50 #33653 这本书非常入门级,对于那些对它感兴趣的人来说,Kozul 和保形学习是超级银河系的东西。不清楚为什么要在一些交易或投资中附加 MO 入门。非常薄弱的作品,连普拉多的水平都达不到:) mytarmailS 2024.01.05 10:43 #33654 对于那些大脑中拥有两个以上神经元的人来说... 一边是一个论坛评论家,即使在 DS 办公室当杜松子也没人会雇他,因为他会被立即拒绝...... 另一面是他批评的那本书,以及参考文献列表。 Maxim Dmitrievsky 2024.01.05 11:13 #33655 这当然是通过了 10 次 Juna 考试的人说的。这里没人能通过,他们会在第一个问题上失败,比如什么是余弦距离,因为他们去了计算机俱乐部而不是学校 ☃️。几年前,我为了好玩通过了斯伯尔考试,但我并不需要它。当然,我也不是为了担任高级职位,因为要担任高级职位,你就必须对已经实现的语言模型有很酷的了解。而且那里有很多头发蓬松的家伙,他们会像撕疙瘩一样把你撕成碎片:) Valeriy Yastremskiy 2024.01.05 11:27 #33656 fxsaber #:也许你已经意识到这是什么意思了。举个例子假设有一个从边界向内交易的通道 TS。在这里,我设置了需要优化的参数,即通道大小(宽度)的系数。经典的方法很好。你可以对其进行优化,看看它对你有什么影响。根据提出的概念,你不能这样做,因为这个参数并不取决于初始数据(报价历史)。在提议的术语中,它是一个 "恒定 "的优化参数。即使该参数会影响某个多项式,它也是一个 "常量 "参数,因为它与 VDC 无关。这个想法很有意思。谢谢。 是的,通过优化至少可以找到更便宜的重要参数,而这些参数至少会对优化后的参数产生线性影响。经典的方法是随机或全面搜索其他参数和公式。但这是一种诅咒。 你当然无法摆脱常数,即使有复杂的反馈,常数也是计算的起点。(在我目前的理解中,反馈是当前数据对过去数据的影响,在此基础上计算未来数据)。 无论如何,这都是在寻找新的预测因子和计算公式,可能比优化后的预测因子和计算公式更有意义。 mytarmailS 2024.01.05 11:46 #33657 Valeriy Yastremskiy #:是的,通过优化,至少可以找到更便宜、更有意义的参数。 问题的关键不在于此,而在于这些参数从被找到的那一刻起就死了,因为它们在过去 "起过作用"...... 但如果不是参数(常数),而是适应性,那么就可以说是一个没有参数的系统。同时,它比有参数的系统更好。 fxsaber 2024.01.05 12:23 #33658 Valeriy Yastremskiy #: 显然,我的水平还远远不够--我又什么都不懂了。你不必为我写作。 Andrey Dik 2024.01.05 12:54 #33659 mytarmailS #:这不是重点,重点是这些参数从被发现的那一刻起就已经死了,因为它们在过去一直有效。但如果正确的公式不是参数(constatna),而是适应性,你就可以说这是一个没有参数的系统。同时,它比有参数的系统更好。 有一种交易策略只有一个参数,我们可以用公式 F(x)来有条件地表达它,其中 F 是一种策略,x 是一个静态参数。 如果我们用动态参数 x 代替静态参数 x,就意味着用函数 Y 代替 x,这看起来就像 F(Y())。 那么,如何在不使用优化的情况下找到函数 Y(),从而使这个函数不会像静态 x 一样 "死 "呢? Valeriy Yastremskiy 2024.01.05 12:59 #33660 fxsaber #:显然,我的水平还远远不够--我又什么都不懂了。你不必为我写作。 不,只想着任务,心无旁骛))))))。而搜索over_over_parameters绝对不是今天的事情.))))) 1...335933603361336233633364336533663367336833693370337133723373...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
好书
因子投资的机器学习
关于机器学习的好书越来越多。这本书就是其中之一。
我粗略地找出了与我关系密切的内容
1.时间序列的非平稳性不容忽视。任何公式、算法都必须回答非平稳数据的适用性问题。
2. 必须关注预测因子(预测能力)对目标的影响。格言引导我与他对因果关系的理解私通,而这本书将一切都归于正轨:这本书完全按照我对 "预测 "能力及其稳定性的理解和反复撰写来理解。
对于那些大脑中拥有两个以上神经元的人来说...
一边是一个论坛评论家,即使在 DS 办公室当杜松子也没人会雇他,因为他会被立即拒绝......
另一面是他批评的那本书,以及参考文献列表。
也许你已经意识到这是什么意思了。举个例子
假设有一个从边界向内交易的通道 TS。在这里,我设置了需要优化的参数,即通道大小(宽度)的系数。
经典的方法很好。你可以对其进行优化,看看它对你有什么影响。
根据提出的概念,你不能这样做,因为这个参数并不取决于初始数据(报价历史)。在提议的术语中,它是一个 "恒定 "的优化参数。
即使该参数会影响某个多项式,它也是一个 "常量 "参数,因为它与 VDC 无关。
这个想法很有意思。谢谢。
是的,通过优化至少可以找到更便宜的重要参数,而这些参数至少会对优化后的参数产生线性影响。经典的方法是随机或全面搜索其他参数和公式。但这是一种诅咒。
你当然无法摆脱常数,即使有复杂的反馈,常数也是计算的起点。(在我目前的理解中,反馈是当前数据对过去数据的影响,在此基础上计算未来数据)。
无论如何,这都是在寻找新的预测因子和计算公式,可能比优化后的预测因子和计算公式更有意义。
是的,通过优化,至少可以找到更便宜、更有意义的参数。
问题的关键不在于此,而在于这些参数从被找到的那一刻起就死了,因为它们在过去 "起过作用"......
但如果不是参数(常数),而是适应性,那么就可以说是一个没有参数的系统。同时,它比有参数的系统更好。
显然,我的水平还远远不够--我又什么都不懂了。你不必为我写作。
这不是重点,重点是这些参数从被发现的那一刻起就已经死了,因为它们在过去一直有效。
但如果正确的公式不是参数(constatna),而是适应性,你就可以说这是一个没有参数的系统。同时,它比有参数的系统更好。
有一种交易策略只有一个参数,我们可以用公式 F(x)来有条件地表达它,其中 F 是一种策略,x 是一个静态参数。
如果我们用动态参数 x 代替静态参数 x,就意味着用函数 Y 代替 x,这看起来就像 F(Y())。
那么,如何在不使用优化的情况下找到函数 Y(),从而使这个函数不会像静态 x 一样 "死 "呢?
显然,我的水平还远远不够--我又什么都不懂了。你不必为我写作。
不,只想着任务,心无旁骛))))))。而搜索over_over_parameters绝对不是今天的事情.)))))