交易中的机器学习:理论、模型、实践和算法交易 - 页 447 1...440441442443444445446447448449450451452453454...3399 新评论 Maxim Dmitrievsky 2017.07.12 13:33 #4461 他是如何做到的?:)每周继续重新训练,第3周进行实战测试,本周抓到一个止损,但后来又找回来了,目前的交易是在+100的破损处。赚出了上周的一点缩水,在现在3个不完整的星期里总共赚了约45%,缩水7%。这很有趣,伙计。最有趣的是,我不明白他为什么要来回开交易,在以前所有的系统中,他总是知道什么是什么,怎么做,这是不正常的。 Evgeny Belyaev 2017.07.12 14:59 #4462 马克西姆-德米特里耶夫斯基。他是如何做到的?:)每周继续重新训练,第3周进行实时测试,本周抓到一个止损,但后来我又把它找回来了,目前的交易是在+100的收支平衡。赚出了上周的一点缩水,在现在3个不完整的星期里总共赚了约45%,缩水7%。这很有趣,伙计。最有趣的是,我不明白他为什么要来回开交易,在他以前所有的系统中,他总是知道在哪里开,怎么开,这是不寻常的。他们应该放置信号,跟踪他将会很有趣。 Maxim Dmitrievsky 2017.07.12 15:00 #4463 叶夫根尼-别利亚耶夫。 会贴出信号,看他的表现会很有趣。 帐户是肮脏的,许多系统正在进行交易/测试,然后... mytarmailS 2017.07.22 11:54 #4464 马克西姆-德米特里耶夫斯基。他是如何做到的?:)每周继续重新训练,第3周进行实战测试,本周抓到一个止损,但后来又找回来了,目前的交易是在+100的破损处。赚出了上周的一点缩水,在现在3个不完整的星期里总共赚了约45%,缩水7%。这很有趣,伙计。最有趣的是,我不明白他为什么要来回开交易。 在以前的所有系统中,他总是知道在哪里开,怎么开,这是不正常的。 我一直都知道该去哪里找它。)我想知道这周接下来会发生什么......。 Maxim Dmitrievsky 2017.07.23 05:32 #4465 mytarmailS:(可以再给我一张照片吗?)我想知道你这周接下来发生了什么......上周,整个报告在屏幕上放不下 :)本可以做得更好,但无论如何,我这周是以黑色收尾。我也加入了DAX,但第一次的收益并不高。 我在不断地一点一点地改进它,试验预测器和不同的开仓方式。 Yuriy Asaulenko 2017.07.23 09:35 #4466 马克西姆-德米特里耶夫斯基。他是如何做到的?:)每周继续重新训练,第3周进行实战测试,本周抓到一个止损,但后来又找回来了,目前的交易是在+100的破损处。赚出了上周的一点缩水,在现在3个不完整的星期里总共赚了约45%,缩水7%。这很有趣,伙计。最有趣的是,我不明白他为什么要来回开交易。 在他以前所有的系统中,他总是知道在哪里和如何开,这很不寻常。我很羡慕)。我沉浸在研究神经网络的理论和阅读有关NS的书籍中--没有尽头)。我已经准备了一些训练序列,但我还没有进入细节--我已经有一个星期没有碰过电脑了。昨天我回家了,但我必须在星期三再次离开。也许我将有时间做一些事情。如果你还在研究雷舍托夫的神经元,我发现它不是NS,而是某种自适应滤波器的实现(AF)--也是一个非常有趣的东西。我还没有试过,也不会很快去试,但从理论上看,用它来设计预测器是个好主意。 Maxim Dmitrievsky 2017.07.23 10:03 #4467 尤里-阿索连科。我很羡慕)。我沉浸在研究神经网络理论和阅读关于NS的高度艺术化的书籍中--没有尽头)。我已经准备了一些训练序列,但我还没有进入细节--我已经一周没有碰过电脑了。昨天我回家了,但我必须在星期三再次离开。也许我将有时间做一些事情。如果你还在研究雷舍托夫的神经元,我发现它不是NS,而是某种自适应滤波器的实现(AF)--也是一个非常有趣的东西。我还没有试过,也不会很快去试,但从理论上看,它对建立预测器非常有效。 是的,它还在上面,它不是NS,它是一个专家系统,根据NS原则训练的。Yuriy Asaulenko:是的,我还保留着它,它不是NS,它是一个专家系统,根据NS原理训练的。 最重要的是预测器,很快我将把它们改编成随机森林,一般来说NS比RF没有优势,它们花的时间太长,错误更多...如果你想快速训练,那么RF+优化器是肯定的。 Yuriy Asaulenko 2017.07.23 10:38 #4468 马克西姆-德米特里耶夫斯基。 是的,还在进行中,它不是NS,是专家系统,仅仅是由NS训练的...Maxim Dmitrievsky:是的,我还保留着它,它不是NS,是一个专家系统,像NS一样简单地训练。 最重要的是预测器,很快我就会把它们改编成随机森林,一般来说,NS比RF没有优势,它们花的时间太长,误差更大...如果你想快速训练,那么RF+优化器一定是最好的。同样,从书本上看,NS和RF是完全不同的,在大多数情况下不能互换的设计。因此,也许没有必要明确地说什么是更好的,什么是更坏的。一种或另一种设计可能更适合于某些类别的任务。对于我的设计来说,NS可能更好,因为在我的案例中,它不应该取代TS,而只是作为其补充。由于这种组合,根据建筑师的计划)),NS和TS本身都应该变得更加简单。 Maxim Dmitrievsky 2017.07.23 10:55 #4469 尤里-阿索连科。同样,从书本上看,NS和RF是完全不同的,在大多数情况下不能互换的设计。因此,也许没有必要明确地说什么是更好的,什么是更坏的。一种或另一种设计可能更适合于某些类别的任务。对于我的设计来说,NS可能更好,因为在我的案例中,它不应该取代TS,而只是作为其补充。根据建筑师的想法,以这种统一为代价,NS和TS本身都应该变得更加简单。通常MLP没有任何优势,有时甚至线性回归 或SVM或多项式会产生更好的结果,不要增加更多的层:)而且需要更长的时间来训练。如果我了解到MLP是一个丑陋的、缓慢的、没有前途的交易怪物,特别是它以非常原始的方式复制真实的神经元机制,而不是以大脑中实际发生的方式 :)唯一正常的和透视的NS是卷积ns的模式识别,而他们不能够预测,如果这样,一个简单和快速的分类器的集合就足够了。贝叶斯分类器更好,但比RF差。 mytarmailS 2017.07.23 11:54 #4470 马克西姆-德米特里耶夫斯基。上周,整个报告在屏幕上放不下 :)本可以做得更好,但无论如何,我这周是以黑色收尾。我也加入了DAX,但第一次的收益并不高。 我正在一点一点地改进,尝试使用预测器和不同的开仓方法。 你的分类器中的目标函数是什么? 1...440441442443444445446447448449450451452453454...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
他是如何做到的?:)每周继续重新训练,第3周进行实战测试,本周抓到一个止损,但后来又找回来了,目前的交易是在+100的破损处。赚出了上周的一点缩水,在现在3个不完整的星期里总共赚了约45%,缩水7%。这很有趣,伙计。最有趣的是,我不明白他为什么要来回开交易,在以前所有的系统中,他总是知道什么是什么,怎么做,这是不正常的。
他是如何做到的?:)每周继续重新训练,第3周进行实时测试,本周抓到一个止损,但后来我又把它找回来了,目前的交易是在+100的收支平衡。赚出了上周的一点缩水,在现在3个不完整的星期里总共赚了约45%,缩水7%。这很有趣,伙计。最有趣的是,我不明白他为什么要来回开交易,在他以前所有的系统中,他总是知道在哪里开,怎么开,这是不寻常的。
他们应该放置信号,跟踪他将会很有趣。
会贴出信号,看他的表现会很有趣。
他是如何做到的?:)每周继续重新训练,第3周进行实战测试,本周抓到一个止损,但后来又找回来了,目前的交易是在+100的破损处。赚出了上周的一点缩水,在现在3个不完整的星期里总共赚了约45%,缩水7%。这很有趣,伙计。最有趣的是,我不明白他为什么要来回开交易。 在以前的所有系统中,他总是知道在哪里开,怎么开,这是不正常的。
(可以再给我一张照片吗?)我想知道你这周接下来发生了什么......
上周,整个报告在屏幕上放不下 :)本可以做得更好,但无论如何,我这周是以黑色收尾。我也加入了DAX,但第一次的收益并不高。 我在不断地一点一点地改进它,试验预测器和不同的开仓方式。
他是如何做到的?:)每周继续重新训练,第3周进行实战测试,本周抓到一个止损,但后来又找回来了,目前的交易是在+100的破损处。赚出了上周的一点缩水,在现在3个不完整的星期里总共赚了约45%,缩水7%。这很有趣,伙计。最有趣的是,我不明白他为什么要来回开交易。 在他以前所有的系统中,他总是知道在哪里和如何开,这很不寻常。
我很羡慕)。我沉浸在研究神经网络的理论和阅读有关NS的书籍中--没有尽头)。我已经准备了一些训练序列,但我还没有进入细节--我已经有一个星期没有碰过电脑了。昨天我回家了,但我必须在星期三再次离开。也许我将有时间做一些事情。
如果你还在研究雷舍托夫的神经元,我发现它不是NS,而是某种自适应滤波器的实现(AF)--也是一个非常有趣的东西。我还没有试过,也不会很快去试,但从理论上看,用它来设计预测器是个好主意。
我很羡慕)。我沉浸在研究神经网络理论和阅读关于NS的高度艺术化的书籍中--没有尽头)。我已经准备了一些训练序列,但我还没有进入细节--我已经一周没有碰过电脑了。昨天我回家了,但我必须在星期三再次离开。也许我将有时间做一些事情。
如果你还在研究雷舍托夫的神经元,我发现它不是NS,而是某种自适应滤波器的实现(AF)--也是一个非常有趣的东西。我还没有试过,也不会很快去试,但从理论上看,它对建立预测器非常有效。
是的,还在进行中,它不是NS,是专家系统,仅仅是由NS训练的...Maxim Dmitrievsky:是的,我还保留着它,它不是NS,是一个专家系统,像NS一样简单地训练。 最重要的是预测器,很快我就会把它们改编成随机森林,一般来说,NS比RF没有优势,它们花的时间太长,误差更大...如果你想快速训练,那么RF+优化器一定是最好的。
同样,从书本上看,NS和RF是完全不同的,在大多数情况下不能互换的设计。因此,也许没有必要明确地说什么是更好的,什么是更坏的。一种或另一种设计可能更适合于某些类别的任务。
对于我的设计来说,NS可能更好,因为在我的案例中,它不应该取代TS,而只是作为其补充。由于这种组合,根据建筑师的计划)),NS和TS本身都应该变得更加简单。
同样,从书本上看,NS和RF是完全不同的,在大多数情况下不能互换的设计。因此,也许没有必要明确地说什么是更好的,什么是更坏的。一种或另一种设计可能更适合于某些类别的任务。
对于我的设计来说,NS可能更好,因为在我的案例中,它不应该取代TS,而只是作为其补充。根据建筑师的想法,以这种统一为代价,NS和TS本身都应该变得更加简单。
通常MLP没有任何优势,有时甚至线性回归 或SVM或多项式会产生更好的结果,不要增加更多的层:)而且需要更长的时间来训练。如果我了解到MLP是一个丑陋的、缓慢的、没有前途的交易怪物,特别是它以非常原始的方式复制真实的神经元机制,而不是以大脑中实际发生的方式 :)唯一正常的和透视的NS是卷积ns的模式识别,而他们不能够预测,如果这样,一个简单和快速的分类器的集合就足够了。
贝叶斯分类器更好,但比RF差。
上周,整个报告在屏幕上放不下 :)本可以做得更好,但无论如何,我这周是以黑色收尾。我也加入了DAX,但第一次的收益并不高。 我正在一点一点地改进,尝试使用预测器和不同的开仓方法。