交易中的机器学习：理论、模型、实践和算法交易 - 页 737 1...730731732733734735736737738739740741742743744...3399 新评论 Mihail Marchukajtes 2018.03.10 15:23 #7361 马克西姆-德米特里耶夫斯基。 这与此无关，他们只是告诉你你做错了什么，而且没有鱼。你需要更加灵活地吸收信息，改变范式，动摇世界的图景等等。看...这些模型已经工作了一个星期...没有动过一个手指头，并计划让它们再运行一两个星期......。让我们看看.... 是的，他们接受的培训不超过40个例子......。无论它是对是错，我不知道，但它使人获利....。不管是以正确的方式还是错误的方式制作，都不关任何人的事。重要的是最终结果和点.....。 Mihail Marchukajtes 2018.03.10 15:25 #7362 如果我对随机指数有所帮助，那么BO策略就不会花很长时间就能生效。在没有随机性的情况下，平均10个中有6-7个与他们在一起10%，这对BOO....，是一个相当体面的增长。 Wizard2018 2018.03.10 17:14 #7363 Mihail Marchukajtes:...不管是以正确的方式还是以错误的方式获得，都不重要。重要的是最终结果和点.....。你不能反驳这一点。 Ivan Negreshniy 2018.03.10 23:04 #7364 有毒。股票曲线要足够长，至少要有一千次交易，如果我们用夏普比率而不是无回报，大家都会同意。10次交易甚至100次的利润低于缩水，对于拆分存款的人来说是不严肃的。我认为，即使是这样的变体，也不会免于随机性和伪造。理想情况下，为了测试机器学习方法，你应该为交易者提供一个简单易行的工具，让他们自己生成模型，并对其进行前瞻性测试。 Mihail Marchukajtes 2018.03.11 00:43 #7365 没有 耽搁。股票曲线又应该足够长，至少有一千次交易，如果你看夏普比率，而不是没有回报，那么每个人都会同意，如果10次交易甚至100次，利润低于缩水是不严重的，这些是那些 "提高存款 "的人。这些数字是怎么来的？1,000个交易。你必须明白，没有圣杯。市场太不稳定了，当我看到1000次交易的数值时，我明白这是最接近不存在的东西（圣杯），为什么你不喜欢100次交易的统计数据？这里有一个例子...是的，我已经发布了它。该模型在40个点上进行了训练，为80个点工作。你说这个曲球的统计数字很糟糕是什么意思????没有足够的利润？你对TS是不是有点过于热心了，Toxic?????。 更不用说我们在训练后立即了解到模型的质量，我们不需要再分配一个小型的OOS图来观察它的工作情况。这是在我们得到训练过的模型的指标之后才知道的。也就是说，我们训练了几个模型，计算了它们的指标，选择了一个性能最好的模型，然后直接投入战斗，没有拖延。 Mihail Marchukajtes 2018.03.11 00:58 #7366 模式的选择非常简单。如果一个输出变量的零和一的数量相等，这样的变量的熵通常是0.7，如果取整。这意味着产出的不确定性相当高。上面的帖子中显示的模型，其OI为0.87。这是两个多项式的VI之和。而这一切都在训练的情节上。那是在该模式投入使用之前。得到这个值后，我立即明白它是正确的，因为所有其他基于相同训练文件的模型不是0.7就是接近这个值。顺便说一下，在反馈回路的同一部位的这种模型大约是零，以及结果为0.6和更低的模型。这些合并了。 因此，我得出结论。一个工作模型是一个模型，其与输出的互信息（MI）大于输出熵本身。输出的不确定性为0.7，模型结果的VI为0.87。也就是说，模型对输出的了解比输出本身的不确定性更多。那么你在40个值上训练的模型将比训练间隔时间长得多。总之，我推断出的正是这个事实..... 而如果UI超过了统一，或在0.95的范围内略低，则是过度训练的一个明显迹象。我操纵了数据并有目的地重新训练了模型。因此，所有的VI都大于统一。这里有一个事实和一个想法给你.... СанСаныч Фоменко 2018.03.11 07:03 #7367 Mihail Marchukajtes:模式的选择非常简单。如果一个输出变量的零和一的数量相等，这样的变量的熵如果四舍五入，通常是0.7。这意味着产出的不确定性相当高。上面的帖子中显示的模型，其OI为0.87。这是两个多项式的VI之和。而这一切都在训练的情节上。那是在该模式投入使用之前。得到这个值后，我立即明白它是正确的，因为所有其他基于相同训练文件的模型不是0.7就是接近这个值。顺便说一下，在反馈回路的同一部位的这种模型大约是零，以及结果为0.6和更低的模型。这些合并了。 因此，我得出结论。一个工作模型是一个模型，其与输出的互信息（MI）大于输出熵本身。输出的不确定性为0.7，模型结果的VI为0.87。也就是说，模型对输出的了解比输出本身的不确定性更多。那么你在40个值上训练的模型将比训练间隔时间长很多。总之，我推断出的正是这个事实..... 而如果UI超过了统一，或在0.95的范围内略低，则是过度训练的一个明显迹象。我操纵了数据并有目的地重新训练了模型。因此，所有的VI都大于统一。这里有一个事实和一个想法给你....现在这一切都归结为输出（教师）。是利润？ 缩减？利润因素还是其他？ Mihail Marchukajtes 2018.03.11 08:27 #7368 桑桑尼茨-弗门科。现在这一切都归结于出口（教师）。是利润？ 缩水？利润系数？还是其他？我按信号利润因素做了几个输出变量。从-40 -20 0 20 40 60 80。这使我能够挑选一个在最大样本上有最大数量的重要变量的数据集。而这将是一个多么大的退出，即使是-40点的利润。我知道，我将努力获得比形成信号的条形收盘价更好的40点......这是一种适应性退出的形式。至少对我来说，.... СанСаныч Фоменко 2018.03.11 09:55 #7369 以下 是一些主要的弊端。至于权益曲线，它应该足够长，至少有一千次交易，如果我们看夏普比率而不是无回报，那么每个人都会同意。对于那些 "升级存款 "的人来说，10次交易甚至100次利润小于缩水的交易是不严肃的。他对目标和预测者的关系有一个思考--相互信息，这种思考可以克服统计学的所有缺点，因为这种思考已经切断了预测者之间的所有噪音，而这种噪音是主要的邪恶。 Aleksey Vyazmikin 2018.03.12 08:13 #7370 Smarties，使用这个程序https://basegroup.ru/deductor/download，对神经网络的初步了解是否有意义（我一般对寻找一系列数字的模式感兴趣）？我是这个行业的新手，我希望能有一个俄语的软件，并且能将网格的结果可视化（解决方案搜索）。 请有一个专业的外观。 Скачать бесплатно basegroup.ru Deductor — платформа для создания законченных аналитических решений. 1...730731732733734735736737738739740741742743744...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
这与此无关，他们只是告诉你你做错了什么，而且没有鱼。你需要更加灵活地吸收信息，改变范式，动摇世界的图景等等。
看...这些模型已经工作了一个星期...没有动过一个手指头，并计划让它们再运行一两个星期......。让我们看看....
是的，他们接受的培训不超过40个例子......。无论它是对是错，我不知道，但它使人获利....。不管是以正确的方式还是错误的方式制作，都不关任何人的事。重要的是最终结果和点.....。
...不管是以正确的方式还是以错误的方式获得，都不重要。重要的是最终结果和点.....。
你不能反驳这一点。
股票曲线要足够长，至少要有一千次交易，如果我们用夏普比率而不是无回报，大家都会同意。10次交易甚至100次的利润低于缩水，对于拆分存款的人来说是不严肃的。
我认为，即使是这样的变体，也不会免于随机性和伪造。理想情况下，为了测试机器学习方法，你应该为交易者提供一个简单易行的工具，让他们自己生成模型，并对其进行前瞻性测试。
股票曲线又应该足够长，至少有一千次交易，如果你看夏普比率，而不是没有回报，那么每个人都会同意，如果10次交易甚至100次，利润低于缩水是不严重的，这些是那些 "提高存款 "的人。
这些数字是怎么来的？1,000个交易。你必须明白，没有圣杯。市场太不稳定了，当我看到1000次交易的数值时，我明白这是最接近不存在的东西（圣杯），为什么你不喜欢100次交易的统计数据？这里有一个例子...是的，我已经发布了它。该模型在40个点上进行了训练，为80个点工作。你说这个曲球的统计数字很糟糕是什么意思????没有足够的利润？你对TS是不是有点过于热心了，Toxic?????。
更不用说我们在训练后立即了解到模型的质量，我们不需要再分配一个小型的OOS图来观察它的工作情况。这是在我们得到训练过的模型的指标之后才知道的。也就是说，我们训练了几个模型，计算了它们的指标，选择了一个性能最好的模型，然后直接投入战斗，没有拖延。
模式的选择非常简单。如果一个输出变量的零和一的数量相等，这样的变量的熵通常是0.7，如果取整。这意味着产出的不确定性相当高。上面的帖子中显示的模型，其OI为0.87。这是两个多项式的VI之和。而这一切都在训练的情节上。那是在该模式投入使用之前。得到这个值后，我立即明白它是正确的，因为所有其他基于相同训练文件的模型不是0.7就是接近这个值。顺便说一下，在反馈回路的同一部位的这种模型大约是零，以及结果为0.6和更低的模型。这些合并了。
因此，我得出结论。一个工作模型是一个模型，其与输出的互信息（MI）大于输出熵本身。输出的不确定性为0.7，模型结果的VI为0.87。也就是说，模型对输出的了解比输出本身的不确定性更多。那么你在40个值上训练的模型将比训练间隔时间长得多。总之，我推断出的正是这个事实.....
而如果UI超过了统一，或在0.95的范围内略低，则是过度训练的一个明显迹象。我操纵了数据并有目的地重新训练了模型。因此，所有的VI都大于统一。这里有一个事实和一个想法给你....
模式的选择非常简单。如果一个输出变量的零和一的数量相等，这样的变量的熵如果四舍五入，通常是0.7。这意味着产出的不确定性相当高。上面的帖子中显示的模型，其OI为0.87。这是两个多项式的VI之和。而这一切都在训练的情节上。那是在该模式投入使用之前。得到这个值后，我立即明白它是正确的，因为所有其他基于相同训练文件的模型不是0.7就是接近这个值。顺便说一下，在反馈回路的同一部位的这种模型大约是零，以及结果为0.6和更低的模型。这些合并了。
因此，我得出结论。一个工作模型是一个模型，其与输出的互信息（MI）大于输出熵本身。输出的不确定性为0.7，模型结果的VI为0.87。也就是说，模型对输出的了解比输出本身的不确定性更多。那么你在40个值上训练的模型将比训练间隔时间长很多。总之，我推断出的正是这个事实.....
而如果UI超过了统一，或在0.95的范围内略低，则是过度训练的一个明显迹象。我操纵了数据并有目的地重新训练了模型。因此，所有的VI都大于统一。这里有一个事实和一个想法给你....
现在这一切都归结为输出（教师）。是利润？ 缩减？利润因素还是其他？
现在这一切都归结于出口（教师）。是利润？ 缩水？利润系数？还是其他？
我按信号利润因素做了几个输出变量。从-40 -20 0 20 40 60 80。这使我能够挑选一个在最大样本上有最大数量的重要变量的数据集。而这将是一个多么大的退出，即使是-40点的利润。我知道，我将努力获得比形成信号的条形收盘价更好的40点......这是一种适应性退出的形式。至少对我来说，....
至于权益曲线，它应该足够长，至少有一千次交易，如果我们看夏普比率而不是无回报，那么每个人都会同意。对于那些 "升级存款 "的人来说，10次交易甚至100次利润小于缩水的交易是不严肃的。
他对目标和预测者的关系有一个思考--相互信息，这种思考可以克服统计学的所有缺点，因为这种思考已经切断了预测者之间的所有噪音，而这种噪音是主要的邪恶。
Smarties，使用这个程序https://basegroup.ru/deductor/download，对神经网络的初步了解是否有意义（我一般对寻找一系列数字的模式感兴趣）？我是这个行业的新手，我希望能有一个俄语的软件，并且能将网格的结果可视化（解决方案搜索）。
请有一个专业的外观。