交易中的机器学习:理论、模型、实践和算法交易 - 页 714 1...707708709710711712713714715716717718719720721...3399 新评论 Alexander_K2 2018.02.23 09:14 #7131 Renat Akhtyamov: 将是是否有办法将这个MA输入神经网络进行分析,或者说没有意义?再一次,每个人都有自己的圣杯,来之不易,令人垂涎。如果你发现了它,就使用它。为什么要把它贴在不需要的地方? 这里只有一个放牧人--我。 Renat Akhtyamov 2018.02.23 09:16 #7132 Alexander_K2: 再一次,每个人都有自己的圣杯,来之不易,令人垂涎。如果你发现了它,就使用它。为什么要把它贴在不属于它的地方?这里只有一个圣杯分配器--我。亚历山大,每个人的终端都已经有一个圣杯,我已经给他们看了。 问题是谁以及能从中挤出多少钱。 Alexander_K2 2018.02.23 13:19 #7133 AUDCAD的tick报价强度(右侧图表)。 观察窗口=8小时,读取频率=2秒。 在找到一个知道如何与强度合作的人之前,任何神经网络都不会预测。 Mihail Marchukajtes 2018.02.24 06:41 #7134 预测和分类不是交易。即使有令人满意的训练数据,将其全部带入交易中也不容易。这就是理论和实践之间的区别......。 Forester 2018.02.24 13:58 #7135 这条线的作者在他的博客中描述了一个实验,他是提前18个点预测的。而对于每一个人,他都通过一个单独的系统(我想是来自gbm的森林)进行了单独的预测。 由一个系统(森林/NS)一次性预测所有产出不是更好吗? 我知道要有18个输出,你还应该在隐蔽层有一堆神经元,而且计算时间会很长。但要计算18个独立的系统,可能会更久? 顺便说一下,他消失在哪里? Maxim Dmitrievsky 2018.02.24 14:09 #7136 elibrarius。这条线的作者在他的博客中描述了一个实验,他是提前18个点预测的。而对于每一个人,他都用单独的MO系统做了一个单独的预测(我想是来自gbm)。 用一个系统(森林/NS)一次性预测所有产出不是更好吗? 我知道,有18个输出,我们必须在隐蔽层有很多神经元,计算时间会很长。但要计算18个单独的系统,可能会更久? 顺便说一下,他消失在哪里?我在那里看到了他的现场监控,产量很低,但似乎很有效。 总而言之,没有什么是非常有趣的。 Forester 2018.02.24 14:19 #7137 马克西姆-德米特里耶夫斯基。他在那里的某个地方有一个活的监视器,产量很低,但似乎是在工作。 没什么意思 嗯,这个博客非常有趣... 问题是--"由一个系统(森林/NS)同时预测所有产出不是更好吗?" 而一般来说,由一个系统计算N个输出和N个系统各1个输出有什么利弊。 pantural 2018.02.24 14:19 #7138 Mihail Marchukajtes: 预测和分类不是交易。即使你得到满意的训练数据,也不容易进行交易。这就是理论和实践之间的区别。正如我和其他几个参与者不止一次地重复,但每个人的注意力都集中在下一个图形库(包、参数配置)上,就像以前在JMA风格的另一个奇迹-工业上一样,等等。 那些手没有长出来的...他们早就明白,1分钟的预测准确率不可能高于55%,而通常是52-53%,与(收盘-开盘)下一根蜡烛的相关性约为0.05(R^2=0.0025),此外,这种预测是非常嘈杂的,而平均化破坏了所有的优势,但这是现实,是必须要适应的事实。我个人还不知道如何()()没有放的策略出来。 Maxim Dmitrievsky 2018.02.24 14:24 #7139 elibrarius。 嗯,这个博客非常有趣... 问题是 "用一个系统(森林/NS)一次性预测所有产出不是更好吗?" 而一般来说,由一个系统计算N个输出和N个系统各1个输出有什么利弊。嗯,这没有意义,因为NS应该在多维空间中很好地工作,并划分为任何数量的类。 Maxim Dmitrievsky 2018.02.24 14:42 #7140 最好不要把任何东西划分为等级和标签 这样一来,学习过程会更正确,但更难实施。 Q-learning规则 https://www.youtube.com/watch?time_continue=1685&v=ZkZQwKizgLM 我可以为感兴趣的人下载更多的培训视频和python的例子 1...707708709710711712713714715716717718719720721...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
将是
是否有办法将这个MA输入神经网络进行分析,或者说没有意义?
再一次,每个人都有自己的圣杯,来之不易,令人垂涎。如果你发现了它,就使用它。为什么要把它贴在不需要的地方?
这里只有一个放牧人--我。
再一次,每个人都有自己的圣杯,来之不易,令人垂涎。如果你发现了它,就使用它。为什么要把它贴在不属于它的地方?
这里只有一个圣杯分配器--我。
亚历山大,每个人的终端都已经有一个圣杯,我已经给他们看了。
问题是谁以及能从中挤出多少钱。
AUDCAD的tick报价强度(右侧图表)。
观察窗口=8小时,读取频率=2秒。
在找到一个知道如何与强度合作的人之前,任何神经网络都不会预测。
这条线的作者在他的博客中描述了一个实验,他是提前18个点预测的。而对于每一个人,他都通过一个单独的系统(我想是来自gbm的森林)进行了单独的预测。
由一个系统(森林/NS)一次性预测所有产出不是更好吗?
顺便说一下,他消失在哪里?我知道要有18个输出,你还应该在隐蔽层有一堆神经元,而且计算时间会很长。但要计算18个独立的系统,可能会更久?
这条线的作者在他的博客中描述了一个实验,他是提前18个点预测的。而对于每一个人,他都用单独的MO系统做了一个单独的预测(我想是来自gbm)。
用一个系统(森林/NS)一次性预测所有产出不是更好吗?
顺便说一下,他消失在哪里?我知道,有18个输出,我们必须在隐蔽层有很多神经元,计算时间会很长。但要计算18个单独的系统,可能会更久?
我在那里看到了他的现场监控,产量很低,但似乎很有效。
总而言之,没有什么是非常有趣的。
他在那里的某个地方有一个活的监视器,产量很低,但似乎是在工作。
没什么意思
问题是--"由一个系统(森林/NS)同时预测所有产出不是更好吗?"
而一般来说,由一个系统计算N个输出和N个系统各1个输出有什么利弊。
预测和分类不是交易。即使你得到满意的训练数据,也不容易进行交易。这就是理论和实践之间的区别。
正如我和其他几个参与者不止一次地重复,但每个人的注意力都集中在下一个图形库(包、参数配置)上,就像以前在JMA风格的另一个奇迹-工业上一样,等等。
那些手没有长出来的...他们早就明白,1分钟的预测准确率不可能高于55%,而通常是52-53%,与(收盘-开盘)下一根蜡烛的相关性约为0.05(R^2=0.0025),此外,这种预测是非常嘈杂的,而平均化破坏了所有的优势,但这是现实,是必须要适应的事实。我个人还不知道如何()()没有放的策略出来。
嗯,这个博客非常有趣...
问题是 "用一个系统(森林/NS)一次性预测所有产出不是更好吗?"
而一般来说,由一个系统计算N个输出和N个系统各1个输出有什么利弊。
嗯,这没有意义,因为NS应该在多维空间中很好地工作,并划分为任何数量的类。
最好不要把任何东西划分为等级和标签
这样一来,学习过程会更正确,但更难实施。
Q-learning规则
https://www.youtube.com/watch?time_continue=1685&v=ZkZQwKizgLM
我可以为感兴趣的人下载更多的培训视频和python的例子