交易中的机器学习：理论、模型、实践和算法交易 - 页 508

新评论
 
不可能。

我认为你太理想化了，出于某种原因，你想把 "所有的交易者 "概括为适合什么，就像某种大师一样，你不卖交易课程，就像一个新郎？(只是开玩笑)


在利润预期的前提下，有一个最佳的风险（手数）。这并不取决于心理学，也不是 "什么对谁有用 "的问题。 如果我承担小的风险（每年<10%的存款），这将意味着我交易10%的资本，90%将留在钱里，这可能是一个很好的储蓄策略，只是为了不被通货膨胀吃掉，但没有利润可言。90%将投资于其他策略和资产，分散投资等。而所有这些，风险将几乎与利润成正比，并有分散投资的轻微缓解作用，你不可能通过资金管理的手段大幅消除风险和增加利润。


大多数交易者需要一个相对无风险的系统，具有非常低的回撤和大量的利润，否则他们将无法在市场上生存，这就是我的意思:)因为他们没有缓冲，不能等待一个小的百分比增长。例如，按照你这样的逻辑，如果你应该一个月做100%，平均缩水应该是50%，但这就像杀人一样，因为50%的缩水是存款的一个不归点，这是一个惯例。而一个月不到100%的大多数人不会对外汇论坛感兴趣，你做一个投票，问谁想要多少利润，这些专业人士中有一个很好的缓冲将是1%......好吧，在这个论坛有更多的人

比如说，你怎么能在市场上从零开始上涨呢？ 没有办法

不是大师，我只是为了兴趣而与交易员进行了大量的交流 :)
 

Eh eh...

我不知道这是否是微妙的嘲弄，或者你是如此严重的妄想。

你说 "这一切都很有意义"，那么你为什么又在说小止损和大利润呢？我给了你一张图，在我的艺术能力范围内，白纸黑字很明显，你不可能在不减少利润的情况下大幅减少风险，也就是小止损-小利润（当然是平均而言）。


你可以，这正是algotrader正在做的事情，寻找低效率。如果他们不能，那么大多数人在市场上根本无事可做，这就是故事的真相。我们不是在谈论资金管理或其他事情，而是纯粹的交易。你从哪里得到图片中这样的利润与风险的比例，这是一种幻觉，不是吗？这个人有1千美元，所以按照你的逻辑，他在每年5-50%的市场上没有任何收获。

你可能有一个数学头脑，但数学并不总是等同于看问题的清醒方式。我可以把一些公式作为真理提出来，例如帕累托原则或像你这样的盈亏比，但它并没有说明任何现实问题。

其余的都与现实无关，只是猜测而已。至于马夫，我不需要和他在同一个阵营，他有一半的假想生的论坛:)

这是一个关于一些明显的事情的争论，比如随机森林 是否可以推断...显然不是，但我们需要争论，在推断的概念和其他方面进行挑选:) )

 
你 必须要小心。

再一次，在预测中具有一定的优势，例如53-55%，有一个最佳的风险管理策略，偏离它--将给利润带来减少，平均而言。对于那些拥有1000万美元的人和拥有100美元的人来说，在策略上没有本质的区别，至少在外汇市场，每天有6吨 的交易量。


在外汇交易中，不同金额的交易有巨大的差异，当你开始交易时，尤其是HFT交易时，它是非常明显的。就像经纪人的不成文规定一样。那里没有这种流动性，因为它是分散的。而且，通常情况下，对小鱼儿有效的策略对大鱼儿无效。在交易不同金额时，采取截然不同的方法。

 
也许我错了，但在我看来，最好在纯价格数据上训练网络，而不是在通常是平均的指标上，即引入滞后。
例如，最好是设置高点和低点，滴答和实际成交量--每条街总共有4个条目。

为了使网络能够理解曲线的形状，必须向它输入例如100条--神经网络的总输入量为400。
我在M1上有3个月的训练记录，大约有50000条。
你对这种做法有什么看法？
要做多少个内部层？显然，你也需要很多，例如400-100-25-1

我相信这样的网络将需要很长的时间来学习。而且它可能不会找到最理想的参数。

如果我们做1000个或2000个投入呢？要达到什么目的会不会不现实？

 
就这样 了。

1) 没错!不!为什么在发达国家禁止这样做呢？他们为什么要发明 "合格投资者"？


他们到底被禁止做什么，贸易？)每月几百个百分点是完全可以实现的，正如在任何企业和任何行业中，只要存在低效率，就会被积极利用，主要的是要少谈这些。它们总是暂时的，也就是说，不会稳定地工作一辈子。这就是为什么我在上面写道，必须有足够的停止标准，以尽快了解模型是否已经停止工作。而你只是决定放弃一切。每年5-50%，2-25%的缩水，就是这样。

 
elibrarius。
也许我错了，但在我看来，最好是在纯价格数据上训练网络，而不是在通常是平均的指标上，即引入滞后。
例如，最好是设置高点和低点，滴答和实际成交量--每条街总共有4个输入。

为了让网络理解一个曲线形状，我需要给它提供例如100条，总共400个输入给神经网络。
我在M1上3个月的训练记录约为50,000条。
你对这种做法有什么看法？
要做多少个内部层？显然，你也需要很多，例如400-100-25-1

我相信这样的网络将需要很长的时间来学习。而且它可能不会找到最理想的参数。

如果我们做1000个或2000个投入呢？会不会根本不可能实现什么？


他们在递归网络上做的，喂食价格，我不知道细节，但他们说它是有效的，在gpu上训练它需要很长的时间，主要是在python上。

 

MO + MO = )))


 
elibrarius。
也许我错了，但在我看来，最好在纯粹的价格数据上训练网络，而不是在通常平均的指标上，即引入滞后。
例如，最好是设置高点和低点，滴答和实际成交量--每条街总共有4个条目。

为了使网络能够理解曲线的形状，必须向它输入例如100条--神经网络的总输入量为400。
我在M1上有3个月的训练记录，大约有50000条。
你对这种做法有什么看法？
要做多少个内部层？显然，你也需要很多，例如400-100-25-1

我相信这样的网络将需要很长的时间来学习。而且它可能不会找到最理想的参数。

如果我们做1000个或2000个投入呢？要达到什么目的会不会不现实？

一个网络[64个GRU+32个GRU+2个Dense]在OHLC->买入/卖出（7000条）的分类问题上，在~24次训练中给出了0.9-0.8的准确性。而这一切都在大约30秒内完成。

111
 

我需要一个L2归一化的公式。我找不到它。也许有人可以帮忙。

 
阿列克谢-特伦特夫。
网络[64 GRU + 32 GRU + 2 Dense]在OHLC->买入/卖出模型（7000巴）的分类问题中，在~24次训练中给出了0.9 - 0.8的准确率。而这一切都在大约30秒内完成。

这些结果在交易中是怎样的？每月/每年的存款增长率是多少？如果你的训练不是为了7000条，而是为了100000条？
1...501502503504505506507508509510511512513514515...3399
新评论