交易中的机器学习：理论、模型、实践和算法交易 - 页 735

[Yuriy Asaulenko]

尼古拉-盖里斯。

这就是为什么我要求提供配方...

如果你想用NS工作，就去找一个正常的专业软件，或者不要理会这些MQL的假货--它不会有任何好处。

[[删除]]

可能是这个

[Maxim Dmitrievsky]

[Maxim Dmitrievsky]

尼古拉-盖里斯。

可能是这个。

有一篇关于这个问题的文章，如何写一个神经元，是的，就像这样......搜索工作

不要听阿索伦科的，他在这里受够了他的模式，不清楚他为什么还要来这个论坛，今天他被禁言就不错了，这个无奈的书呆子

[Maxim Dmitrievsky]

这很有趣 :)

https://smart-lab.ru/blog/456953.php

[Mihail Marchukajtes]

悄悄地在石板上种下我的 悠悠地.....

我稍后会对你进行评论...现在没有时间...

[Mihail Marchukajtes]

它是 这样的。

哦，伙计，迈克尔......，你怎么会不明白呢，我们已经解释过了，并对你进行了嘲弄，从情感上激励你进化，但你就像一块石头一样！你怎么会不明白？如果你把某种圣杯卖给一个傻瓜，这就说得通了，但你似乎不是这样，所以这很奇怪，不合理。 你不能用40个观察值来描述整个市场，更何况是3个星期，这就像用40个像素来描述成千上万人的脸，比如说拿一张弗拉基米尔-列宁的照片，从里面抽出任何你想要的东西，使用任何数据的转换~40个点，试着在里面认出无产阶级的领袖）））。而整个市场不是只有一张照片，它的容量是数百倍的。不要这么自我陶醉和 "一厢情愿"。

你的问题是，你试图描述整个市场。根据我的理解，每个酒吧...现在让我们一起做数学题。

两周的15M TF是1920条。如果你描述的是巨大的市场，那么你需要将1920条输入到净输入中，等等。

TF 15M信号购买40件（大约）。为了用我的TS描述这两周，我只需要应用40个值进行训练，这样网络就可以学习这两周，因为我不分析整个市场，我只分析它的反转时刻。基本的TS是反趋势的。也就是说，它确定了可能出现市场逆转的领域。而分析正是在这一点上进行的。这大大减少了训练期间的样本数量，但同时也涵盖了相同的时间间隔（2周）。

正如我之前所说，我不能增加训练样本，因为我使用的数据不允许我这样做。如果输入的数据更好，我会对100和1000进行训练。BUT BUT并不那么重要，重要的是最终的结果，所以......。

[Mihail Marchukajtes]

这张照片显示了培训和EOC部分。

这里只是从2018年1月31日开始的培训部分 为了更容易看到

这里是2018年5月3日星期一的部分，TC是相同的...

[Mihail Marchukajtes]

而所有这些都是这两个婴儿的工作，它们在正确的数据上进行了训练，并在相对于输入的最大VI处进行了选择。

double getBinaryClassificator1A(double v0, double v1, double v2, double v3, double v4) {
   double x0 = 2.0 * (v0 + 2748.0) / 2951.0 - 1.0;
   double x1 = 2.0 * (v1 + 83.09069) / 154.45321 - 1.0;
   double x2 = 2.0 * (v2 + 71.06971) / 147.16595 - 1.0;
   double x3 = 2.0 * (v3 + 94.29885) / 172.688 - 1.0;
   double x4 = 2.0 * (v4 + 70.91128) / 154.99767 - 1.0;
   double decision = 0.07032014810363377 * x1 * x3
  -0.2709385389305134 * sigmoid(x0 + x1)
  + 0.4766552616529839 * sigmoid(x1 + x2)
  -0.02475017204446986 * sigmoid(x3)
  + 0.6522278547266189 * sigmoid(x4)
  -0.4251146155411889 * sigmoid(x0 + x4)
  + 0.3491339620629828 * sigmoid(x1 + x4)
  -0.11995134291612954 * sigmoid(x0 + x1 + x3 + x4)
  -0.5414699867210747 * sigmoid(x2 + x3 + x4)
  -0.15299357377557646 * sigmoid(x1 + x2 + x3 + x4)
  + 0.3477721452733811 * sigmoid(1.0 + x2 + x3)
  -0.2667852400383829 * sigmoid(1.0 + x0 + x2 + x4)
  + 0.35137296333271945 * sigmoid(1.0 + x1 + x2 + x4)
  + 0.5545211348150159 * sigmoid(1.0 + x1 + x2 + x3 + x4);
   return decision;
}

double getBinaryClassificator2A(double v0, double v1, double v2, double v3, double v4) {
   double x0 = 2.0 * (v0 + 1543.0) / 2763.0 - 1.0;
   double x1 = 2.0 * (v1 + 83.27445) / 157.86037 - 1.0;
   double x2 = 2.0 * (v2 + 96.96413) / 167.20560999999998 - 1.0;
   double x3 = 2.0 * (v3 + 76.54987) / 162.84452 - 1.0;
   double x4 = 2.0 * (v4 + 70.10687) / 136.14457 - 1.0;
   double decision = -1.4629648549243972 * x2 * x3
  -0.24382747582073286 * x2 * x4
  -0.16956988148753577 * sigmoid(x0)
  -0.09466097943059529 * sigmoid(x1)
  + 0.09458009807928075 * sigmoid(x2)
  + 0.5855852404304591 * sigmoid(x1 + x2)
  + 0.5480350088543795 * sigmoid(x3)
  + 0.030113404168369433 * sigmoid(x1 + x3)
  -0.146080234300504 * sigmoid(x4)
  + 0.26372003133088134 * sigmoid(x1 + x3 + x4)
  -0.40493035689960494 * sigmoid(x0 + x2 + x3 + x4);
   return decision;
}

问题：谁对这些模型的性能不满意？

[Mihail Marchukajtes]

看看结果，我对自己的市场方法绝对有信心。

感谢R的帮助，它使TS的工作好了很多倍.....。

这种方法很耗时，有很多东西要记住，以免犯错，从而从根本上改变结果，但总的来说我很满意，我希望你也能做到这一点....。

现在我开始写一篇关于BW的文章+也会有一段视频，所以不要错过。当它被出版时，我一定会在这个话题中告诉你....。好运!!!!