关于MT5的高频交易的讨论 - 页 73 1...666768697071727374757677787980...94 新评论 Jaws 2013.04.25 12:42 #721 Alex_Bondar: 一个模式可以从不完整的数据中识别出来,就像一个人可以仅从衣服、脸部、古龙水等方面识别出来一样,缺失的数据可以被推断出来。这就是模式的意义,对于市场的谓语。但我们可以有把握地断言它们的一些有趣之处,首先是这些模式非常简单, 复杂的模式不起作用,而简单的模式就像动量、加速、过去的价格水平盘整等简单的组合,也就是标准TA,这是模式识别的一个亚型。市场不会 "记住 "华丽的图案。事实证明,主要的一点是时间序列的初级预处理,将信息压缩成一个最佳的 "状态 "分布,并从中建立模式,它不是一个愚蠢的归一化价格,也不是MAC...这是第二点,在神经元分析之前对BP的预处理是所有工作的99%,事实上,如果数据处理正确,就不再需要神经元了,对人脑来说,模式变得很明显,它们只是被编程了,如果把规范化的价格输入神经元,或者输入一个沃普,就没有用了,那些了解神经元工作原理的人不指望它们能创造奇迹。你可以永远玩这个游戏,真正成功的概率却小得可怜。 你为一个给定的FI、时间框架、一天中的时间季节等平均一些这样的模式,并得到一个参考,你可以与之比较,例如,n维距离或标量乘积。但这是一条永无止境的实验之路。 简单的正常化绝对不是办法。 你能不能为初学者澄清一下,如何确定复杂模式和简单模式之间的区别?我对模式和语音识别的理论和实践有些熟悉,我想澄清我是否正确理解了我们在这里谈论的市场模式。 首先,在信息复杂性方面,我们要分析哪些量化标准?它可以是按时间量化的价格序列向量的长度,以纯粹的形式或以许多不同的方式进行过滤。滤波会使信息权重最小化,这是有道理的。然后如你所说,与一些平均矢量进行比较,这也可以通过许多不同的方式获得。我对这种阈值向量的近似信息权重感兴趣。 例如,在语音识别中,结构复杂度可能相当高,所以我们想把它们关联起来,并得出相似之处。语音识别,一般来说,已经达到了可接受的水平,为什么不使用现成的工具。在我看来,有很多相似之处。 如果这有点偏离主题,我表示歉意。 Vladimir Gomonov 2013.04.25 20:38 #722 lucky_teapot: 例如在语音识别中,结构的复杂性可能相当高,你想把它们关联起来,并得出相似之处。既然语音识别,一般来说,已经达到了可接受的水平,为什么不利用现成的发展。在我看来,有很多相似之处。 你能提供一些有用的链接来了解这个领域的现状吗? 如果能读到好的(合格的)文章,最好是来自这些系统的开发者,那将是非常有趣的。 Jaws 2013.04.26 06:12 #723 MetaDriver: 你能提供一些有用的链接来了解这个领域的技术现状吗? 如果能读到好的(合格的)文章,最好是来自这种系统的开发者,那将是非常有趣的。 关于模式识别的主题有很多材料,既有一般的也有高度具体的。我想你可能对这个领域的一般启发式方法感兴趣,并将其应用于金融数据。例如,我可以推荐Potapov A.S. "模式识别和机器感知 " 是一本很好的书,如果你想了解更多,最后有一个很大的参考清单,总的来说,这位作者在人工智能方面的书非常好。 Алёша 2013.04.26 08:34 #724 lucky_teapot: 能否请您为初学者澄清一下如何确定复杂模式和简单模式之间的区别?我对模式和语音识别的理论和实践有点熟悉,我想澄清一下我是否正确理解了这里所说的市场模式。.......... 这是主观的,我自己还没有想好在哪里划清界限。但图案中的元素越少越好。 Ivan Nehrishnyi 2013.04.26 10:13 #725 Alex_Bondar:一个模式可以从不完整的数据中识别出来,就像一个人可以仅从衣服、脸部、古龙水等方面识别出来一样,缺失的数据可以被推断出来。这就是模式的意义,对于市场的谓语。但我们可以有把握地断言它们的 一些有趣之处,首先是这些模式非常简单, 复杂的模式不起作用,而简单的模式是像动量、加速、过去的价格水平盘整等的简单组合,也就是标准TA,这是模式识别的一个亚类型。市场不会 "记住 "华丽的图案。事实证明,主要的一点是对时间序列的初级预处理,将信息压缩成一个最佳的 "状态 "分布,并从中建立模式,它不是一个愚蠢的归一化价格,也不是MA...这是第二点,在神经元分析之前对BP的预处理是所有工作的99%,事实上,如果数据处理正确,就不再需要神经元了,对人脑来说,模式变得很明显,它们只是被编程了,如果把规范化的价格输入神经元,或者输入一个沃普,就没有用了,那些了解神经元工作原理的人不指望它们能创造奇迹。你可以永远玩这个游戏,真正成功的概率却小得可怜。杨: ,是的,亚历克斯,我问的是任何模式--我想这也是一种蜱虫模式--只是一种模式(如果神经网络检测到它,反正眼睛应该能认出它)。关于预处理、神经网络的必要性和眼睛的识别,你们俩可能都是对的,但最好是加快频率,每秒至少处理几千个模式,那么你的串联就很可能取代专家顾问。而要重现与我相同的引擎,只需再找几个爱好者--取代第二个EA,并作为套利脚本的所谓EA领袖,邀请尊敬的newdigital, 只是他想要原始算法--我会告诉他的......)而在优点上,IMHO我认为不合理的任何,计算的预处理模式,因为它可以引入一个滞后的时间序列或例如原始信息的扭曲,并在一般情况下违反了神经数据处理内的方法学统一性。假设你做了99%的计算,在神经网络面前,之后你要收取什么,因为99%的责任会自动落在这些计算和/或计算器上? 如果我们谈论的是通过引入额外的模式测量来提高效率,那么你不需要超越神经模型,例如我使用的引擎,有能力连接不是一个而是许多在不同的、相关的符号、不同的时间框架的模式上训练的神经网络,或者按交易时段、日子等分类的模式。而在EA 的外部设置 中,您可以激活或停用这些神经网络的信号和/或设置其求和规则。 Sergey Golubev 2013.04.26 10:41 #726 lohhft:至于预处理、神经网络不必要和眼睛识别,你们俩可能都是对的,只是最好能加快你的频率,每秒至少处理几十万个图案,那么你的串联很可能取代EA。而要重现与我相同的引擎,只需再找几个爱好者--取代第二个EA,并作为套利脚本的所谓EA领袖,邀请尊敬的newdigital, 只是他想要原始算法--我会告诉他的......)而在优点上,IMHO我认为不合理的任何,计算的预处理模式,因为它可以引入一个滞后的时间序列或例如原始信息的扭曲,并在一般情况下违反了神经数据处理内的方法学统一性。假设你做了99%的计算,在一个神经网络面前,之后你要收取什么,因为99%的责任将自动落在这些计算或/和计算器上? 如果我们谈论的是通过引入额外的模式测量来提高效率,那么你不需要超越神经模型,例如我使用的引擎,有能力连接不是一个而是许多在不同的、相关的符号、不同的时间框架的模式上训练的神经网络,或者按交易时段、日子等分类的模式。而在EA 的外部设置 中,您可以激活或停用这些神经网络的信号和/或设置其求和规则。 如果在这一切结束时,它能卖掉吗? Алёша 2013.04.26 12:25 #727 lohhft:邀请尊敬的newdigital, 他想要原始算法--我会告诉他的......) 我也没有拒绝讲述你的算法,这里的大多数人,除了Negoich,都希望你能告诉))))。谁知道呢,也许有人会留下一些有用的评论,比如我 并不是说完全不需要神经元,只是说应该更艺术地对输入向量进行预处理,可以说是对它们进行清洗,从我自己的神经元实验经验来看,似乎是这样。 Ivan Nehrishnyi 2013.04.26 15:57 #728 newdigital: 如果他在这一切结束后失败了怎么办?好吧,如果他失败了,我们就把他就地正法,送他去接受高级培训,重新训练他,然后再去战斗......有些机器人应该被更严格地处理,因为他们已经造反了--他们叛变了。为什么呢?也许是因为他们在其中塞进了几种策略、遗传算法和一个虚拟测试器......。在这些肥胖的怪物下,终端可以减缓,他们可以生病,各种坏的疾病......(((( 顺便说一下,我使用的引擎的开发者承诺在不久的将来会增加对MT5终端的支持,以及在测试模式下自动启动的可能性,这将允许更容易和更灵活地实现上述文章 中描述的选择有效策略和动态优化的想法,即。1.当选择最好的策略时,你将能够改变的不是一组编译在一起的算法,而是终端中包含在个别专家顾问中的整个现有策略列表。 策略顾问的优化可以在独立的MT4或MT5终端中异步完成,这将减少当前交易终端的负载,并允许使用更多的优化选项和更有效的遗传算法,作为MT标准测试器的一部分。 3.如果您的电脑有足够的资源,您可以在平行运行的终端使用几个顾问的优化,如果没有足够的资源,您可以使用MT5的云服务。 Ivan Nehrishnyi 2013.04.26 15:59 #729 Alex_Bondar: 我也没有拒绝讲述你的算法,这里的大多数人,除了Negoich,都希望你能告诉))))。谁知道呢,也许有人会留下有用的评论,比如我 不是说根本不需要神经元,只是说输入向量的预处理应该做得更有艺术性,可以说是清洁它们,从我自己实验神经元的经验来看,似乎是这样。对不起,我不是人工智能领域的专家,这就是为什么我不能详细描述理论背景,而且我也不能详细描述算法--也许如果我被折磨......((但它,关于模式和预测的神经学习,至少在我拥有的那个引擎中,是有效的,这对我来说足够了。而我承诺要告诉你的套利算法,当以不切实际的抽象方式实施时,就沦为从神经顾问那里选择最佳价格和现成的信号组合,与之隔离根本没有意义。 Sergey Golubev 2013.04.26 16:41 #730 lohhft:好吧,如果它失败了,我们把标记和发送,以提高技能 - 重新培训和回去战斗,与机器人必须严格......然后,有些人有一个反叛- 在反叛。为什么呢?也许是因为他们在其中塞进了几种策略、遗传算法和一个虚拟测试器......。在这些肥胖的怪物下,终端可以减缓,他们可以生病,各种坏的疾病......(((( 顺便说一下,我使用的引擎的开发者承诺在不久的将来会增加对MT5终端的支持,以及在测试模式下自动启动的可能性,这将允许更容易和更灵活地实现上述文章 中描述的选择有效策略和动态优化的想法,即。1.当选择最好的策略时,你将能够改变的不是一组编译在一起的算法,而是终端中包含在个别专家顾问中的整个现有策略列表。 策略顾问的优化可以在独立的MT4或MT5终端中异步完成,这将减少当前交易终端的负载,并允许使用更多的优化选项和更有效的遗传算法,作为MT标准测试器的一部分。 3.如果您的电脑有足够的资源,您可以在平行运行的终端使用几个顾问的优化,如果没有足够的资源,您可以使用MT5的云服务。这就对了。而交易本身呢?我记得有一个案例--在一个国外论坛上,有人想把一个EA卖出很多钱,卖了三次,买家在测试器上的回测与同期的交易不一致--在测试器上一切正常,但在交易账户上--恰恰相反--有的指标在封闭的柱子上编码,有的在开放的柱子上编码,也有的价格在高/低,而且都是一次。但由于没有源代码,而且编码者根本不为人所知(也就是说--很难相信他的话,因为没有人认识他)......顾客们收拾好行李,买了飞机票,去找推销员......。我只是说,可以在这里发布一些样本或源版本,让人们进行实质性的对话。这对我没有帮助(我不是一个程序员),但对人们来说是好事,而且讨论会更有趣。虽然......。这只是我的看法。 1...666768697071727374757677787980...94 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
Alex_Bondar:
一个模式可以从不完整的数据中识别出来,就像一个人可以仅从衣服、脸部、古龙水等方面识别出来一样,缺失的数据可以被推断出来。这就是模式的意义,对于市场的谓语。但我们可以有把握地断言它们的一些有趣之处,首先是这些模式非常简单, 复杂的模式不起作用,而简单的模式就像动量、加速、过去的价格水平盘整等简单的组合,也就是标准TA,这是模式识别的一个亚型。市场不会 "记住 "华丽的图案。事实证明,主要的一点是时间序列的初级预处理,将信息压缩成一个最佳的 "状态 "分布,并从中建立模式,它不是一个愚蠢的归一化价格,也不是MAC...这是第二点,在神经元分析之前对BP的预处理是所有工作的99%,事实上,如果数据处理正确,就不再需要神经元了,对人脑来说,模式变得很明显,它们只是被编程了,如果把规范化的价格输入神经元,或者输入一个沃普,就没有用了,那些了解神经元工作原理的人不指望它们能创造奇迹。你可以永远玩这个游戏,真正成功的概率却小得可怜。
你为一个给定的FI、时间框架、一天中的时间季节等平均一些这样的模式,并得到一个参考,你可以与之比较,例如,n维距离或标量乘积。但这是一条永无止境的实验之路。 简单的正常化绝对不是办法。
你能不能为初学者澄清一下,如何确定复杂模式和简单模式之间的区别?我对模式和语音识别的理论和实践有些熟悉,我想澄清我是否正确理解了我们在这里谈论的市场模式。
首先,在信息复杂性方面,我们要分析哪些量化标准?它可以是按时间量化的价格序列向量的长度,以纯粹的形式或以许多不同的方式进行过滤。滤波会使信息权重最小化,这是有道理的。然后如你所说,与一些平均矢量进行比较,这也可以通过许多不同的方式获得。我对这种阈值向量的近似信息权重感兴趣。
例如,在语音识别中,结构复杂度可能相当高,所以我们想把它们关联起来,并得出相似之处。语音识别,一般来说,已经达到了可接受的水平,为什么不使用现成的工具。在我看来,有很多相似之处。
如果这有点偏离主题,我表示歉意。
例如在语音识别中,结构的复杂性可能相当高,你想把它们关联起来,并得出相似之处。既然语音识别,一般来说,已经达到了可接受的水平,为什么不利用现成的发展。在我看来,有很多相似之处。
你能提供一些有用的链接来了解这个领域的技术现状吗? 如果能读到好的(合格的)文章,最好是来自这种系统的开发者,那将是非常有趣的。
能否请您为初学者澄清一下如何确定复杂模式和简单模式之间的区别?我对模式和语音识别的理论和实践有点熟悉,我想澄清一下我是否正确理解了这里所说的市场模式。
..........这是主观的,我自己还没有想好在哪里划清界限。但图案中的元素越少越好。
一个模式可以从不完整的数据中识别出来,就像一个人可以仅从衣服、脸部、古龙水等方面识别出来一样,缺失的数据可以被推断出来。这就是模式的意义,对于市场的谓语。但我们可以有把握地断言它们的 一些有趣之处,首先是这些模式非常简单, 复杂的模式不起作用,而简单的模式是像动量、加速、过去的价格水平盘整等的简单组合,也就是标准TA,这是模式识别的一个亚类型。市场不会 "记住 "华丽的图案。事实证明,主要的一点是对时间序列的初级预处理,将信息压缩成一个最佳的 "状态 "分布,并从中建立模式,它不是一个愚蠢的归一化价格,也不是MA...这是第二点,在神经元分析之前对BP的预处理是所有工作的99%,事实上,如果数据处理正确,就不再需要神经元了,对人脑来说,模式变得很明显,它们只是被编程了,如果把规范化的价格输入神经元,或者输入一个沃普,就没有用了,那些了解神经元工作原理的人不指望它们能创造奇迹。你可以永远玩这个游戏,真正成功的概率却小得可怜。
,是的,亚历克斯,我问的是任何模式--我想这也是一种蜱虫模式--只是一种模式(如果神经网络检测到它,反正眼睛应该能认出它)。
关于预处理、神经网络的必要性和眼睛的识别,你们俩可能都是对的,但最好是加快频率,每秒至少处理几千个模式,那么你的串联就很可能取代专家顾问。而要重现与我相同的引擎,只需再找几个爱好者--取代第二个EA,并作为套利脚本的所谓EA领袖,邀请尊敬的newdigital, 只是他想要原始算法--我会告诉他的......)
而在优点上,IMHO我认为不合理的任何,计算的预处理模式,因为它可以引入一个滞后的时间序列或例如原始信息的扭曲,并在一般情况下违反了神经数据处理内的方法学统一性。
假设你做了99%的计算,在神经网络面前,之后你要收取什么,因为99%的责任会自动落在这些计算和/或计算器上?
如果我们谈论的是通过引入额外的模式测量来提高效率,那么你不需要超越神经模型,例如我使用的引擎,有能力连接不是一个而是许多在不同的、相关的符号、不同的时间框架的模式上训练的神经网络,或者按交易时段、日子等分类的模式。而在EA 的外部设置 中,您可以激活或停用这些神经网络的信号和/或设置其求和规则。
至于预处理、神经网络不必要和眼睛识别,你们俩可能都是对的,只是最好能加快你的频率,每秒至少处理几十万个图案,那么你的串联很可能取代EA。而要重现与我相同的引擎,只需再找几个爱好者--取代第二个EA,并作为套利脚本的所谓EA领袖,邀请尊敬的newdigital, 只是他想要原始算法--我会告诉他的......)
而在优点上,IMHO我认为不合理的任何,计算的预处理模式,因为它可以引入一个滞后的时间序列或例如原始信息的扭曲,并在一般情况下违反了神经数据处理内的方法学统一性。
假设你做了99%的计算,在一个神经网络面前,之后你要收取什么,因为99%的责任将自动落在这些计算或/和计算器上?
如果我们谈论的是通过引入额外的模式测量来提高效率,那么你不需要超越神经模型,例如我使用的引擎,有能力连接不是一个而是许多在不同的、相关的符号、不同的时间框架的模式上训练的神经网络,或者按交易时段、日子等分类的模式。而在EA 的外部设置 中,您可以激活或停用这些神经网络的信号和/或设置其求和规则。
邀请尊敬的newdigital, 他想要原始算法--我会告诉他的......)
我也没有拒绝讲述你的算法,这里的大多数人,除了Negoich,都希望你能告诉))))。谁知道呢,也许有人会留下一些有用的评论,比如我 并不是说完全不需要神经元,只是说应该更艺术地对输入向量进行预处理,可以说是对它们进行清洗,从我自己的神经元实验经验来看,似乎是这样。
如果他在这一切结束后失败了怎么办?
好吧,如果他失败了,我们就把他就地正法,送他去接受高级培训,重新训练他,然后再去战斗......有些机器人应该被更严格地处理,因为他们已经造反了--他们叛变了。为什么呢?也许是因为他们在其中塞进了几种策略、遗传算法和一个虚拟测试器......。在这些肥胖的怪物下,终端可以减缓,他们可以生病,各种坏的疾病......((((
顺便说一下,我使用的引擎的开发者承诺在不久的将来会增加对MT5终端的支持,以及在测试模式下自动启动的可能性,这将允许更容易和更灵活地实现上述文章 中描述的选择有效策略和动态优化的想法,即。
1.当选择最好的策略时,你将能够改变的不是一组编译在一起的算法,而是终端中包含在个别专家顾问中的整个现有策略列表。
策略顾问的优化可以在独立的MT4或MT5终端中异步完成,这将减少当前交易终端的负载,并允许使用更多的优化选项和更有效的遗传算法,作为MT标准测试器的一部分。
3.如果您的电脑有足够的资源,您可以在平行运行的终端使用几个顾问的优化,如果没有足够的资源,您可以使用MT5的云服务。
我也没有拒绝讲述你的算法,这里的大多数人,除了Negoich,都希望你能告诉))))。谁知道呢,也许有人会留下有用的评论,比如我 不是说根本不需要神经元,只是说输入向量的预处理应该做得更有艺术性,可以说是清洁它们,从我自己实验神经元的经验来看,似乎是这样。
对不起,我不是人工智能领域的专家,这就是为什么我不能详细描述理论背景,而且我也不能详细描述算法--也许如果我被折磨......((但它,关于模式和预测的神经学习,至少在我拥有的那个引擎中,是有效的,这对我来说足够了。而我承诺要告诉你的套利算法,当以不切实际的抽象方式实施时,就沦为从神经顾问那里选择最佳价格和现成的信号组合,与之隔离根本没有意义。
好吧,如果它失败了,我们把标记和发送,以提高技能 - 重新培训和回去战斗,与机器人必须严格......然后,有些人有一个反叛- 在反叛。为什么呢?也许是因为他们在其中塞进了几种策略、遗传算法和一个虚拟测试器......。在这些肥胖的怪物下,终端可以减缓,他们可以生病,各种坏的疾病......((((
顺便说一下,我使用的引擎的开发者承诺在不久的将来会增加对MT5终端的支持,以及在测试模式下自动启动的可能性,这将允许更容易和更灵活地实现上述文章 中描述的选择有效策略和动态优化的想法,即。
1.当选择最好的策略时,你将能够改变的不是一组编译在一起的算法,而是终端中包含在个别专家顾问中的整个现有策略列表。
策略顾问的优化可以在独立的MT4或MT5终端中异步完成,这将减少当前交易终端的负载,并允许使用更多的优化选项和更有效的遗传算法,作为MT标准测试器的一部分。
3.如果您的电脑有足够的资源,您可以在平行运行的终端使用几个顾问的优化,如果没有足够的资源,您可以使用MT5的云服务。
这就对了。而交易本身呢?我记得有一个案例--在一个国外论坛上,有人想把一个EA卖出很多钱,卖了三次,买家在测试器上的回测与同期的交易不一致--在测试器上一切正常,但在交易账户上--恰恰相反--有的指标在封闭的柱子上编码,有的在开放的柱子上编码,也有的价格在高/低,而且都是一次。但由于没有源代码,而且编码者根本不为人所知(也就是说--很难相信他的话,因为没有人认识他)......顾客们收拾好行李,买了飞机票,去找推销员......。
我只是说,可以在这里发布一些样本或源版本,让人们进行实质性的对话。这对我没有帮助(我不是一个程序员),但对人们来说是好事,而且讨论会更有趣。虽然......。这只是我的看法。