交易中的机器学习:理论、模型、实践和算法交易 - 页 868 1...861862863864865866867868869870871872873874875...3399 新评论 Yuriy Asaulenko 2018.04.28 08:56 #8671 elibrarius。 关于这个问题的问题。 它被认为是NS可以在其内部投射任何指标。 有没有人试图进行一个实验--NS可能会重现例如MA的情况?或MACD或数字滤波器?也许不是一个问题。在许多NS包里有很多设计这种东西的例子。 但是,只有当你设计了TC,它内部做什么仍然是个谜。只是系数的问题。 Mihail Marchukajtes 2018.04.28 09:07 #8672 这条线的问题是,这里的人并不愚蠢,每个人都有经验和意见,没有人愿意改变。而当你听到一些与你的观点相悖的事情时,你甚至不给自己一个机会去思考它是否正确。这就是问题所在。很明显,应该对这个想法有兴趣,等等。但不做任何测试就说它是错的......一般来说,我们这里的人都太聪明了,所以我们很穷。而且我们中的一些人也很贪婪 :-)。 Forester 2018.04.28 09:12 #8673 尤里-阿索连科。也许不是一个问题。在许多NS包中有很多设计这种东西的例子。 但是,只有当你设计了TC,它内部做什么仍然是个谜。只有系数。包裹里通常有鸢尾花和药品等。- 我不记得有什么市场指数。 虽然MA太简单了:对于MA10来说,添加10个v=1的输入,将v=0分配给其他输入,然后选择k=10。 数字滤波 的方式相同,但v不会等于1,而是根据滤波公式的其他值。而理论上,NS可以找到的不是标准的过滤器之一,而是一个最适合市场的独特过滤器。 也就是说,本质上1个神经元就是一个数字滤波器(TF)。 多个神经元将允许获得多个TFs的相互作用(deltas, sums)。如果我们需要二阶相互作用(delta的delta)--我们应该再增加一个隐藏层。 2倍CP的乘积不能从输出神经元的2个神经元得到--这只是加法。但它可以在一个单独的神经元中重新计算,只是v和k会有所不同。 总而言之,对我来说,这是一个看待NS作为TF的新方法。 Yuriy Asaulenko 2018.04.28 09:17 #8674 elibrarius。 包里通常有鸢尾花和药等。- 我不记得有什么市场指数。 虽然MA太简单了:对于MA10--把10个输入的v=1加起来,把v=0分配给其他输入,然后再接k=10。 数字滤波器 也一样简单,v不会等于1,而是根据滤波器的公式等于其他。从理论上讲,国家安全局可以从标准的过滤器中找到一些东西,而是一个最适合市场的独特的过滤器。 即本质上1个神经元是一个数字滤波器(TF)。 多个神经元将允许获得多个TFs的相互作用(deltas, sums)。如果你需要二阶相互作用(delta的delta),你应该多加一个隐藏层。与我之前写的这个类似。再加上2层的NS,它将使你的任何指标-预测者本身。而且没有必要去打扰。 Forester 2018.04.28 09:22 #8675 Yuriy Asaulenko: 与我之前写的这个类似。再加上2层的NS,它将使你的任何指标-预测者本身。而且你不必为之烦恼。 那么事实证明,如果输入数据来自于酒吧,那么选择预测器 是一项不必要的任务,甚至可能阻碍。 当我们随机送入大量标准和非标准指标(如MA、CCI、不同周期的RSI),但没有送入时间序列时,就需要进行选择。 我们应该摒弃那些不合适的。在输入处有时间序列的NS将自动选择具有正确系数的指标。 Yuriy Asaulenko 2018.04.28 09:26 #8676 elibrarius: 那么事实证明,选择预测器是一件不必要的事情,如果输入是来自酒吧,甚至可能会干扰。 当我们随机送入大量标准和非标准指标,但没有送入时间序列时,就需要进行选择。 而我们应该摒弃那些根本不合适的。但输入时间序列的NS将自动选择具有适当系数的指标。是的,在NS的输入处有一个归一化的时间序列。比方说,NS结构-15-20-15-10-5-1已经做得很好了。 为了确定多头和空头,你需要2个NS。 Maxim Dmitrievsky 2018.04.28 09:29 #8677 elibrarius: 那么事实证明,选择预测器是一件不必要的事情,如果输入是来自酒吧,甚至可能会干扰。 当我们随机送入大量标准和非标准指标,但没有送入时间序列时,就需要进行选择。 而我们应该摒弃那些根本不合适的。而输入处有时间序列的NS将自动选择具有适当系数的指标。我输入的是时间序列(裸价)。 适用于输入指标和增量(包括具有指数 周期的指标等)。 没有他妈的区别,但当我输入差值的余弦、差值的切线和双曲的余弦和切线时,就有区别了。为什么会这样,我不知道,但TC的性能得到了一定程度的改善。 Forester 2018.04.28 09:32 #8678 尤里-阿索连科。嗯哼,NS输入是一个归一化的时间序列。比方说,NS结构-15-20-15-10-5-1已经做得很好。 为了确定多头和空头,我们需要2个NS。我在实践中了解到2个VS,这是使用它们的唯一方法。如果我使用3个等级(买入、等待、卖出),那么中间等级发生得非常快,特别是如果输出神经元是sigmoid或tangent。 但是,如果回归...理想情况下,需要1个输出神经元。 Forester 2018.04.28 09:34 #8679 马克西姆-德米特里耶夫斯基。输入的时间序列(裸价)。 我输入指标和增量(包括有指数周期的指标等)。 我没有看到任何区别,但当我输入差值的余弦、差值的切线和双曲的余弦和切线时,就有区别了。为什么会这样--我不知道,但TC的性能得到了一定程度的改善 然后需要3-4个隐藏层来从裸价建立模拟。1层为指标+1层为三角洲+1层为余弦和切线。你试过吗? Maxim Dmitrievsky 2018.04.28 09:35 #8680 elibrarius。 然后需要3-4个隐藏层来从裸体价格中建立模拟。1层为指标+1层为三角洲+1层为余弦和切线。你试过吗?不,到目前为止,我只是使用脚手架(由任何数量的模型组成的集合,在不同的特征上),输出是平均的。 很快,所有的工作都完成了,但是 1...861862863864865866867868869870871872873874875...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
关于这个问题的问题。
它被认为是NS可以在其内部投射任何指标。
有没有人试图进行一个实验--NS可能会重现例如MA的情况?或MACD或数字滤波器?
也许不是一个问题。在许多NS包里有很多设计这种东西的例子。
但是,只有当你设计了TC,它内部做什么仍然是个谜。只是系数的问题。
也许不是一个问题。在许多NS包中有很多设计这种东西的例子。
但是,只有当你设计了TC,它内部做什么仍然是个谜。只有系数。
包裹里通常有鸢尾花和药品等。- 我不记得有什么市场指数。
虽然MA太简单了:对于MA10来说,添加10个v=1的输入,将v=0分配给其他输入,然后选择k=10。
数字滤波 的方式相同,但v不会等于1,而是根据滤波公式的其他值。而理论上,NS可以找到的不是标准的过滤器之一,而是一个最适合市场的独特过滤器。
也就是说,本质上1个神经元就是一个数字滤波器(TF)。
多个神经元将允许获得多个TFs的相互作用(deltas, sums)。如果我们需要二阶相互作用(delta的delta)--我们应该再增加一个隐藏层。
2倍CP的乘积不能从输出神经元的2个神经元得到--这只是加法。但它可以在一个单独的神经元中重新计算,只是v和k会有所不同。
总而言之,对我来说,这是一个看待NS作为TF的新方法。
包里通常有鸢尾花和药等。- 我不记得有什么市场指数。
虽然MA太简单了:对于MA10--把10个输入的v=1加起来,把v=0分配给其他输入,然后再接k=10。
数字滤波器 也一样简单,v不会等于1,而是根据滤波器的公式等于其他。从理论上讲,国家安全局可以从标准的过滤器中找到一些东西,而是一个最适合市场的独特的过滤器。
即本质上1个神经元是一个数字滤波器(TF)。
多个神经元将允许获得多个TFs的相互作用(deltas, sums)。如果你需要二阶相互作用(delta的delta),你应该多加一个隐藏层。
与我之前写的这个类似。再加上2层的NS,它将使你的任何指标-预测者本身。而且没有必要去打扰。
与我之前写的这个类似。再加上2层的NS,它将使你的任何指标-预测者本身。而且你不必为之烦恼。
当我们随机送入大量标准和非标准指标(如MA、CCI、不同周期的RSI),但没有送入时间序列时,就需要进行选择。
我们应该摒弃那些不合适的。在输入处有时间序列的NS将自动选择具有正确系数的指标。
那么事实证明,选择预测器是一件不必要的事情,如果输入是来自酒吧,甚至可能会干扰。
当我们随机送入大量标准和非标准指标,但没有送入时间序列时,就需要进行选择。
而我们应该摒弃那些根本不合适的。但输入时间序列的NS将自动选择具有适当系数的指标。
是的,在NS的输入处有一个归一化的时间序列。比方说,NS结构-15-20-15-10-5-1已经做得很好了。
为了确定多头和空头,你需要2个NS。
那么事实证明,选择预测器是一件不必要的事情,如果输入是来自酒吧,甚至可能会干扰。
当我们随机送入大量标准和非标准指标,但没有送入时间序列时,就需要进行选择。
而我们应该摒弃那些根本不合适的。而输入处有时间序列的NS将自动选择具有适当系数的指标。
我输入的是时间序列(裸价)。
适用于输入指标和增量(包括具有指数 周期的指标等)。
没有他妈的区别,但当我输入差值的余弦、差值的切线和双曲的余弦和切线时,就有区别了。为什么会这样,我不知道,但TC的性能得到了一定程度的改善。
嗯哼,NS输入是一个归一化的时间序列。比方说,NS结构-15-20-15-10-5-1已经做得很好。
为了确定多头和空头,我们需要2个NS。
我在实践中了解到2个VS,这是使用它们的唯一方法。如果我使用3个等级(买入、等待、卖出),那么中间等级发生得非常快,特别是如果输出神经元是sigmoid或tangent。
但是,如果回归...理想情况下,需要1个输出神经元。
输入的时间序列(裸价)。
我输入指标和增量(包括有指数周期的指标等)。
我没有看到任何区别,但当我输入差值的余弦、差值的切线和双曲的余弦和切线时,就有区别了。为什么会这样--我不知道,但TC的性能得到了一定程度的改善
然后需要3-4个隐藏层来从裸体价格中建立模拟。1层为指标+1层为三角洲+1层为余弦和切线。你试过吗?
不,到目前为止,我只是使用脚手架(由任何数量的模型组成的集合,在不同的特征上),输出是平均的。
很快,所有的工作都完成了,但是