交易中的机器学习：理论、模型、实践和算法交易 - 页 510 1...503504505506507508509510511512513514515516517...3399 新评论 Maxim Dmitrievsky 2017.10.20 07:20 #5091 交易员博士。执行了文章中的代码，第一次时一切正常。 R的版本是3.4.2，但我认为这没有多大关系。我把R打开了......这一定是故障。 СанСаныч Фоменко 2017.10.20 07:54 #5092 阿列克谢-特伦特夫。 只是这里有些人在对价格进行分类。这是给他们的。分类的类型是由老师决定的，你必须非常小心。如果大师是趋势（趋势模式），应该有等量的（大致）上升和下降。 但不清楚哪里是横向的...而如果有横向的，就不清楚：什么是涨，什么是跌。趋势出现了僵局。因此，最有希望的，也就是这里所讨论的，是预测价格上涨。但对于它和老师是不同的，不一样的是对于趋势。顺便说一下，没有人在这里对价格进行分类。如果你对时间序列预测 感兴趣，最好是阅读这些文章。你的链接只有静止的时间序列？根据指数平滑法判断，是的。金融市场上没有静止的时间序列。你提到的文章与预测无关--它是以分析形式对曲线进行的推断。如果有差距怎么办？如果有德拉吉之类的人呢？ Maxim Dmitrievsky 2017.10.20 10:01 #5093 通过最低RMSE对3个不同属性的自动取样期，可以看出，属性在市场中的重要性随着时间的推移有很大的变化，无论是绝对值 还是相对于其他属性。偶尔会有稳定的时期，即属性相同的时期，或略有不同，但总的来说，变化性很大。这只是一小段剪报。所有的预测因子都有一个固定的形式。2017.10.20 16:56:12.405 2017.06.05 03:15:00 39 48 45 2017.10.20 16:56:13.105 2017.06.05 03:30:00 40 49 46 2017.10.20 16:56:13.793 2017.06.05 03:45:00 41 49 47 2017.10.20 16:56:14.481 2017.06.05 04:00:00 42 49 49 2017.10.20 16:56:15.168 2017.06.05 04:15:00 43 49 49 2017.10.20 16:56:15.853 2017.06.05 04:30:00 44 49 49 2017.10.20 16:56:16.538 2017.06.05 04:45:00 45 49 49 2017.10.20 16:56:17.255 2017.06.05 05:00:00 46 49 49 2017.10.20 16:56:17.981 2017.06.05 05:15:00 47 49 49 2017.10.20 16:56:18.673 2017.06.05 05:30:00 48 49 49 2017.10.20 16:56:19.368 2017.06.05 05:45:00 49 49 49 2017.10.20 16:56:20.038 2017.06.05 06:00:00 48 49 49 2017.10.20 16:56:20.760 2017.06.05 06:15:00 49 49 49 2017.10.20 16:56:21.429 2017.06.05 06:30:00 24 6 49 2017.10.20 16:56:22.136 2017.06.05 06:45:00 5 6 49 2017.10.20 16:56:22.824 2017.06.05 07:00:00 5 6 49 2017.10.20 16:56:23.495 2017.06.05 07:15:00 27 7 6 2017.10.20 16:56:24.200 2017.06.05 07:30:00 6 7 5 2017.10.20 16:56:24.901 2017.06.05 07:45:00 5 7 6 2017.10.20 16:56:25.603 2017.06.05 08:00:00 6 6 5 2017.10.20 16:56:26.275 2017.06.05 08:15:00 7 7 5 2017.10.20 16:56:26.963 2017.06.05 08:30:00 4 5 5 2017.10.20 16:56:27.694 2017.06.05 08:45:00 5 6 6 2017.10.20 16:56:28.415 2017.06.05 09:00:00 6 7 7 2017.10.20 16:56:29.118 2017.06.05 09:15:00 13 8 16 2017.10.20 16:56:29.826 2017.06.05 09:30:00 12 12 17 2017.10.20 16:56:30.546 2017.06.05 09:45:00 17 13 19 2017.10.20 16:56:31.242 2017.06.05 10:00:00 18 16 20 2017.10.20 16:56:31.978 2017.06.05 10:15:00 19 18 21 也就是说，用愚蠢的统计学术语来说，市场中恒定模式的无效假设没有被证实结论：我们应该创建至少2个模型：一个将实时选择信息属性，另一个将对其进行学习和再训练。这需要一个系统，在这个系统中，改变特征会产生影响，即把整个事物作为一个整体的系统。 mytarmailS 2017.10.20 12:59 #5094 马克西姆-德米特里耶夫斯基。结论：我们需要做至少2个模型：一个将实时选择信息量大的特征，另一个将对其进行学习和再训练。对我来说，这不是正确的结论，因为模型总是落后一步，对于现有的市场特征总是过时一步......同样的滚动滞后平均值...... mytarmailS 2017.10.20 13:01 #5095 交易员博士。有一种观点认为，为了训练一个分类模型，应该平衡类的数量，使 "1 "类的训练实例的数量与 "2 "类的训练实例的数量相吻合（并删除不必要的实例）。我看到对回归模型有类似的要求，但它更复杂--水平为 "0.001 "的例子数量应该等于水平为"-0.001 "的训练例子数量。 目标为0.002的例子的数量应该等于目标为-0.002的例子的数量，等等。下面是一个使这种平衡的脚本 在caret中，一切都已经实现了，不同类型的类对齐，不幸的是，我不记得这些函数是如何调用的，我很久以前就搞过了。 Maxim Dmitrievsky 2017.10.20 13:42 #5096 mytarmailS:在我看来，这个结论是错误的，因为这个模型总是落后一步，与当前的市场特征相比总是过时一步......同样的滑动滞后悲惨的平均数......是的，但不是......也就是说，比没有它好。 Dr. Trader 2017.10.20 13:44 #5097 埃利布留斯。 它本质上意味着什么？ 如果美元连续几个月上涨（有一个趋势），那么通过平滑训练实例的数量，我们将显示NS，就好像在这段时间内它是平的一样。而相应地，它也会把它学得很平。这是否正确？也许，我们还是应该把它教给潮流？如果价格随着新的数据开始下跌怎么办？该模型预计它将上升。在这种情况下，我使用的模型开始变得有点沉闷，并在交易中坐了很久，超额完成任务。 mytarmailS 2017.10.20 14:01 #5098 马克西姆-德米特里耶夫斯基。 是的，但是没有......我的意思是，它比没有它好。我能说什么呢，试试吧，分享你的经验，这才是有趣的阅读。我试着在每根柱子上重新训练模型...是的--该模型比静态模型的效果更好（一旦训练好了）。不 - 该模型不能被称为工作 p.s. 我希望你能做得更好 Maxim Dmitrievsky 2017.10.20 14:19 #5099 mytarmailS:我能说什么呢，试试吧，分享你的经验，这才是有趣的阅读。我试着在每根柱子上重新训练模型...是的--该模型比静态模型（一次性训练）效果更好。不 - 该模型不能被称为工作 p.s. 我希望你做得更好。我让模型完全不重新训练，并在优化器中调整某些参数，但有通过另一个模型不断拟合特征，总是给出相同的结果，但由于特征的变化期，它要么给出更多或更少的不同方向的信号，这取决于市场的情况。例如，小周期的预测器对平坦的市场有好处，但较长的预测器对趋势有好处。很明显，仍然有一个滞后，但问题是它有多关键。但由于一切都在一定时期内累积优化，我们获得了一种超级适应性的风格。好吧，简而言之，这是我的幻想，我完成后会告诉你 ) mytarmailS 2017.10.20 14:25 #5100 马克西姆-德米特里耶夫斯基。 我做的模型根本不是重新训练，而是在优化器中调整某些参数，但通过另一个模型不断地拟合特征，所以第一个模型会一直给出相同的结果，但由于特征的周期变化，它产生的不同方向的信号要么多，要么少，取决于市场。例如，小周期的预测器对平坦的市场有好处，但较长的预测器对趋势有好处。很明显，仍然有一个滞后。 问题是它有多严重。好吧，这些都是我的幻想，我完成后会给你看的 )你说的 "特征/预测器的时期 "是什么意思？) 1...503504505506507508509510511512513514515516517...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
执行了文章中的代码，第一次时一切正常。
R的版本是3.4.2，但我认为这没有多大关系。
我把R打开了......这一定是故障。
只是这里有些人在对价格进行分类。这是给他们的。
分类的类型是由老师决定的，你必须非常小心。
如果大师是趋势（趋势模式），应该有等量的（大致）上升和下降。 但不清楚哪里是横向的...而如果有横向的，就不清楚：什么是涨，什么是跌。趋势出现了僵局。
因此，最有希望的，也就是这里所讨论的，是预测价格上涨。但对于它和老师是不同的，不一样的是对于趋势。
顺便说一下，没有人在这里对价格进行分类。
如果你对时间序列预测 感兴趣，最好是阅读这些文章。
你的链接只有静止的时间序列？根据指数平滑法判断，是的。金融市场上没有静止的时间序列。
你提到的文章与预测无关--它是以分析形式对曲线进行的推断。如果有差距怎么办？如果有德拉吉之类的人呢？
通过最低RMSE对3个不同属性的自动取样期，可以看出，属性在市场中的重要性随着时间的推移有很大的变化，无论是绝对值 还是相对于其他属性。偶尔会有稳定的时期，即属性相同的时期，或略有不同，但总的来说，变化性很大。这只是一小段剪报。所有的预测因子都有一个固定的形式。
也就是说，用愚蠢的统计学术语来说，市场中恒定模式的无效假设没有被证实
结论：我们应该创建至少2个模型：一个将实时选择信息属性，另一个将对其进行学习和再训练。这需要一个系统，在这个系统中，改变特征会产生影响，即把整个事物作为一个整体的系统。
结论：我们需要做至少2个模型：一个将实时选择信息量大的特征，另一个将对其进行学习和再训练。
对我来说，这不是正确的结论，因为模型总是落后一步，对于现有的市场特征总是过时一步......同样的滚动滞后平均值......
有一种观点认为，为了训练一个分类模型，应该平衡类的数量，使 "1 "类的训练实例的数量与 "2 "类的训练实例的数量相吻合（并删除不必要的实例）。
我看到对回归模型有类似的要求，但它更复杂--水平为 "0.001 "的例子数量应该等于水平为"-0.001 "的训练例子数量。
目标为0.002的例子的数量应该等于目标为-0.002的例子的数量，等等。
下面是一个使这种平衡的脚本
在我看来，这个结论是错误的，因为这个模型总是落后一步，与当前的市场特征相比总是过时一步......同样的滑动滞后悲惨的平均数......
是的，但不是......也就是说，比没有它好。
它本质上意味着什么？
如果美元连续几个月上涨（有一个趋势），那么通过平滑训练实例的数量，我们将显示NS，就好像在这段时间内它是平的一样。而相应地，它也会把它学得很平。这是否正确？也许，我们还是应该把它教给潮流？
如果价格随着新的数据开始下跌怎么办？该模型预计它将上升。在这种情况下，我使用的模型开始变得有点沉闷，并在交易中坐了很久，超额完成任务。
是的，但是没有......我的意思是，它比没有它好。
我能说什么呢，试试吧，分享你的经验，这才是有趣的阅读。
我试着在每根柱子上重新训练模型...
是的--该模型比静态模型的效果更好（一旦训练好了）。
不 - 该模型不能被称为工作
p.s. 我希望你能做得更好我能说什么呢，试试吧，分享你的经验，这才是有趣的阅读。
我试着在每根柱子上重新训练模型...
是的--该模型比静态模型（一次性训练）效果更好。
不 - 该模型不能被称为工作
p.s. 我希望你做得更好。我让模型完全不重新训练，并在优化器中调整某些参数，但有通过另一个模型不断拟合特征，总是给出相同的结果，但由于特征的变化期，它要么给出更多或更少的不同方向的信号，这取决于市场的情况。例如，小周期的预测器对平坦的市场有好处，但较长的预测器对趋势有好处。很明显，仍然有一个滞后，但问题是它有多关键。但由于一切都在一定时期内累积优化，我们获得了一种超级适应性的风格。
好吧，简而言之，这是我的幻想，我完成后会告诉你 )
我做的模型根本不是重新训练，而是在优化器中调整某些参数，但通过另一个模型不断地拟合特征，所以第一个模型会一直给出相同的结果，但由于特征的周期变化，它产生的不同方向的信号要么多，要么少，取决于市场。例如，小周期的预测器对平坦的市场有好处，但较长的预测器对趋势有好处。很明显，仍然有一个滞后。 问题是它有多严重。
好吧，这些都是我的幻想，我完成后会给你看的 )
你说的 "特征/预测器的时期 "是什么意思？)