交易中的机器学习：理论、模型、实践和算法交易 - 页 55

[Alexey Burnakov]

Vadim Shishkin:

我再补充一下阴谋 -- 你不必投其所好，交易物品的汇率变化。

这就像拖着自己的头发走出沼泽。

也要寻找其他的数据来源。

愿利润与你同在!

:)

如果这是你的意思？嗯，这是一个美国的发现。我很乐意包括更多的信息，但除了价格历史之外，在这一卷中很难得到其他信息。

而用头发拖动是错误的。 数据包含信号。而且有足够的数量来支付成本并赚取利润。虽然在历史上，它已经被实际证实。而那些不能提取的人则用手鼓跳舞。我在玻璃方面有一些经验，但我还不确定是否能用它们做一些事情。

[[删除]]

***累了***

会不会有一个国家？

[Yury Reshetov]

Alexey Burnakov:

我建议从一个量化岗位（一个大型投资基金的高级量化师）开始，阅读一些关于建立交易系统的好笔记。这些想法在我看来是合理的。

...

你同意或不同意什么？你想更好地学习什么？

至少按日期严格划分为训练样本和测试样本，而不是在一般的样本中随机混入分布均匀的样本，然后再将其分成若干部分。可能发生的情况是，样本的一部分主要包含垂直趋势，而另一部分则包含横向趋势。如果我们应用随机混合，在样本的不同部分聚集类似模式的概率就会下降。

顺便说一下，MetaTrader的内置策略测试器 也存在这样的缺点，即它严格按照日期划分训练样本和预先测试。因此，接近分界线的市场趋势变化会导致故意的过度训练。

[TheXpert]

Vadim Shishkin:

孩子，快离开这里。

[[删除]]

组合器。
孩子，快离开这里。

是这样吗？除了无礼之外，你没有别的话可说，对吗？

[Dr. Trader]

Alexey Burnakov:

特别是，我喜欢这个人。

因此，你要严格区分样本内和样本外； - 严格区分训练集和验证 集

你对日期范围视而不见； - 准确地按日期分开数据（X日之前--训练，之后--验证）。

你使用蒙特卡洛来避免起点偏差； - 产生交易策略的几个结果，所以你不会得到一个适合的进入-退出点。

并尝试各种稳健性技巧。- 应用稳健性技术。

你还做了什么来确保你没有愚弄自己？

一切听起来都是对的（但我自己还没有尝试过所有的东西），除了第一个问题。在我看来，如果你严格使用一个训练数据集，并为它挑选预测器，你会得到这些预测器的过度拟合，而这些预测器在其他时间段可能不可靠。现在，在选择预测因子时，我每次在训练模型之前都会创建一个新的训练和验证样本。比起总是使用相同的训练和验证样本，重新创建3次样本并训练模型和获取平均准确率要好得多。

我喜欢关于蛋白质神经网络 的那篇 :) 。有时由于不幸的拓扑结构，它们确实产生了非常不充分的结果。

[Alexey Burnakov]

Vadim Shishkin:

***累了***

会不会有一个国家？

不，你必须比这更聪明，才能在很久以前意识到这一点。这里有发展。

[[删除]]

阿列克谢-伯纳科夫。
不，你必须更聪明，才能在很久以前理解它。有一个发展。

是的，你能告诉我哪一年的发展，以及你在哪里可以看到它的结果吗？:)

[[删除]]

Dr.Trader:

一切听起来都是对的（但我自己还没有尝试过所有的东西），除了第一个问题。在我看来，严格使用一个训练数据集并对其进行预测器拟合，会导致这些预测器过度拟合，而这些预测器在其他时间段可能无效。现在，在选择预测因子时，我每次在训练模型之前都会创建一个新的训练和验证样本。比起总是使用相同的训练和验证样本，重新创建3次样本并训练模型和获取平均准确率要好得多。

我喜欢关于蛋白质神经网络的那篇 :) 。有时由于不幸的拓扑结构，它们确实产生了非常不充分的结果。

是的，我真的想看看他们的成果。我有东西要展示。

你呢？

然而，这个问题似乎是反问句。

[Alexey Burnakov]

Vadim Shishkin:
是的。你能告诉我有多少年的发展，以及我在哪里可以看到成果？:)

几年了。这里的主题是结果。