交易中的机器学习:理论、模型、实践和算法交易 - 页 588 1...581582583584585586587588589590591592593594595...3399 新评论 Maxim Dmitrievsky 2018.01.19 15:05 #5871 尤里-阿索连科。我记得你有大约70%的充分预测。我写了上面的帖子。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。使用模型,你会得到20-40%的入口误差 更确切的数字,我在这个主题的早期给出。分类是对类别成员资格的预测,或成员资格的概率。它与回归的效果相同,你也可以从中提取成员资格。 Dr. Trader 2018.01.19 15:06 #5872 桑桑尼茨-弗门科。他让我相信,非平稳性问题与MO无关。由于我从未与NS打过交道,我没有任何论据来反驳他的观点。此外,还有一个直观的认识,即除NS外,各种树和其他树在非稳态预测因素下都能完美地工作。我依靠的公理是,价格行为有一些规律性,它是一个非马尔科夫过程。而我试图用MO来找到它们。各种模型确实可以将小麦从谷壳中分离出来,并在主要由噪音和交易中心有意扭曲的价格流中找到规律。 问题是要找到这样的参数来训练模型(对于神经元来说--权重的数量、学习速度等;对于森林来说--例如树的数量),使模型不会只是记住最初的例子,在克服了非平稳性之后,它会在所有的噪音中找到一些稳定的模式。我通过多次交叉验证为模型训练找到好的参数。 因此,我的模型在训练和新数据上都显示出一个非常小但积极的结果(R2 ~0.003)。但我还没有打过差价。 Yuriy Asaulenko 2018.01.19 15:13 #5873 交易员博士。我依靠的公理是,价格的行为有永久的模式,它是一个非马尔科夫过程。而我试图用MO来找到它们。各种模型可以将麦子从谷壳中分离出来,并在主要由噪音和交易中心有意扭曲的价格流中找到模式。 问题是要找到这样的参数来训练模型(对于神经元来说--权重的数量、学习速度等;对于森林来说--例如树的数量),使模型不会只是记住最初的例子,在克服了非平稳性之后,它会在所有的噪音中找到一些稳定的模式。我通过多次交叉验证为模型训练找到好的参数。 因此,该模型在训练和新数据上都显示出一个非常小但积极的结果(R2 ~0.003)。但我还没有打过差价。我也没有赢过,到目前为止还没有光。但该系统对FORTS起作用。SanSanych预测提前一小时。他并不关心这种传播)。 Vladimir Perervenko 2018.01.19 15:22 #5874 对于分类问题,不存在非平稳性问题。它对回归问题是真实的。不要混淆预报和预测。预报和预测是不同的事情。预测的结果是一个带有置信区间 的数值。分类预测实例属于哪一类,实例属于该类的概率,或对该实例属于该类的假设的支持。祝好运 Maxim Dmitrievsky 2018.01.19 15:28 #5875 弗拉基米尔-佩雷文科。对于分类问题,不存在非平稳性问题。它 对回归问题是真实的。不要混淆预报和预测。预报和预测是不同的事情。预测的结果是一个带有置信区间 的数值。分类预测实例属于哪一类,实例属于该类的概率,或对该实例属于该类的假设的支持。祝好运我在哪里可以读到这些废话呢?:) Vladimir Perervenko 2018.01.19 15:38 #5876 马克西姆-德米特里耶夫斯基。 你的意思是,我在哪里可以读到这些无稽之谈?:) 在你看来什么是荒谬的? Maxim Dmitrievsky 2018.01.19 15:43 #5877 弗拉基米尔-佩雷文科。 在你看来什么是荒谬的?由于非稳态性,预测者/目标和类别预测之间的模式将打破,就像在预测的情况下一样。 Vladimir Perervenko 2018.01.19 15:49 #5878 马克西姆-德米特里耶夫斯基。 由于非稳态性,预测者/目标和类别预测之间的模式将打破,就像在预测的情况下一样。你能给我看一个例子吗?还是说这是一个猜测性的结论?在众多关于使用NN/DNN进行分类的文献中,没有一处提到非平稳性是一个影响因素。我的无数次实验告诉我同样的事情。当然,你可以自由地对此事有自己的看法。祝好运 Maxim Dmitrievsky 2018.01.19 15:51 #5879 弗拉基米尔-佩雷文科。你能给我看一个例子吗?还是说这是一个猜测性的结论?在众多关于使用NN/DNN进行分类的文献中,没有一处提到非平稳性是一个影响因素。我的无数次实验告诉我同样的事情。当然,你可以自由地对此事有自己的看法。祝好运而分类或回归...有什么区别? Vladimir Perervenko 2018.01.19 15:53 #5880 有一本关于深度学习的新鲜好书。不幸的是,我不能公开链接到它,它在Rutracker.org上。深度学习出版年份: 2018作者: Nikolenko S. I., Kadurin A.A., Arkhangelskaya E.O.种类或主题:神经网络出版商:Peter系列:程序员图书馆ISBN:978-5-496-02536-2语言:俄语格式: PDF质量: 识别出有错误的文本 (OCR)交互式目录: 无页数: 479 Machine learning in trading: 1...581582583584585586587588589590591592593594595...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
我记得你有大约70%的充分预测。我写了上面的帖子。
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。使用模型,你会得到20-40%的入口误差 更确切的数字,我在这个主题的早期给出。
分类是对类别成员资格的预测,或成员资格的概率。
它与回归的效果相同,你也可以从中提取成员资格。
他让我相信,非平稳性问题与MO无关。由于我从未与NS打过交道,我没有任何论据来反驳他的观点。此外,还有一个直观的认识,即除NS外,各种树和其他树在非稳态预测因素下都能完美地工作。
我依靠的公理是,价格行为有一些规律性,它是一个非马尔科夫过程。而我试图用MO来找到它们。
各种模型确实可以将小麦从谷壳中分离出来,并在主要由噪音和交易中心有意扭曲的价格流中找到规律。
问题是要找到这样的参数来训练模型(对于神经元来说--权重的数量、学习速度等;对于森林来说--例如树的数量),使模型不会只是记住最初的例子,在克服了非平稳性之后,它会在所有的噪音中找到一些稳定的模式。我通过多次交叉验证为模型训练找到好的参数。
因此,我的模型在训练和新数据上都显示出一个非常小但积极的结果(R2 ~0.003)。但我还没有打过差价。
我依靠的公理是,价格的行为有永久的模式,它是一个非马尔科夫过程。而我试图用MO来找到它们。
各种模型可以将麦子从谷壳中分离出来,并在主要由噪音和交易中心有意扭曲的价格流中找到模式。
问题是要找到这样的参数来训练模型(对于神经元来说--权重的数量、学习速度等;对于森林来说--例如树的数量),使模型不会只是记住最初的例子,在克服了非平稳性之后,它会在所有的噪音中找到一些稳定的模式。我通过多次交叉验证为模型训练找到好的参数。
因此,该模型在训练和新数据上都显示出一个非常小但积极的结果(R2 ~0.003)。但我还没有打过差价。
我也没有赢过,到目前为止还没有光。但该系统对FORTS起作用。
SanSanych预测提前一小时。他并不关心这种传播)。
对于分类问题,不存在非平稳性问题。它对回归问题是真实的。
不要混淆预报和预测。预报和预测是不同的事情。预测的结果是一个带有置信区间 的数值。分类预测实例属于哪一类,实例属于该类的概率,或对该实例属于该类的假设的支持。
祝好运
对于分类问题,不存在非平稳性问题。它 对回归问题是真实的。
不要混淆预报和预测。预报和预测是不同的事情。预测的结果是一个带有置信区间 的数值。分类预测实例属于哪一类,实例属于该类的概率,或对该实例属于该类的假设的支持。
祝好运
我在哪里可以读到这些废话呢?:)
你的意思是,我在哪里可以读到这些无稽之谈?:)
在你看来什么是荒谬的?
由于非稳态性,预测者/目标和类别预测之间的模式将打破,就像在预测的情况下一样。
由于非稳态性,预测者/目标和类别预测之间的模式将打破,就像在预测的情况下一样。
你能给我看一个例子吗?还是说这是一个猜测性的结论?
在众多关于使用NN/DNN进行分类的文献中,没有一处提到非平稳性是一个影响因素。我的无数次实验告诉我同样的事情。
当然,你可以自由地对此事有自己的看法。
祝好运
你能给我看一个例子吗?还是说这是一个猜测性的结论?
在众多关于使用NN/DNN进行分类的文献中,没有一处提到非平稳性是一个影响因素。我的无数次实验告诉我同样的事情。
当然,你可以自由地对此事有自己的看法。
祝好运
而分类或回归...有什么区别?
有一本关于深度学习的新鲜好书。不幸的是,我不能公开链接到它,它在Rutracker.org上。
深度学习
出版年份: 2018
作者: Nikolenko S. I., Kadurin A.A., Arkhangelskaya E.O.
种类或主题:神经网络
出版商:Peter
系列:程序员图书馆
ISBN:978-5-496-02536-2
语言:俄语
格式: PDF
质量: 识别出有错误的文本 (OCR)
交互式目录: 无
页数: 479