交易中的机器学习:理论、模型、实践和算法交易 - 页 403

 
阿利奥沙

如果你在3个月的数据上进行了训练,你就不能指望模型能持续更长时间。该模型看到了什么市场,它就能进行交易。你的数据集是无稽之谈,用它交易就像用咖啡渣猜测。这同样适用于 "雷舍托夫的机器",它可以获得线性模型的系数,而数据根本就不是线性的。你必须一点都不遥远,才能相信这种胡说八道,在一个<500点的数据集上,一个线性模型花了几周时间来学习,因为它是 "AI"))))))))).....。我不知道....这是比马丁格尔和 "去势 "更无稽的事。


如果你有更多的经验,让新手建立起他们的颠簸,也许会有有趣的东西出现。我个人将能够在两周内对这个模型说清楚,那时我至少已经知道它是如何工作的了:)。
 
Mihail Marchukajtes:

我将向你发送一个具有100%概括水平的模型....
并尝试将你的系统与本主题第一个帖子中的问题联系起来。我想知道会发生什么...
 
阿利奥沙

也许LTCM 的人也提出了这个论点)。他们说,如果他们在模型中回头看两倍远,他们就不会如此激烈地合并。

他们说,如果在他们的模型中再往前看两次,就会流下这么多火热的血液。 学习在任何情况下都不是在5年内去看整个样本,很明显,滑动窗口需要一个样本,不断学习,但重要的是要知道,当市场发生强烈变化时,模型如何快速 "得到",这不是一个丢弃,不是某人的愚蠢,但不会勇敢地填补对突然的趋势,科利亚的呼吁。


这些LTCM是谁?他们是如何做到在hft上亏损的,因为有非常严格的风险控制,而且在任何偏差下,系统都会简单地关闭,损失很小。)
 
妈的,还在计算.....:-(
 
马克西姆-德米特里耶夫斯基

这些LTCM是谁?他们是如何做到在hft上亏损的,因为有非常严格的风险控制,而且在任何偏差下系统都会关闭,损失很小。)

这是你的兄弟们的常识:他们也认为,如果今天一切都在现实中有利可图,那么它将永远如此。当你考虑到那里有一群诺贝尔奖获得者时,你也就站在了诺贝尔委员会的门口。
 
桑桑尼茨-弗门科

这些人是你的心腹兄弟:他们也相信,如果今天现实世界的事情是有利可图的,那么它们就会一直是这样。当你考虑到那里有一群诺贝尔奖获得者时,你也就站在了诺贝尔委员会的门口。

那好吧。我会把奖状装在镜框里,挂在我的书桌上.....,不比在我的床上好....。这是一道亮丽的风景线 :-)
 
桑桑尼茨-弗门科

这些人是你的心腹兄弟:他们也相信,如果今天现实世界的事情是有利可图的,那么它们就会一直是这样。如果你考虑到那里有一群诺贝尔奖获得者,那么你也就站在了诺贝尔委员会的门口。

我想你略微高估了我的思想 :) 我从不这么认为,我还在成长(引号)。
 
关于第一个帖子中发布的文件。这是一项有趣的任务。我想,解算器优化器会马上弄清楚的......因为会有重复的数据字符串,所以会有再训练。但我肯定会计算的,只是为了兴趣,我们会看到结果是什么。虽然线的数量不小。但我们会看到...
 
Mihail Marchukajtes:
关于第一个帖子中发布的文件。这是一项有趣的任务。我想,解算器的优化器会马上弄清楚的......因为会有重复的数据字符串,所以会造成重新训练。但我肯定会计算的,只是为了兴趣,我们会看到结果是什么。虽然线的数量不小。但我们会看到...


试试吧,但我不会做无意义的抽象垃圾,会在你的位置上写一个TC,时间转瞬即逝,它可以去做各种无意义的任务,有一些想象中的预测者和目标,与现实无关。有时你需要专注于你的最终成功目标,不要听任何人的意见 :)

NS只是系统的一部分,有时甚至不是最重要的。对他们来说,这只是智力游戏,不是真正的工作,我想。我们在这里感兴趣的是开发TS并将其投入生产。我已经推出了一个,并对它感到满意,现在我正在做一个更复杂的。

 
马克西姆-德米特里耶夫斯基


试试吧,但我不会做无意义的抽象的废话,坐在你的鞋子里写系统,时间是转瞬即逝的,它可以去做各种无意义的任务,有一些捏造的预测和目标,与现实无关。有时你需要专注于你的最终成功目标,不要听任何人的意见 :)

NS只是系统的一个部分,有时甚至不是最重要的部分。


金句:维克多-本尼迪克特维奇.....我还需要为阿廖沙计算出一个100的模型?嗯,这很迅速,然后你可以从第一个帖子中计算出文件。当TS经过培训并开始工作时,该怎么做?对。遵循它的信号。但这是非常无聊的....

那么,交易骨架如何呢?谁有一个?