交易中的机器学习：理论、模型、实践和算法交易 - 页 447

新评论
 

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。


 
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。

 
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...
 
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......。
 
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。


 
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。

 
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。
 
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。

 
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。

 
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