交易中的机器学习：理论、模型、实践和算法交易 - 页 468

新评论
 
安德烈-基塞廖夫。

我已经被告知很多次了，总是一样的，总是很快。
我总是对我的客户说，没有快速的顾问，这是一项艰苦的工作。
1 你需要将TS正规化，并创建一个需求规范
2、将其翻译成机器可以理解的代码
3 检查逻辑执行中的错误
4 检查交易中的执行错误
5、根据确定的逻辑和执行中的错误，进行额外的修改
6.在测试器中和真实数据上测试它
7.完成专家顾问的功能，使其能够在真实账户上工作。
等。

程序员的功能只是(2,5)将你的参考条款翻译成机器的语言，如果你发现它的工作与你的参考条款有任何不一致的地方，请纠正错误，此时，程序员的工作已经完成；你的专家顾问正在按照你的参考条款工作。

剩下的都是你的工作，创建、检查和改进（升级）你的EA。

最好的问候。

P.S. 创建一个有利可图的EA可能需要半年甚至更长时间，如果你真的需要它。


你真正需要的是一个可靠的开瓶器和闭瓶器，你真的会花半年时间来做这个吗?????那么你就不是我们的对手了......

 
Vizard_。

在现实生活中，它将是一个红色的N...))
对不起，老师))))



现在，这是值得商榷的...捣蛋鬼。因为那里实际上没有数据被输入，而且基本上是多项式系数的工作本身.....。而且我认为输入数据的存在只会提高公平性。嗯，它确实....IMHO!!!!

 
Mihail Marchukajtes:

你真正需要的是一个可靠的开瓶器和闭瓶器，你真的会花半年时间来做这个吗?????那么你就不适合我们......。

你可能已经在想，你可能需要半年以上的时间来开发一个有利可图的专家顾问。

MySQL：建立一个有利可图的EA不是我的任务，但实现你的EA是你的任务。
 
Vizard_。

他写这些废话已经14年了））））。

那就说得通了。

恕我直言。
 

白痴，所有的事情早就做完了，只需要一个可靠的开瓶器与服务器错误处理.....。我是hilarious....:-)

 
Mihail Marchukajtes:

白痴， 所有的事情早就做完了，只需要一个可靠的开瓶器与服务器错误处理.....。我是hilarious....:-)

他们可能已经做了，你为什么需要一个程序员？ 联系一个自由职业者，他们会写一个 "可靠的开场白"。

最好的问候。

P.S.不要忘了指定一个 2小时的运行时间，根据你的工作有5分钟，所以如果程序员将是一个拇指离开写，这将有时间。
 
交易员博士。


如果你比较文章中的预测和这些预测，你可以看到两个模型中的预测趋势完全吻合，但在文章中，模型在捕捉尖锐的峰值方面要好得多。另外，在模型属性中，你可以看到没有使用季节性。到目前为止，这篇文章是胜利的:(

我仍然需要很多阿里马的直觉来正确设置搜索限制ar,i,ma系数，并使模型寻找季节性参数。


讨论阿里马而不分析ARCH上的残差，完全是一种空洞的做法。有一些系列在阿里马模拟后有一个固定的残差。但在假设是静止的情况下讨论预测误差并不严重。这种残留物是极其面的。

 

我还对有马的例子做了一个小调整https://www.mql5.com/ru/forum/86386/page467#comment_5649703。

季节性没有发挥作用，因为数据周期被定义为1，这导致auto.arima自动禁用季节性。我将代码中的周期设置为48（H12当前时间框架上的一天），如文章中所述。

也可以使用预测包中的函数findfrequency()来自动确定周期，对于这个数据，该函数返回24。

这样做效果更好，该模型能击中价值的峰值，并能更好地预测价值的增长。
阿里巴巴培训R^2：0.516988
阿里马测试r^2：0.5346457
阿里马测试差异r^2：0.8407468
阿里马测试差异精度：0.8288288

但这远非理想，文章中的预测要准确得多。看起来原因是数据有几个时期（24、48、336--半天、一天、一个星期），即使有季节性，arima也不能同时打到所有三个时期。
我搜索了一下是否可以用几个季节性来教R Arima，看来是不可以的，所以没有办法做出更好的预测。现在我明白为什么这篇文章有这样的困难了，每一个模型，作者都试图抓住不同时期的价值波动。

 
Mihail Marchukajtes:

OOO 这就是我们心爱的捣蛋鬼!!!!好吧，你的手满是便便????。这里有一个借口，可以把它们扔到....。

关于Reshetova的优化器是否被重新训练的问题。这是我昨天在一个外汇小组中张贴的截图.....蓝色表示优化期，绿色表示期货合约。但没有可能提交数据，事实证明，从今年年初开始，它的工作很好....。而你说再培训，你只需要能够培训....。

现在你打算怎么说过度训练????

在市场上，任何分类器都要重新训练，因为市场不是静止的。如果我们想避免过度训练，我们必须对整个历史进行NS教学。否则，市场周期会一直变化，模型会出错。这就是为什么唯一正确的方法是在交易过程中进行过度训练或再训练 :) 我们不相信卷轴，在没有任何干预的情况下，在15年的历史中每月稳定地提供1000%。

总的来说，我仍然不明白这个界限--过度训练的NS在外汇中意味着什么。是当它在测试样本上不挣钱的时候吗？不不不...这是关于非平稳性。至于战略，对其盈利能力没有影响。

 
交易员博士。

我还对有马的例子做了一个小调整https://www.mql5.com/ru/forum/86386/page467#comment_5649703。

季节性没有发挥作用，因为数据周期被定义为1，这导致auto.arima自动禁用季节性。我将代码中的周期设置为48（H12当前时间框架上的一天），如文章中所述。

另外，你可以使用预测包中的findfrequency()函数来自动确定周期，对于这个数据，该函数返回24。

这样做效果更好，模型能进入价值的急剧跳动，并能更好地预测价值的增加。
阿里巴巴培训R^2：0.516988
阿里马测试r^2：0.5346457
阿里马测试差异r^2：0.8407468
阿里马测试差异精度：0.8288288

但这远非理想，文章中的预测要准确得多。看起来原因是数据有几个时期（24、48、336--半天、一天、一周），即使有季节性，arima也不能一次打到所有三个时期。
我搜索了一下是否可以用几个季节性来教R Arima，看来是不可以的，所以没有办法做出更好的预测。现在我明白为什么这篇文章有这样的困难了，每一个模型，作者都想抓住不同的价值振荡期。


你能不能把关于调整的报告和参数贴出来？

1...461462463464465466467468469470471472473474475...3399
新评论