交易中的机器学习:理论、模型、实践和算法交易 - 页 677

 
尤里-阿索连科

你的NS中使用的神经元的最大数量是多少?国家安全局的结构是什么?

我不记得了,最多100个神经元,最多。最里面的2层。

然后我改用脚手架,忘记了等待NS的学习,因为这样我有时间检查很多TC变体

MLP和RDF的能力完全相同

 

我们再一次谈到了预测问题。

我还是不明白为什么你们都对预测如此着迷?这有什么意义?

我的NS纯粹是关注分类--只是寻找一个统计学上合适的时刻,有利的条件进行交易。

该交易是否会成功,交易中有什么样的利润(如果有的话)--这都是未知数,所有这一切仍在幕后。就像--他不知道恐惧,不知道责备,他根本不知道什么。(с)

据统计,NS在60-80%的时间里都能正确识别出一个好的交易。就是利润>0的交易,包括佣金等等。

我已经写了第十次了,我甚至在某个地方引用了具体的数字。我现在可能不应该这样做)。

 
尤里-阿索连科

既然我们再次谈到了预测问题。

我还是不明白为什么你们都对预测如此着迷?这有什么意义?

我的NS纯粹是关注分类--只是寻找一个统计学上合适的时刻,有利的条件进行交易。

该交易是否会成功,交易中有什么样的利润(如果有的话)--这都是未知数,所有这一切仍在幕后。就像--他不知道恐惧,不知道责备,他根本不知道什么。(с)

据统计,NS在60-80%的时间里都能正确识别出一个好的交易。就是利润>0的交易,包括佣金等等。

我已经写了第十次了,我甚至在某个地方引用了具体的数字。也许,我现在不应该这样做)。

尤里,难道你们都不明白,预测和预报是一体的,在两种情况下都可以得到概率?

 
马克西姆-德米特里耶夫斯基

尤里,难道你们都不明白,预测和预报是同一件事,而且你可以从两个方面提取概率

我不明白)。你们都想知道T时间的价格是多少,我不关心价格会是多少。

最初,NS的目的是用教导式逻辑取代通常TS中的逻辑,以摆脱无休止的If-else和< >以及大量条件的思考。而NS中的逻辑被证明是更有效的,因为它自己搜索这些条件集。

这里的预测在哪里?只是统计数字,仅此而已。

 
尤里-阿索连科

我不明白)。你们都想知道未来T时间的价格是多少,我不关心价格是多少。

最初,NS的目的是用教导式逻辑取代通常的TS逻辑,以摆脱无休止的If-else和< >以及大量的条件思考。 而NS逻辑被证明是更有效的,因为它自己就能搜索到这些条件。

这里的预测在哪里呢?只有统计数字,没有别的。

我们想知道当前价格和预测价格之间的差异

在回归的情况下,它是绝对值,而在分类的情况下,它是类。

 
马克西姆-德米特里耶夫斯基

我们想知道当前价格和预测价格之间的差异

在回归的情况下,是绝对值,在分类的情况下,是分类类的绝对值

我知道你想要什么)。对不起,你是对未来的价格感兴趣还是对成功的交易感兴趣?我对交易感兴趣,我只是在寻找潜在的交易项目。而价格将去它将去的地方。而这是通过贸易后续行动来监测的。

好吧,我们就这样吧。这不是我们第一次谈论这个问题了。
 
尤里-阿索连科

我知道你想要什么)。对不起,你对未来的价格或成功的交易感兴趣吗?我对交易感兴趣,我只是在寻找潜在的交易项目。而价格将去它将去的地方。从那里,它受到交易追随者的监督。

就这样吧。这不是我们第一次谈论这个问题了。

潜在的进入点总是预测,而不是其他。

如果什么都不预测,例如某个类别的概率,那么就根本不需要NS。

在每笔交易开始前,NS都会发布一个预测,不管是什么......等级或价格

还能怎么写呢 :)

 
马克西姆-德米特里耶夫斯基

潜在的交易条目始终是预测,而不是其他。

如果什么都不预测,例如某个类别的概率,那么就根本不需要NS。

在每次交易前,NS都会发布一个预测,不管是什么......等级或价格

还能怎么写呢 :)

我真的不需要NS))。你可以用逻辑来做,但NS允许你更有效地做,与形式化程序相处,而不是发展复杂的逻辑。NS只是一个解决特定问题的工具,仅此而已。这正是海金所写的内容。

 
阿列克谢-特伦特夫


而一般来说,你们谈论的是同一枚硬币,只是你们无法相信另一面的存在。=)

)))所以,没有其他的一面!不!每个人都在谈论它,寻找它,但还没有人展示它)。一般来说,最大的问题是--市场在原则上可以预测吗? 甚至没有答案。你只能相信或不相信它。

马克西姆说出了我的系统所预测的一切。不,它说明了输入集合属于A类或B类的事实,没有说更多。

 
尤里-阿索连科

)))所以,没有其他方面!"。不!每个人都在谈论它,寻找它,但还没有人展示它)。一般来说,最大的问题是--市场在原则上可以预测吗? 甚至没有答案。你只能相信或不相信它。

马克西姆说出了我的系统所预测的一切。不,它说明了输入集合属于A类或B类的事实,仅此而已。

它不知道这个信号到底应该属于哪一类,因为未来不知道,所以它预测属于某一类的概率为60-80%。