交易中的机器学习:理论、模型、实践和算法交易 - 页 434 1...427428429430431432433434435436437438439440441...3399 新评论 Forester 2017.06.30 12:51 #4331 马克西姆-德米特里耶夫斯基。作为最低限度,我们需要对图表进行仿生变换,因为图案的斜率角度不同(自仿生结构)。即通过高度....,压缩或拉伸模板。?- 有趣的选择。但我认为压缩不应超过30-50%,否则你可以尝试在美国会议的不稳定时间上寻找模式,例如,通过夜间的随机波动。那里和那里都有不同的模式和不同的球员。 如果我们在工作中把拉伸压缩到30-50%,发现的模式数量的增加可能不会很大,这可能不会对预测产生很大影响,因此可以忽略不计......但是必须检查。而且,在不使用现成的外部产品的情况下,如何在MT代码中实现这种压缩,一点也不清楚......。在不同的tf上搜索在我看来,即使在M1和M5上也已经有不同的模式。而在他们身上寻找相同的图案是不正确的。模式可能是相似的,但造成这种形式的图表的原因将是不同的。 Dr. Trader 2017.06.30 13:03 #4332 elibrarius。 我没有看到比较2个价格图表的任何其他选项。还有什么其他选择......?假设有两个价格数组,每个数组有5个价格。 第一个是a1,a2,a3,a4,a5。 第二个是b1,b2,b3,b4,b5。1)价格图可以去趋势化,即可以从一些旋转的排列中水平放置。这可以用线性回归 来完成--找到它,并使用误差数组代替原始价格序列。这个步骤是否有助于模式的寻找,我不知道,我还没有详细研究它的效果。到目前为止,我自己并没有使用这个步骤。2)把一排价格称为模式是值得怀疑的;必须对这些价格所形成的形状进行数学描述。例如,我们可以找到每个柱子上的价格增长,并将这些增长作为某种模式描述。 第一个图案由公式a5-a4, a4-a3, a3-a2, a2-a1得到。 第二个是b5-b4,b4-b3,b3-b2,b2-b1。3)模式的 "相似性"--要么是相关关系(我自己没有检查过),要么是勾股定理的笛卡尔距离(我检查过,结果很好)-- sqrt( ( ((a5-a4)-(b5-b4))^2 + ( (a4-a3)-(b4-b3))^2 + ( (a3-a2)-(b3-b2))^2 + ( (a2-a1)-(b2-b1)) ^2 ) 或其他东西,我想一定有更好的选择。 Maxim Dmitrievsky 2017.06.30 13:04 #4333 elibrarius。即在高度....,缩减或拉伸图案。?- 有趣的选择。但我认为你不应该把模式拉长30-50%以上,否则你可能会试图在Amer.会话的波动时间上寻找模式,例如,通过夜间的随机波动。那里和那里都有不同的模式和不同的球员。 如果我们在工作中把拉伸压缩到30-50%,发现的模式数量的增加可能不会很大,这可能不会对预测产生很大影响,因此可以忽略不计......但是必须检查。而且,在不使用现成的外部产品的情况下,如何在MT代码中实现这种压缩,一点也不清楚......。在我看来,即使在M1和M5上也已经有不同的模式。而在他们身上寻找相同的图案是不正确的。模式可能是相似的,但产生这种图表形状的原因将是不同的。为了更好地理解,最好是研究分形的特性。特别是,正如我已经写过的--是缩放和自我亲和。根据定义,缩放--类似的模式是在不同的时间间隔上形成的。我们可以采取1分钟的报价,建立一个具有给定乘数的合成TFs数组,并使用这个数组来搜索与当前相似的模式。自我亲和--模式相似,但从不完全相同。这是选择 "相似性 "标准时的主要问题,相关性在这里是不合适的。这种差异更多地表现在模式的斜率上(回归线的斜率角度),而不是在其收缩/伸展上。我是用当前的模式建立LR的,然后我从其他地块上取材,将LR的斜率角改为当前模式的斜率角,结果它更经常地找到类似的模式。而在创建预测时,考虑到当前模式的LR的斜率,对预测曲线进行了转换。下一步。分形的自相似性(self-similarity)还有一个有趣的特点--我们在一个大图案里面形成完全相同但更小的图案。搜索算法--(例如)在1小时的时间框架中,以10个柱子为提前量的最后500个柱子,在测试器中,我们通过分钟或5分钟的时间段运行,寻找模式,类似于1小时的模式。如果我们找到它,我们就把1小时内的最后10个柱子投射到5分钟模式上--这就是预测。也要这样做,要考虑到法规的角度。我是这样做的。我还没有对一组连续的模式做交叉验证,但这似乎是一个有趣的话题 Maxim Dmitrievsky 2017.06.30 13:23 #4334 交易员博士。假设我们有两个价格数组,每个数组有5个价格 第一个是a1,a2,a3,a4,a5 第二个是b1,b2,b3,b4,b51)价格图可以去趋势化,即可以从一些旋转的排列中水平放置。这可以用线性回归 来完成--找到它,并使用误差数组代替原始价格序列。这个步骤是否有助于模式的寻找,我不知道,我还没有详细研究它的效果。我自己还没有使用这个步骤。2)把一排价格称为模式是值得怀疑的;必须对这些价格所形成的形状进行数学描述。例如,我们可以找到每个柱子上的价格增长,并将这些增长作为某种模式描述。 第一个图案由公式a5-a4, a4-a3, a3-a2, a2-a1获得。 第二个是b5-b4,b4-b3,b3-b2,b2-b1。3)模式的 "相似性"--要么是相关关系(我自己没有检查过),要么是勾股定理的笛卡尔距离(我检查过,结果很好)-- sqrt( ( ((a5-a4)-(b5-b4))^2 + ( (a4-a3)-(b4-b3))^2 + ( (a3-a2)-(b3-b2))^2 + ( (a2-a1)-(b2-b1)) ^2 ) 或其他东西,我想一定有更好的选择。 我注意到一个有趣的功能:可以不在图表上寻找模式,而是在RSI指标上寻找模式。 有趣的是,无论如何去趋势和旋转图表,基于它的RSI将显示几乎相同的东西,也就是说,没有必要通过一个角度旋转图表。但输出(预测)仍然需要转换,以考虑到LR的斜率。此外,你还可以在产生的指标上建立交叉相关和其他东西。 Forester 2017.06.30 13:33 #4335 Maxim Dmitrievsky 和Dr. Trader 你似乎花了很多时间在历史上寻找模式,比如我做的指标。 你还在使用它吗?还是因为搜索模式没有前景而改用神经网络?或者这些方法的结果是一样的,唯一的区别是速度? Maxim Dmitrievsky 2017.06.30 13:41 #4336 elibrarius。Maxim Dmitrievsky 和Dr. Trader 你似乎花了很多时间在历史上寻找模式,比如我做的指标。 你还在使用它吗?还是因为搜索模式没有前景而改用神经网络?还是这些方法的效率是一样的,唯一的区别是速度? 我放弃了用图案工作,因为它没有给我带来我想要的结果,我以后会再来找它。而且要想的多,做的也多,费时费力,不做就不明显。在此之前,我和我的朋友用Weierstrass-Mandelbrot fii对分形分析进行了一些开发,但在那里我们也使用了相关性,我只是有时发现了正常模式。现在,如果我能够使用卷积或想到一些搜索模式的新方法,我就会回来......总之,我坚持使用相关性,它并不适合我。 Maxim Dmitrievsky 2017.06.30 13:47 #4337 马克西姆-德米特里耶夫斯基。 我放弃了我的图案工作,因为它没有产生我想要的预期结果,我以后会再来讨论这个问题。我以后再来谈这个话题。 而且要想清楚,要做的事情很多,费力不讨好,不做就不明显。在此之前,我和我的朋友用Weierstrass-Mandelbrot fii对分形分析进行了一些开发,但在那里我们也使用了相关性,我只是有时发现了正常模式。现在,如果我能够使用卷积或想到一些搜索模式的新方法,我就会回来......总之,我坚持使用相关性,它并不适合我。在这里,如果你有兴趣,100年前我录制了一个关于分形分析的介绍性视频。在我看来,这与模式分析直接相关。 Forester 2017.06.30 13:53 #4338 而简单的NS(简单的MLP)是根据什么原理进行预测的? 在我看来,在通常的相关性上--因为神经元之间的连接权重随着信号沿这条线的重复次数而增长,当NS的反应重合时,如果这条线在+或在-,它仍然在0左右--而这本质上是一个简单的平均。然后利用这些权重,我们找到预测器的输入组合与训练期的平均值的相似性。 Dr. Trader 2017.06.30 13:59 #4339 我还没有放弃,我正在尝试不同的算法,从模式中挤出更多的利润。 与neuronka相比,这种方法给了我更多的可能性,我甚至以前写过,我试图考虑到时间的影响(例如,根据发现相似模式的时间长短,降低相似度),再加上不同的技巧。在神经元学中你无法做到这一点。 我的神经元永远无法学会只用价格进行交易获利。但模式模型做到了,所以选择很明显 :)但你可以在不同的指标上使用神经元技术。但不管是神经元、森林,甚至是线性模型,只要正确选择训练的指标和目标,一切都会成功。例如,如果你处理模式--你需要花很多时间来创建一个评估模式 "相似性 "的方法,而且你不会在这个问题上找到很多有用的信息,你需要做很多实验。而如果你处理指标--选择指标和训练目的将需要大量时间;选择和训练一个模型(神经元、森林、提升)将不需要很多时间。 nowi 2017.06.30 14:04 #4340 马克西姆-德米特里耶夫斯基。 我放弃了用模式工作,因为它没有产生我想要的预期结果,我以后会再来讨论这个问题。我以后再来谈这个问题。 而且,要想的东西很多,要做的事情也很多,费时费力,在做之前也不明显。在此之前,我和我的朋友用Weierstrass-Mandelbrot fii对分形分析进行了一些开发,但在那里我们也使用了相关性,我只是有时发现了正常模式。现在,如果我设法使用卷积或发明一些新的方法来搜索模式,我会回来的......总之,我坚持使用相关性,这还不够好。 唯一的选择是向马夫求助)他会教我一个真正的男人应该如何交易....,重要的不是模式和科学,而是勇气和力量......你需要一个真正的车臣胡子......那么市场就不会抵制一个没有弹性和原则的勇士.....。哈奇风格的交易规则.......... 1...427428429430431432433434435436437438439440441...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
作为最低限度,我们需要对图表进行仿生变换,因为图案的斜率角度不同(自仿生结构)。
即通过高度....,压缩或拉伸模板。?- 有趣的选择。但我认为压缩不应超过30-50%,否则你可以尝试在美国会议的不稳定时间上寻找模式,例如,通过夜间的随机波动。那里和那里都有不同的模式和不同的球员。
如果我们在工作中把拉伸压缩到30-50%,发现的模式数量的增加可能不会很大,这可能不会对预测产生很大影响,因此可以忽略不计......但是必须检查。
而且,在不使用现成的外部产品的情况下,如何在MT代码中实现这种压缩,一点也不清楚......。
在不同的tf上搜索
在我看来,即使在M1和M5上也已经有不同的模式。而在他们身上寻找相同的图案是不正确的。模式可能是相似的,但造成这种形式的图表的原因将是不同的。
我没有看到比较2个价格图表的任何其他选项。还有什么其他选择......?
假设有两个价格数组,每个数组有5个价格。
第一个是a1,a2,a3,a4,a5。
第二个是b1,b2,b3,b4,b5。
1)价格图可以去趋势化,即可以从一些旋转的排列中水平放置。这可以用线性回归 来完成--找到它,并使用误差数组代替原始价格序列。这个步骤是否有助于模式的寻找,我不知道,我还没有详细研究它的效果。到目前为止,我自己并没有使用这个步骤。
2)把一排价格称为模式是值得怀疑的;必须对这些价格所形成的形状进行数学描述。例如,我们可以找到每个柱子上的价格增长,并将这些增长作为某种模式描述。
第一个图案由公式a5-a4, a4-a3, a3-a2, a2-a1得到。
第二个是b5-b4,b4-b3,b3-b2,b2-b1。
3)模式的 "相似性"--要么是相关关系(我自己没有检查过),要么是勾股定理的笛卡尔距离(我检查过,结果很好)--
sqrt( ( ((a5-a4)-(b5-b4))^2 + ( (a4-a3)-(b4-b3))^2 + ( (a3-a2)-(b3-b2))^2 + ( (a2-a1)-(b2-b1)) ^2 )
或其他东西,我想一定有更好的选择。
即在高度....,缩减或拉伸图案。?- 有趣的选择。但我认为你不应该把模式拉长30-50%以上,否则你可能会试图在Amer.会话的波动时间上寻找模式,例如,通过夜间的随机波动。那里和那里都有不同的模式和不同的球员。
如果我们在工作中把拉伸压缩到30-50%,发现的模式数量的增加可能不会很大,这可能不会对预测产生很大影响,因此可以忽略不计......但是必须检查。
而且,在不使用现成的外部产品的情况下,如何在MT代码中实现这种压缩,一点也不清楚......。
在我看来,即使在M1和M5上也已经有不同的模式。而在他们身上寻找相同的图案是不正确的。模式可能是相似的,但产生这种图表形状的原因将是不同的。
为了更好地理解,最好是研究分形的特性。特别是,正如我已经写过的--是缩放和自我亲和。
根据定义,缩放--类似的模式是在不同的时间间隔上形成的。我们可以采取1分钟的报价,建立一个具有给定乘数的合成TFs数组,并使用这个数组来搜索与当前相似的模式。
自我亲和--模式相似,但从不完全相同。这是选择 "相似性 "标准时的主要问题,相关性在这里是不合适的。
这种差异更多地表现在模式的斜率上(回归线的斜率角度),而不是在其收缩/伸展上。我是用当前的模式建立LR的,然后我从其他地块上取材,将LR的斜率角改为当前模式的斜率角,结果它更经常地找到类似的模式。而在创建预测时,考虑到当前模式的LR的斜率,对预测曲线进行了转换。
下一步。分形的自相似性(self-similarity)还有一个有趣的特点--我们在一个大图案里面形成完全相同但更小的图案。搜索算法--(例如)在1小时的时间框架中,以10个柱子为提前量的最后500个柱子,在测试器中,我们通过分钟或5分钟的时间段运行,寻找模式,类似于1小时的模式。如果我们找到它,我们就把1小时内的最后10个柱子投射到5分钟模式上--这就是预测。也要这样做,要考虑到法规的角度。我是这样做的。
我还没有对一组连续的模式做交叉验证,但这似乎是一个有趣的话题
假设我们有两个价格数组,每个数组有5个价格
第一个是a1,a2,a3,a4,a5
第二个是b1,b2,b3,b4,b5
1)价格图可以去趋势化,即可以从一些旋转的排列中水平放置。这可以用线性回归 来完成--找到它,并使用误差数组代替原始价格序列。这个步骤是否有助于模式的寻找,我不知道,我还没有详细研究它的效果。我自己还没有使用这个步骤。
2)把一排价格称为模式是值得怀疑的;必须对这些价格所形成的形状进行数学描述。例如,我们可以找到每个柱子上的价格增长,并将这些增长作为某种模式描述。
第一个图案由公式a5-a4, a4-a3, a3-a2, a2-a1获得。
第二个是b5-b4,b4-b3,b3-b2,b2-b1。
3)模式的 "相似性"--要么是相关关系(我自己没有检查过),要么是勾股定理的笛卡尔距离(我检查过,结果很好)--
sqrt( ( ((a5-a4)-(b5-b4))^2 + ( (a4-a3)-(b4-b3))^2 + ( (a3-a2)-(b3-b2))^2 + ( (a2-a1)-(b2-b1)) ^2 )
或其他东西,我想一定有更好的选择。
我注意到一个有趣的功能:可以不在图表上寻找模式,而是在RSI指标上寻找模式。 有趣的是,无论如何去趋势和旋转图表,基于它的RSI将显示几乎相同的东西,也就是说,没有必要通过一个角度旋转图表。但输出(预测)仍然需要转换,以考虑到LR的斜率。此外,你还可以在产生的指标上建立交叉相关和其他东西。
Maxim Dmitrievsky 和Dr. Trader
你似乎花了很多时间在历史上寻找模式,比如我做的指标。
你还在使用它吗?还是因为搜索模式没有前景而改用神经网络?或者这些方法的结果是一样的,唯一的区别是速度?
Maxim Dmitrievsky 和Dr. Trader
你似乎花了很多时间在历史上寻找模式,比如我做的指标。
你还在使用它吗?还是因为搜索模式没有前景而改用神经网络?还是这些方法的效率是一样的,唯一的区别是速度?
我放弃了我的图案工作,因为它没有产生我想要的预期结果,我以后会再来讨论这个问题。我以后再来谈这个话题。 而且要想清楚,要做的事情很多,费力不讨好,不做就不明显。在此之前,我和我的朋友用Weierstrass-Mandelbrot fii对分形分析进行了一些开发,但在那里我们也使用了相关性,我只是有时发现了正常模式。现在,如果我能够使用卷积或想到一些搜索模式的新方法,我就会回来......总之,我坚持使用相关性,它并不适合我。
在这里,如果你有兴趣,100年前我录制了一个关于分形分析的介绍性视频。在我看来,这与模式分析直接相关。
而简单的NS(简单的MLP)是根据什么原理进行预测的?
在我看来,在通常的相关性上--因为神经元之间的连接权重随着信号沿这条线的重复次数而增长,当NS的反应重合时,如果这条线在+或在-,它仍然在0左右--而这本质上是一个简单的平均。然后利用这些权重,我们找到预测器的输入组合与训练期的平均值的相似性。
我还没有放弃,我正在尝试不同的算法,从模式中挤出更多的利润。
与neuronka相比,这种方法给了我更多的可能性,我甚至以前写过,我试图考虑到时间的影响(例如,根据发现相似模式的时间长短,降低相似度),再加上不同的技巧。在神经元学中你无法做到这一点。
我的神经元永远无法学会只用价格进行交易获利。但模式模型做到了,所以选择很明显 :)
但你可以在不同的指标上使用神经元技术。但不管是神经元、森林,甚至是线性模型,只要正确选择训练的指标和目标,一切都会成功。
例如,如果你处理模式--你需要花很多时间来创建一个评估模式 "相似性 "的方法,而且你不会在这个问题上找到很多有用的信息,你需要做很多实验。
而如果你处理指标--选择指标和训练目的将需要大量时间;选择和训练一个模型(神经元、森林、提升)将不需要很多时间。
我放弃了用模式工作,因为它没有产生我想要的预期结果,我以后会再来讨论这个问题。我以后再来谈这个问题。 而且,要想的东西很多,要做的事情也很多,费时费力,在做之前也不明显。在此之前,我和我的朋友用Weierstrass-Mandelbrot fii对分形分析进行了一些开发,但在那里我们也使用了相关性,我只是有时发现了正常模式。现在,如果我设法使用卷积或发明一些新的方法来搜索模式,我会回来的......总之,我坚持使用相关性,这还不够好。
唯一的选择是向马夫求助)他会教我一个真正的男人应该如何交易....,重要的不是模式和科学,而是勇气和力量......你需要一个真正的车臣胡子......那么市场就不会抵制一个没有弹性和原则的勇士.....。
哈奇风格的交易规则..........