交易中的机器学习：理论、模型、实践和算法交易 - 页 587 1...580581582583584585586587588589590591592593594...3399 新评论 СанСаныч Фоменко 2018.01.19 07:59 #5861 马克西姆-德米特里耶夫斯基。 不，这一切都归结为持续建立伪稳定系列，尽可能频繁地进行再训练......这基本上就是我正在做的事。或者建立线性/非线性过滤器......我的理解是，在此之前，你需要考虑预测因子对目标影响的动态变化，并尝试通过过滤器的系数来调整输出，这取决于环境的变化。嗯，一般来说没有什么。至少在这一章。有一次，我和Vladimir Perervenko 讨论了机器学习模型中的非平稳性问题。他使我相信，非平稳性问题与MO无关。由于我从未与NS打过交道，所以我没有反驳他意见的论据。此外，我有一个直观的理解，各种树和其他的树，除了NS，在非平稳的预测因素下都能正常工作。你的帖子和对你个人经验的提及说明了相反的情况，至少在NS方面应该考虑到非平稳的预测因素。如果这是真的，那么今天几乎有唯一的工具试图在非平稳序列上工作 - Garch模型。过滤器，对每一个酒吧进行再培训...不能解决非平稳性的问题--保证排水，它将滑过停止点......但问题仍然是关于其他模式，而且有很多。我没有证据表明必须 考虑到非平稳性。我所尝试的模型中的再训练总是由于噪声预测器造成的。请注意，对我来说，解决非平稳性和/或噪声预测器是机器学习的基石问题。解决这些问题的水平决定了建模误差的水平。应用模型本身的复杂性是可笑的，我没有考虑到。 Yuriy Asaulenko 2018.01.19 12:12 #5862 桑桑尼茨-弗门科。如果是这样的话，那么目前几乎只有一种工具可以尝试在非平稳序列上工作--这些是Garch模型。 ... Garch....拱桥...你说的是哪个政府？- 在R中按关键词有24个这样的archs，按包计算可能有12个。好和不同）。 Maxim Dmitrievsky 2018.01.19 12:40 #5863 桑桑尼茨-弗门科。我想说的是，目前还没有一个工具可以有效地预测也有个别情况--偶尔临时击中靶心，在一段时间内，你可以获得丰厚的利润或利用套利模式，平均化你和我正在做的事情--一个能够进行智能预测的系统...在理解各种市场过程和模式方面，这是一个科幻小说。）我的意思是，这是最疯狂的事情，人们来到这里，阅读，然后惊慌失措地奔跑，用无助的感觉来浇灭他们的悲伤 :) Yuriy Asaulenko 2018.01.19 12:48 #5864 马克西姆-德米特里耶夫斯基。我想说的是，目前还没有一种工具可以有效地预测有一些孤立的情况--偶尔的暂时性靶心命中，这时，你可以定期地赚取丰厚的利润。或利用套利模式，平均化你和我正在做的事情--一个可以进行智能预测的系统...我相信在理解各种过程和模型方面都是一个科幻小说:) 顺便说一下，有一次我教我的马什卡（不是简单的，而是金色的，我是说非标准的）进行预测。在一些时间系列中，大约70%的时间是惊人的，但在其余30%的时间里，我不在状态。但没有办法现实地使用它。 Aleksey Terentev 2018.01.19 13:20 #5865 用于在PyTorch中建立概率模型的库。 https://github.com/uber/pyro СанСаныч Фоменко 2018.01.19 13:53 #5866 尤里-阿索连科。 Garch....拱桥...你说的是哪个政府？- 这些关键词有24个R garch，可能有12个左右是按包计算的。好和不同）。加盟rugarch包：ARMA(1,1)；RealGARCH；Beveled t分布。大量的调整。 СанСаныч Фоменко 2018.01.19 13:57 #5867 马克西姆-德米特里耶夫斯基。我想说的是，目前还没有一种工具可以有效地预测也有个别情况--偶尔临时击中靶心，定期可以获得丰厚的利润或利用套利模式，平均化你和我正在做的事情--一个可以进行智能预测的系统...在理解各种市场过程和模式方面，这是一个科幻小说。）我的意思是这是最疯狂的，人们来到这里，阅读，然后惊慌失措地感到无助 :) 我感到无望。我必须休息一下，继续前进，从数据挖掘开始。 Yuriy Asaulenko 2018.01.19 14:39 #5868 桑桑尼茨-弗门科。 我感到无望。我应该休息一下，从Datamining开始往前走。我记得你有大约70%的充分预测。我写了上面的帖子。尤里-阿索连科。 我曾试图教我的MA（不是通常的，而是黄金，即非标准的）进行预测。我已经学会了用MA（不是普通的MA，即黄金或非标准的MA）进行预测。 对于一些时间序列的大约70%来说，它是很好的，但对于其他30%来说，我无法理解什么。但没有办法现实地使用它。嗯，70%的正确率根本不算什么。在那些70%正确进入交易的人中，至少有三分之一左右。这样，我们就有23%。这并不反对30%的错误预测（我们事先不知道它们是对还是错）。而错误的预测就像它在拐点（改变方向）的区域，而这些区域恰恰是最适合交易的。在此基础上，我认为进行预测是徒劳的，而是要进行分类。即确定某一时刻是否适合进行交易。如果我看一下模式，我得到的入口误差是20-40%，这是我在这个话题中早先给出的确切数字。 СанСаныч Фоменко 2018.01.19 14:58 #5869 尤里-阿索连科。现在，70%的人是正确的，这根本不算什么。在这70%的人中，大约有三分之一的人是正确的，可以进入交易。为什么是三分之一？所有70%。该预报的有效期为1小时。然后再来。预测是徒劳的，你应该进行分类。我什么都不明白。例如，在下午1点，预测器组合的条款来了，它说在接下来的一个小时内会有一个长，即直到下一个条款，直到下午2点。你怎么会有一个没有预测的分类呢？如果不是预测，为什么在金融市场上需要任何分类？ Yuriy Asaulenko 2018.01.19 15:03 #5870 桑桑尼茨-弗门科。没有预测，怎么会存在分类呢？如果不预测，你为什么还要在金融市场上进行分类？ 分类定义了一个时间点，在这个时间点上，交易只在统计学上有希望。它是，嗯，无论如何都不是一个预测。相反，它更像是模式识别。 1...580581582583584585586587588589590591592593594...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
不，这一切都归结为持续建立伪稳定系列，尽可能频繁地进行再训练......这基本上就是我正在做的事。
或者建立线性/非线性过滤器......我的理解是，在此之前，你需要考虑预测因子对目标影响的动态变化，并尝试通过过滤器的系数来调整输出，这取决于环境的变化。
嗯，一般来说没有什么。至少在这一章。
有一次，我和Vladimir Perervenko 讨论了机器学习模型中的非平稳性问题。
他使我相信，非平稳性问题与MO无关。由于我从未与NS打过交道，所以我没有反驳他意见的论据。此外，我有一个直观的理解，各种树和其他的树，除了NS，在非平稳的预测因素下都能正常工作。
你的帖子和对你个人经验的提及说明了相反的情况，至少在NS方面应该考虑到非平稳的预测因素。
如果这是真的，那么今天几乎有唯一的工具试图在非平稳序列上工作 - Garch模型。过滤器，对每一个酒吧进行再培训...不能解决非平稳性的问题--保证排水，它将滑过停止点......
但问题仍然是关于其他模式，而且有很多。我没有证据表明必须 考虑到非平稳性。我所尝试的模型中的再训练总是由于噪声预测器造成的。
请注意，对我来说，解决非平稳性和/或噪声预测器是机器学习的基石问题。解决这些问题的水平决定了建模误差的水平。应用模型本身的复杂性是可笑的，我没有考虑到。
如果是这样的话，那么目前几乎只有一种工具可以尝试在非平稳序列上工作--这些是Garch模型。 ...
我想说的是，目前还没有一个工具可以有效地预测
也有个别情况--偶尔临时击中靶心，在一段时间内，你可以获得丰厚的利润
或利用套利模式，平均化
你和我正在做的事情--一个能够进行智能预测的系统...在理解各种市场过程和模式方面，这是一个科幻小说。）
我的意思是，这是最疯狂的事情，人们来到这里，阅读，然后惊慌失措地奔跑，用无助的感觉来浇灭他们的悲伤 :)
我想说的是，目前还没有一种工具可以有效地预测
有一些孤立的情况--偶尔的暂时性靶心命中，这时，你可以定期地赚取丰厚的利润。
或利用套利模式，平均化
你和我正在做的事情--一个可以进行智能预测的系统...我相信在理解各种过程和模型方面都是一个科幻小说:)
https://github.com/uber/pyro
Garch....拱桥...你说的是哪个政府？- 这些关键词有24个R garch，可能有12个左右是按包计算的。好和不同）。
加盟
rugarch包：ARMA(1,1)；RealGARCH；Beveled t分布。大量的调整。
我想说的是，目前还没有一种工具可以有效地预测
也有个别情况--偶尔临时击中靶心，定期可以获得丰厚的利润
或利用套利模式，平均化
你和我正在做的事情--一个可以进行智能预测的系统...在理解各种市场过程和模式方面，这是一个科幻小说。）
我的意思是这是最疯狂的，人们来到这里，阅读，然后惊慌失措地感到无助 :)
我感到无望。我应该休息一下，从Datamining开始往前走。
我记得你有大约70%的充分预测。我写了上面的帖子。
我曾试图教我的MA（不是通常的，而是黄金，即非标准的）进行预测。我已经学会了用MA（不是普通的MA，即黄金或非标准的MA）进行预测。 对于一些时间序列的大约70%来说，它是很好的，但对于其他30%来说，我无法理解什么。但没有办法现实地使用它。
嗯，70%的正确率根本不算什么。在那些70%正确进入交易的人中，至少有三分之一左右。这样，我们就有23%。这并不反对30%的错误预测（我们事先不知道它们是对还是错）。而错误的预测就像它在拐点（改变方向）的区域，而这些区域恰恰是最适合交易的。
在此基础上，我认为进行预测是徒劳的，而是要进行分类。即确定某一时刻是否适合进行交易。如果我看一下模式，我得到的入口误差是20-40%，这是我在这个话题中早先给出的确切数字。
现在，70%的人是正确的，这根本不算什么。在这70%的人中，大约有三分之一的人是正确的，可以进入交易。
为什么是三分之一？
所有70%。该预报的有效期为1小时。然后再来。
预测是徒劳的，你应该进行分类。
我什么都不明白。
例如，在下午1点，预测器组合的条款来了，它说在接下来的一个小时内会有一个长，即直到下一个条款，直到下午2点。
你怎么会有一个没有预测的分类呢？如果不是预测，为什么在金融市场上需要任何分类？
没有预测，怎么会存在分类呢？如果不预测，你为什么还要在金融市场上进行分类？