交易中的机器学习：理论、模型、实践和算法交易 - 页 434

新评论
 
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。

 
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。

 
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

 
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,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？

 
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。
 
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。


 

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。

 
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