交易中的机器学习:理论、模型、实践和算法交易 - 页 745

 
叶夫根尼-拉斯帕耶夫

大家下午好。

我想总结一下...比如说,我们对未来的蜡烛了解多少?我们知道开放时间,关闭时间。我们知道,它可能有3种状态:上升方向的白色蜡烛,下降方向的黑色蜡烛和十字星。我们知道,出现 "长 "或 "大蜡烛 "的概率是,你知道的)。- 与 "平均 "蜡烛或十字星相比是很小的。我们可以找到一个通道,或者称之为一个区间,价格在其中移动。就这样吗,我们不知道其他事情吗?它太小了,即使是对一个简单的分类,如下跌的蜡烛或上升的蜡烛,也无法做出预测......如果你不试图预测方向...如果不预测方向,就没有办法进入交易...关于未来的蜡烛图,我们还能说些什么,使我们能够对它进行分类?毕竟所有基于过去数据的预测都会给出过去蜡烛图的迹象。而从这些数据中的预测被表述为 "今天会像昨天一样"--这不是好....。

好的,这里有一个买入的1类蜡烛图,从开盘的那一刻起,买入80%,卖出20%,2类蜡烛图买入60%,卖出40%,....。所有这一切都不适合4类,所以你有5类蜡烛图,有预定的停止变量。

 
阿纳托利-扎因奇科夫斯基

好吧,那么1类蜡烛图在开盘时买入80%和20%,2类蜡烛图在开盘时买入60%和40%,....。所有不适合这4类的,你就有了5类蜡烛图,并预测了一个停止的变化。

这一切都很清楚,这个问题不是为了教我,而是为了一起分析我们对未来的认识。我认为论坛这个分支的所有成员都能在没有我们的情况下对下一支蜡烛进行分类,但为此我们需要决定向网络输入什么。未来的蜡烛的迹象 - 这样的神经元 - 迹象来分类的蜡烛。让我们总结一下这些迹象。我写这篇文章不是为了争论,也不是为了找出谁更聪明,而是为了让大家更好地解释和思考 ...

 
叶夫根尼-拉斯帕耶夫

这一切都很清楚,问题不是要教我,而是要一起分析我们对下一个插头的了解。我认为这个论坛分支的所有参与者将能够在没有我们的情况下对下一个蜡烛进行分类,但为了做到这一点,我们需要决定向网络输入什么。未来的蜡烛的迹象 - 这样的神经元 - 迹象来分类的蜡烛。让我们总结一下这些迹象。我写这篇文章不是为了争论,也不是为了找出谁更聪明,而是为了让大家更好地解释和思考 ...

有不同的标志:黑色、白色、红色;但都同样想要过度的东西

 
事实上,科尔敦和他的曲柄在哪里?可以说,预测和提升的领导者在哪里?
 
我认为没有人使用拖网,或者至少是收支平衡,这样的假设是否正确?如果他们这样做,那么拖网参数就不包括在训练模型中?
 
马克西姆-德米特里耶夫斯基

标志是不同的,黑的白的红的,但都同样想过量地吃点东西

)))),这很有趣,但问题并没有解决,如果我们回答如果开盘高点delta大于开盘低点delta--我们可能会更有信心地做多。

我们可以把它看作是下一支蜡烛的标志。预测将像折腾烛台时一样,各占一半,直到我们收集到一些关于下一个烛台或近期内的运动的数据。

 
阿列克谢-维亚兹米 金。
如果我理解正确的话,没有人使用拖网,或者至少是收支平衡的设置?如果有人使用一个,那么拖网的参数就不符合训练的模型?

完全正确,有必要建立一个像人一样进行交易的模型。一个人类交易商

1) 做出预测

2) 评估风险

3)满足进入贸易的风险

4) 退出交易

所有粗略的,如他们所说的大纲)))))


 
知道该如何处理它。

这里有另一个关于 "非平稳性问题 "的异端...

回报是静止的,几乎是高斯的,如果你按波动率拉直,这就是我们所需要的,价格本身,不是静止的,不参与计算的。我再一次重复样本数与sdt(标准差,即变异平方)的比例,预测误差应该比阈值小一个数量级,市场数据PRIMARY TARGETS,52-53%的准确率为这2-3%,有0.1%的变异,要得到这0.1%的误差需要几十万个样本,如果1000个就有1%的误差几乎就是预测本身,这是不可接受的。心理学家、儿童和低能儿有80%的ZZ预测准确率,当然会被允许使用10个样本,甚至非常有天赋的人可以使用1个 "关键 "样本))))。这样的交易不应超过100美元,考虑到心理因素,不要翻倍。

这是Warlock的学生解释的最好的神经元网络应该如何工作。反正也没人看 :)))))

 
叶夫根尼-拉斯帕耶夫

)))),这很有趣,但问题并没有解决,如果我们回答说开盘高点delta将高于开盘低点delta--我们可能会更有信心地做多。

我们可以把它看作是下一支蜡烛的标志。预测将是50/50,就像翻转的蜡烛一样,直到我们收集到几个迹象,说明在不久的将来会出现什么蜡烛或运动。

在我看来,NS至少应该有两个标志,或者最好有三个。对市场状况的短期、中期和长期描述。其他的可以增加,如果他们有一些额外的信息,例如一个符号本身的n次方自回归之类的东西,这将考虑到符号的动态性。

至于输出--输入固定值是无稽之谈。一个更好的解决方案是,在给定的sl/tp水平上,通过n个点来反馈增长/下降的概率,这也可以是动态的,那是如果我们对信号进行分类的话。

对于回归,即N条预测,我们只需要一个额外的模块来处理预测结果,并根据预测自适应地定义sl/tp/trailing。

但正如已经提到的,这都是过时的技术,而且在市场上的运作相当差,因为对真实的,而不是时间性的,关系符号/目标的专家评估很复杂(不可能)。

 
叶夫根尼-拉斯帕耶夫

)))),这很有趣,但问题并没有解决,如果我们回答说开盘高点delta将高于开盘低点delta--我们可能会更有信心地做多。

我们可以把它看作是下一支蜡烛的标志。预测将是50/50,就像翻转烛台一样,直到我们收集到一些迹象,说明在不久的将来,下一个烛台或运动将是什么。

计算下一个蜡烛图是真实的,但对一个长系列的每一个蜡烛图进行计算是不真实的。