交易中的机器学习:理论、模型、实践和算法交易 - 页 99 1...9293949596979899100101102103104105106...3399 新评论 Alexey Burnakov 2016.08.11 14:52 #981 DAFomenko: 分类不是万能的,也不是制造圣杯的工具。应用分类的第一件事是将工具应用于工具所适用的问题。例如,将光谱分析应用于金融市场的想法已经讨论过很多次,都是看似很好的工具,但对于其他对象,啊,不,又提供了。第二。这个分类很适用于金融市场,但也有很多麻烦,正如上面写的那样。但在分类中,我们可以把主要问题--重新训练(过度拟合)TS的问题。还有什么比这更重要的呢?当然,被剥夺拥有最喜爱的圣杯的幻想并不好,但这里有一个选择:幸福是好的,但真理是更好的? 第三。分类提出了一个相当具体的问题:我们在预测什么。让我们把它与TA进行比较。我们接受指标。它总是一个酒吧[1]。不使用当前栏。这对H1意味着什么?我们用每小时的新鲜度信息来预测市场的进入!这是在最好的情况下。 这在分类中是完全不同的。你将目标变量的当前值与昨天的原始数据相匹配--将目标值移动一个或多个柱子。当你使用一个适合这种数据的模型时,你总是现实地预测下一个条形图到来时的未来。PS。如果你要用它来预测市场的急剧变化(新闻),如果你能设法生成一个目标变量,你就会成功,而这在更简单的情况下是个大问题。我赞同所有这些。我不知道光谱的情况,我从来没有使用过。第二。分类相当适用于金融市场,但有很多错综复杂的问题,如上文所述。但在分类时,你可以把主要问题--重新训练(过度拟合)TS的问题。还有什么比这更重要的呢?当然,被剥夺拥有你最喜欢的圣杯的幻觉是不好的,但这里有一个选择:幸福是好的,但真理是更好的?在那里,在那里!我们只有一个问题--过度教育。而且它对每个人都有影响。反之,则是教育不足(以及各地的不良结果)。我一直在这里给你发布一些漂亮的图表,包括蒙特卡洛。基本上,我得出的结论是,我将数据拟合到一个样本外的片段,而没有对其进行模型训练。我似乎有模型很好地通过了样本外的测试。但问题是,只要我看不到样本外的情况,我就不能选择一个工作模式。这真是太糟糕了。 mytarmailS 2016.08.11 15:08 #982 阿列克谢-伯纳科夫。在那里,在那里!我们只有一个问题--再培训。 至于我,问题只是另一件事,你知道....... Alexey Burnakov 2016.08.11 15:37 #983 mytarmailS: 我认为问题完全在于其他方面,你知道....... 只是涉及的内容很多。而当数据、预测器、模型准备好后,实验的设计也就排开了。还有待检查的是,该模型是否被重新训练,而且它确实倾向于重新训练。(纯粹是我的经验。) Mihail Marchukajtes 2016.08.11 16:22 #984 尤里-叶夫谢恩科夫。我是什么,一个医生?这里是桑尼奇写的。 "这里我们讨论的是基于分类的预测,在预测下一栏时不考虑之前的状态。基于分类的预测(预报)是基于模式的预测。如果过去有新闻导致了不符合以前价值的变化(不是推断出来的),那么分类将抓住这种变化,如果未来有类似的变化(不完全相同,但类似),它将被识别并做出正确的预测。"所以我认为值得在这个方向上挖掘:"分类将抓住这样的变化"。 你在开始时说得很对。终于有一些明智的人出现在支部里。是的,分类估计一个关于真实或虚假的模式,或者说我不知道,正如雷舍托夫所建议的那样。 而模式本身具有预测的成分;重要的不是模式本身,而是市场对它的反应。而如果这个反应与训练中的反应相同,网会得出正确的结论。所以它是这样的.... mytarmailS 2016.08.11 16:35 #985 Mihail Marchukajtes: 在这个话题中终于有了一些明智的人。 你有没有好好考虑过这个问题? Mihail Marchukajtes 2016.08.11 16:37 #986 mytarmailS: 你想清楚了吗? 我总是这样。想得太坏是不行的 :-) mytarmailS 2016.08.11 16:48 #987 Mihail Marchukajtes: 我总是这样做。想得太坏是不行的 :-)没办法 Dr. Trader 2016.08.11 20:35 #988 阿列克谢-伯纳科夫。我在这里给你发了一些漂亮的图表,包括蒙特卡洛。基本上,我得出的结论是,我将数据拟合到一个样本外的片段,而没有对其进行模型训练。我似乎有模型很好地通过了样本外的测试。但问题是,只要我看不到样本外的情况,我就不能选择一个工作模式。这真是太糟糕了。你试过委员会的工作吗?如果gbm在相同的数据上用相同的参数进行多次训练,每次在新的数据上的结果都会略有不同。如果你随机选择一个模型,那么也许你会很幸运,交易会很顺利,也可能不会,你不能这样猜。在这种情况下,你应该训练几十个(几百个)模型,最后的结果将是大多数模型所预测的结果。例如:左边是100个模型的模拟交易结果。你可以看到,只拿一个模型,你就有几乎50%的机会失去。 在右边是由这些模型的委员会决定的交易,没有随机性,一切都很清楚,几乎是稳定的向上。 Yuri Evseenkov 2016.08.12 06:34 #989 mytarmailS:实验是真理的标准--不要想,要做我个人认为,光谱分析更有前途,但这只是 我的看法... 你为什么不先考虑一下呢?即使是狼也会考虑是否要追赶一只瘦小的野兔。有时你浪费的能量比你从猎物那里获得的能量还要多。 Yuri Evseenkov 2016.08.12 06:34 #990 DAFomenko:应用分类的第一件事是将工具应用于工具所适用的问题。例如,将光谱分析应用于金融市场的想法已经讨论过很多次了,都是看似很好的工具,但对于其他对象,啊,不,又被提出来了。第二。这个分类很适用于金融市场,但也有很多麻烦,正如上面写的那样。但对于分类,我们可以把主要问题--重新训练(过度拟合)TS的问题。还有什么比这更重要的呢?当然,被剥夺拥有你最喜欢的圣杯的幻觉是不好的,但这里有一个选择:幸福是好的,但真理是更好的?第三。分类提出了一个相当具体的问题:我们在预测什么。让我们把它与TA进行比较。我们接受指标。它总是一个酒吧[1]。不使用当前栏。这对H1意味着什么?我们用每小时的新鲜度信息来预测市场的进入!这是在最好的情况下。 这在分类中是完全不同的。你将目标变量的当前值与昨天的原始数据相匹配--将目标值移动一个或多个柱子。当你在这样的数据上使用拟合模型时,你总是现实地预测下一个条形图到来时的未来。如果你要用它来预测突然的市场动向(新闻),那么如果你能产生一个目标变量,你就会成功,这在更简单的情况下是个大问题。你和桑尼奇有关系吗?是的,我是。天真贝叶斯分类器,因为它可以过滤垃圾邮件,它在这里到底能不能用?至于新闻,没门儿!一些新闻将在所有缝隙中被重新训练,这将是一场真正的灾难。我举了一些例子。 1...9293949596979899100101102103104105106...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
分类不是万能的,也不是制造圣杯的工具。
应用分类的第一件事是将工具应用于工具所适用的问题。例如,将光谱分析应用于金融市场的想法已经讨论过很多次,都是看似很好的工具,但对于其他对象,啊,不,又提供了。
第二。这个分类很适用于金融市场,但也有很多麻烦,正如上面写的那样。但在分类中,我们可以把主要问题--重新训练(过度拟合)TS的问题。还有什么比这更重要的呢?当然,被剥夺拥有最喜爱的圣杯的幻想并不好,但这里有一个选择:幸福是好的,但真理是更好的?
第三。分类提出了一个相当具体的问题:我们在预测什么。让我们把它与TA进行比较。我们接受指标。它总是一个酒吧[1]。不使用当前栏。这对H1意味着什么?我们用每小时的新鲜度信息来预测市场的进入!这是在最好的情况下。
这在分类中是完全不同的。你将目标变量的当前值与昨天的原始数据相匹配--将目标值移动一个或多个柱子。当你使用一个适合这种数据的模型时,你总是现实地预测下一个条形图到来时的未来。
PS。
如果你要用它来预测市场的急剧变化(新闻),如果你能设法生成一个目标变量,你就会成功,而这在更简单的情况下是个大问题。
我赞同所有这些。
我不知道光谱的情况,我从来没有使用过。
第二。分类相当适用于金融市场,但有很多错综复杂的问题,如上文所述。但在分类时,你可以把主要问题--重新训练(过度拟合)TS的问题。还有什么比这更重要的呢?当然,被剥夺拥有你最喜欢的圣杯的幻觉是不好的,但这里有一个选择:幸福是好的,但真理是更好的?
在那里,在那里!我们只有一个问题--过度教育。而且它对每个人都有影响。反之,则是教育不足(以及各地的不良结果)。
我一直在这里给你发布一些漂亮的图表,包括蒙特卡洛。基本上,我得出的结论是,我将数据拟合到一个样本外的片段,而没有对其进行模型训练。我似乎有模型很好地通过了样本外的测试。但问题是,只要我看不到样本外的情况,我就不能选择一个工作模式。这真是太糟糕了。
在那里,在那里!我们只有一个问题--再培训。
我认为问题完全在于其他方面,你知道.......
我是什么,一个医生?这里是桑尼奇写的。
"这里我们讨论的是基于分类的预测,在预测下一栏时不考虑之前的状态。基于分类的预测(预报)是基于模式的预测。如果过去有新闻导致了不符合以前价值的变化(不是推断出来的),那么分类将抓住这种变化,如果未来有类似的变化(不完全相同,但类似),它将被识别并做出正确的预测。"
所以我认为值得在这个方向上挖掘:"分类将抓住这样的变化"。
在这个话题中终于有了一些明智的人。
你想清楚了吗?
我总是这样做。想得太坏是不行的 :-)
没办法
我在这里给你发了一些漂亮的图表,包括蒙特卡洛。基本上,我得出的结论是,我将数据拟合到一个样本外的片段,而没有对其进行模型训练。我似乎有模型很好地通过了样本外的测试。但问题是,只要我看不到样本外的情况,我就不能选择一个工作模式。这真是太糟糕了。
你试过委员会的工作吗?如果gbm在相同的数据上用相同的参数进行多次训练,每次在新的数据上的结果都会略有不同。如果你随机选择一个模型,那么也许你会很幸运,交易会很顺利,也可能不会,你不能这样猜。在这种情况下,你应该训练几十个(几百个)模型,最后的结果将是大多数模型所预测的结果。
例如:左边是100个模型的模拟交易结果。你可以看到,只拿一个模型,你就有几乎50%的机会失去。
在右边是由这些模型的委员会决定的交易,没有随机性,一切都很清楚,几乎是稳定的向上。
实验是真理的标准--不要想,要做
我个人认为,光谱分析更有前途,但这只是 我的看法...
应用分类的第一件事是将工具应用于工具所适用的问题。例如,将光谱分析应用于金融市场的想法已经讨论过很多次了,都是看似很好的工具,但对于其他对象,啊,不,又被提出来了。
第二。这个分类很适用于金融市场,但也有很多麻烦,正如上面写的那样。但对于分类,我们可以把主要问题--重新训练(过度拟合)TS的问题。还有什么比这更重要的呢?当然,被剥夺拥有你最喜欢的圣杯的幻觉是不好的,但这里有一个选择:幸福是好的,但真理是更好的?
第三。分类提出了一个相当具体的问题:我们在预测什么。让我们把它与TA进行比较。我们接受指标。它总是一个酒吧[1]。不使用当前栏。这对H1意味着什么?我们用每小时的新鲜度信息来预测市场的进入!这是在最好的情况下。
这在分类中是完全不同的。你将目标变量的当前值与昨天的原始数据相匹配--将目标值移动一个或多个柱子。当你在这样的数据上使用拟合模型时,你总是现实地预测下一个条形图到来时的未来。
如果你要用它来预测突然的市场动向(新闻),那么如果你能产生一个目标变量,你就会成功,这在更简单的情况下是个大问题。
你和桑尼奇有关系吗?
是的,我是。天真贝叶斯分类器,因为它可以过滤垃圾邮件,它在这里到底能不能用?
至于新闻,没门儿!一些新闻将在所有缝隙中被重新训练,这将是一场真正的灾难。我举了一些例子。