交易中的机器学习：理论、模型、实践和算法交易 - 页 714

新评论
 
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。

 
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。

 

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。

 
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......。
 

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？
 
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。

 
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。
 
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。

 
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。

 

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