交易中的机器学习:理论、模型、实践和算法交易 - 页 55 1...484950515253545556575859606162...3399 新评论 Alexey Burnakov 2016.07.25 12:57 #541 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] 2016.07.25 13:07 #542 ***累了***会不会有一个国家? Yury Reshetov 2016.07.25 13:08 #543 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 2016.07.25 13:11 #544 Vadim Shishkin: 孩子,快离开这里。 [删除] 2016.07.25 13:13 #545 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 2016.07.25 13:21 #546 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 2016.07.25 13:21 #547 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] 2016.07.25 13:24 #548 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] 2016.07.25 13:28 #549 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 2016.07.25 13:36 #550 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。 1...484950515253545556575859606162...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
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。
***累了***
会不会有一个国家?
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。
孩子,快离开这里。
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。
***累了***
会不会有一个国家?
不,你必须更聪明,才能在很久以前理解它。有一个发展。
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。
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?:)