交易中的机器学习：理论、模型、实践和算法交易 - 页 856

新评论
 
尤里-阿索连科。

对我来说？我已经解决了这个问题。现在我在想其他的事情要做。Python或R。到目前为止，我还没有新的想法。

你必须研究他们两个，但要记住，只有R有一个可靠和值得信赖的MQL网关。

进入一个新的层次--keras/tensorflow/。那里有很多想法，你应该有足够的知识和时间来掌握它们。

好运。

 
Mihail Marchukajtes:

看看吧，我把它从接触区弄出来了。作为了解市场的一部分，非常有用的信息！！。

分叉点

热力学中有一个特殊的概念，可以适用于几乎任何复杂的动态系统。任何这样的系统，无论是国家、经济还是人类的心理，都会不时地进入一个关键的不确定状态。

在这一点上，系统的有序性受到威胁，它的进一步发展可以遵循两种可能的情况：要么解体到混乱状态，要么过渡到一个有质量的新的有序性水平。例如，一个国家的分叉点可以被称为政治不稳定的句号，一个经济体的分叉点可以被称为经济危机，而一个人的分叉点可以被称为创伤性事件。

管理理论中考虑了三种系统。

  • 确定性的
  • 随机
  • 不确定的.

非决定性系统是指在某些时刻可以表现为决定性的系统（人们在 "告别斯拉维扬卡 "的游行中行进）或随机性的系统，例如，地下的人流：一切都是随机的，但可以用大众服务理论很好地描述。但是，如果在这个人群中引入一些扰动（炸弹！），那么所有这些人的进一步行为就与之前的行为没有任何关系了。


不确定系统的特点之一是人类对其的参与。

在苏联科学界，他们非常了解这一点，在60年代末，我所在的大学的自动化和远程机械系有两个相当不同的专业：自动化系统（8组）和自动化系统（6组）。毕业生被分配到不同的组织。

 
弗拉基米尔-佩雷文科。

两者都要学习，但要记住，只有P有可靠的、经过验证的通往MQL的通道。

进入下一层次--keras/tensorflow/。那里有很多想法，只是有足够的知识和时间来掌握它。

祝好运

一个可靠的MQL网关，根本不存在任何问题。这里有一个问题，但它是所有MQL网关的共同问题。

基本上R和Python我都已经很熟练了。如果我正在熟悉模块包，情况会更糟。

模块-包本身并不是思想，而只是实现思想的工具。而对于思想来说，对原则的了解就足够了。

如果完全没有想法，完全没有想法，那就糟糕了。但是，当你完成一些工作但还没有开始新的工作时，这种情况经常发生。

 
弗拉基米尔-佩雷文科。

该包实现了快速的算法，用于拟合贝叶斯变量选择模型和计算贝叶斯系数，其中结果（或响应变量）是用线性或逻辑回归来建模的。 这些算法是基于" 可扩展的变异推理用于回归中的贝叶斯变量选择，及其 在遗传关联研究中的准确性"（"Scalable variational inference for Bayesian variable selection in regression, and its accuracy in genetic association studies"）中描述的变异近似。Carbonetto and M. Stephens, Bayesian Analysis 7, 2012, pages 73-108）。该软件已被应用于有超过一百万个变量和数千个样本的大型数据集。

它能很好地选择预测器，并建立良好的模型。

祝好运

谢谢你!我已经把它放在我的储蓄罐里了。喜欢这个速度--只有2秒（相比之下saget-rfe对他们来说需要16分钟）。
 
elibrarius。
谢谢你!我已经把它放在我的储蓄罐里了。喜欢这个速度--只有2秒（相比之下saget-rfe对他们来说需要16分钟）。

Hare COPY!!!!行动的时间.....

 
elibrarius。

还建议注意 回归问题的损失函数

 
弗拉基米尔-佩雷文科。

一本关于深度学习的新书出了俄文版。

Goodfellow Y., Bengio I., Courville A.
Г93 深度学习/由A.A. Slinkin从英文翻译。- 第二版。- М.:


还有一本同名的俄文书，是关于臭氧的 -https://www.ozon.ru/context/detail/id/142987816/

 
拉希德-乌马罗夫。

还有一本同名的俄文版《臭氧》--https://www.ozon.ru/context/detail/id/142987816/。

谢谢你。我早些时候获得了它。这是本手册。

我建议每个人都能通过它来工作。

祝好运

 
马克西姆-德米特里耶夫斯基。

模式的变化是混乱的，模式的偏差随着时间的推移呈指数级增长

任何近似器（部分除外，RNN或LSTM）都不能解决这样的问题

所有关于统计学的文章，并试图将其应用于市场的当前形式 - 可以被扔掉，不要对其给予任何关注

主要的努力应该集中在非平稳环境下的工作方法上，其中之一是由亚历山大提出的（假设你没有影响商数的静态特征，这些特征不能从商数本身中提取，先验的）。

勇敢的人。理解问题的本质会使你进入一个新的层次。

这里有一个想法--也许解决方案在于相当简单的事情，如基本面分析和当前价格位置与历史最低和最高价的关系？首先，基础货币的价格受到新闻因素的影响，很难把它们变成一个代码，我不知道是否有这样的新闻专家顾问？如果是这样，他们更有可能用各国中央银行的定期报告进行基金分析，这些国家的货币是这对货币中的基础货币--事实上，有一个小的指标清单，以评估基础货币的基础：在这里我们得到一个参数--根据基金分析，基础货币的动机减弱或加强。同样地，我们研究了CONTROLLED货币的基金分析。最终的变化，例如，根据基金分析，货币对中每种货币的基础变化的比率应表明有利于货币对中的这个或那个基础，并以这种方式形成一个信号。主要的金融机构根据这一分析重新分配货币风险，或者买入或者卖出根据基金分析经济走弱的国家的货币。这是有道理的。所有这些都适用于长期战略。

第二个指标是货币对在此时此地的价格位置。如果我们通过水平线 进行分级，我们可以为每条这样的线设置一些买入和卖出的权重，在这里我看到更适合有条件的中期交易的工具。

而第三个参数当然是指标。这是一个快速的信号。但它并没有给出任何预测，因为你已经正确地总结了这个有趣主题的前854页。

任务--如何将长期信号--BASE，中期--价格在此刻附近的水平线的重量（例如让它成为斐波那契线）和第三个参数--指标的信号联系起来。

在我看来，这些标准是最重要的，可以真正让NS交易系统学到一些东西。唯一的困难是，你需要一个团队 - 所以在金融家-基本面人士或宏观经济学家中交朋友，他们会帮助你选择正确的算法来处理他们的报告数据流，并适当地解释它们，参考你的NS交易系统，顺便说一下，为了分析股票价格行为，你还需要一个经济学家或金融家 - 这些是经济科目的专家。经济主体：国家、法律实体和个人。

以历史上的名言来教学--好吧，这样你就成功地通过了，经验也得到了。现在我们明白了，我们应该尝试向系统建议收集数据的算法，以获得至少三个基本参数，在分析这些参数时，我们可以研究明天（作出假设，设置事件发展的权重（预测）不同时间框架的交易），利用这些参数，你的NS系统将作出一个积极的决定，进入购买或出售，包括交易的性质 - 快速，中期，长期 - 和性质是由一些简单的获利水平，数量或乘数设置。

是这样的...这很复杂，但你不是在寻找简单的方法）））。

 
geratdc_:

日历API似乎已经公布，但还没有在MT5中出现。

因此，推送一个新闻背景会很有趣......不知道结果是否会令人满意，但为了好奇心

+需要密集地在谷歌上搜索关于处理非平稳性的新研究。在RL中，这项研究目前正在紧张地进行，也就是说，这个话题还在不断发展，所以我暂时坐不住了。最简单的例子是有效的流形反馈，从分析上看，它们是无法计算或想象的，所以只能通过多种实验 :)

1...849850851852853854855856857858859860861862863...3399
新评论