交易中的机器学习：理论、模型、实践和算法交易

[删除] 2017.10.04 10:38 #5001

桑桑尼茨-弗门科。

你没有从我的帖子中理解任何东西。完全没有。

而且因为你的存在，对支部来说是个遗憾。

是的，你再给那些声称能够推断的领域的同志们下定义 :))

[删除] 2017.10.04 11:09 #5002

我愿意。

事实上，提出的问题是一个有趣的问题。

在回归y = f(x)的情况下，森林真的不能 "推断 "出没有训练点的地方，而MLP 可以，尽管它也不做，最多是以多项式回归的方式，这在树的图表常数上是 "更漂亮"。

但在某些方面Sansanych和Leha也是对的，因为回归y=f(x)并不是我们交易者所需要的，因为如果x是来自出生地的时间，那么我们对这种关系不感兴趣，在其他特征的空间中，来自未来时间的点不一定会在我们指标特征的学习样本之外。

为什么一棵树的森林会给出一个常数，我很清楚，线性回归也很明显，但为什么MLP会给出一个伪多项式回归，我 "不认为 "是透明的。我们需要搞清楚...

那么一个简单的例子，如果你预测价格并在一个不完整的价格区间上训练支架，那么当你需要预测训练区间以外的价格时，它就不会预测。很明显，这些情况是特殊的，我们应该使用正确的培训。

在你的图片中，正是我的意思

[删除] 2017.10.04 11:49 #5003

(我看不到 它。

怎么洒的？

绘画））。

[删除] 2017.10.04 11:51 #5004

我当时没有仔细思考。

完全没有问题，因为没有线性时间迹象，"训练间隔外 "只有非常罕见的异常值，一些不应该出现的东西，他妈的黑天鹅 :)

啊，我以为是目标区间......没有仔细思考

fxsaber 2017.10.04 12:26 #5005

我想向支部中受人尊敬的成员询问这个问题

关于交易、自动交易系统和交易策略测试的论坛

表中有1000只交易量最大的股票的报价。过去一年的数据。

fxsaber, 2017.10.04 14:19

"定期重新平衡portafl，一切都会好起来的"，这是很多人的说法，直到他们把SB（随机走动）滑入他们的计数系统，而不是原始价格系列。

绝大多数人在SB之后看到的情况与真实数据完全相同。但通过说关于再平衡的那句话来得出同样的结论已经不可能了，因为它是SB。而 "会好的 "则被排除在外。

在我看来，问题的关键在于：真实的价格数据与SB有多大差别？ 如果我理解正确的话，差异越大，挤出利润的机会就越多。反之亦然，直至 "无差异-无利润"。

Андрей 2017.10.04 13:23 #5006

有毒。

为什么MLP会给出伪多项式回归，我 "看不出来"，因为它是透明的，需要弄清楚......

弄清楚为什么1个神经元做线性回归，它是如何在低水平上发生的，然后很容易理解在多神经元和多层集合中是如何获得非线性变体的。而随机森林以及Knn和其他内核工具只做局部插值，这可能是在其他投影中的外推，不是重点，但RF并没有在大范围内建立（扫频）函数，但多层渗透器却做了。

Андрей 2017.10.04 13:27 #5007

fxsaber:

在我看来，关键问题是：真实的价格数据与SB有多大差别？ 如果我理解正确的话，差异越大，挤出利润的机会就越多。反之亦然，直至 "无差异-无利润"。

它们是不同的，但非常微不足道，所以我们甚至不能用眼睛来注意它。此外，大部分的差异已经包含在贸易成本中。

Дмитрий 2017.10.04 13:32 #5008

fxsaber:
我想就这个问题请教尊敬的与会者

在我看来，关键问题是：真实的价格数据与SB有多大差别？ 如果我理解正确的话，差异越大，挤出利润的机会就越多。反之亦然，直至 "无差异-无利润"。

差别在于价格系列中存在相对较大的排放，以及存在微弱的 "季节性" - 小时/交易时段、一周中的几天，等等。

嗯，也是 "胖 "尾巴。

fxsaber 2017.10.04 13:34 #5009

迪米特里。

这些差异包括在价格序列中有一个相对较大的排放，以及存在弱的 "季节性" - 小时/交易时段，一周中的几天，等等。

可以在不同的时间间隔将几个SB拼接起来，以获得相同的效果。

嗯，也是 "胖 "尾巴。

以一个 "粗尾 "的SB为例。

Дмитрий 2017.10.04 13:35 #5010

fxsaber:

你可以在不同的时间间隔将几个SB粘在一起，以获得同样的效果。

采取 "厚尾 "的SB。

有可能将SB适合于价格范围的标志，但在所有这些转变之后，它将不再是一个SB。

这有什么意义呢？

交易中的机器学习：理论、模型、实践和算法交易 - 页 501