市场礼仪或雷区中的良好风度 - 页 66 1...596061626364656667686970717273...104 新评论 paralocus 2009.06.13 18:35 #651 StatBars >> : 这些是千兆字节的不充分的模型...不谈今天的市场和明天的市场不一样等等。 那么这里是一个反例......谁说他们是不充分的（除了那些有错误的人）？现在你需要给出一个充分的模型（其算法）的例子。这样，其他人的不足之处就会变得很明显。 Artem Titarenko 2009.06.13 19:49 #652 它们的不足是显而易见的，这意味着模型是不充分的，而其原因是第五个问题......越是这样，我越是清楚地知道，这一系列可以带到一个固定的 - 所以你不能把你的错误写在今天的市场和昨天的市场不一样的事实。 你的网络在每次计数时都会重新训练，这更可能是预处理中的缺陷，而不是市场在变化。 [删除] 2009.06.13 19:56 #653 StatBars писал(а)>> 它们的不足是显而易见的，如果模型不挣钱，就意味着它是不足的，其原因是第五个问题......。我越发清楚地知道，这个系列可以带到一个固定的 - 所以你不能把你的错误写在今天的市场和昨天的市场不一样的事实上。 网络在每次计数时重新训练的事实，更可能是预处理中的错误，而不是市场在变化的事实。 "该人士问道"，中子或准子是否想到了在这种情况下NS所使用的非常模型。今天的实践表明了这一点，明天就没有了。这个想法是基于这样的论断：每个时间点的市场都与前一个时间点不同。那么为什么用最后几个小节就能预测呢？那个 "大块 "在哪里？"大块 "是指前一个和后一个数值之间的依存关系被保留下来。到目前为止，实验都是以小时为单位进行的。如果我想使用五线谱--我是否应该采取所有五线谱的相同小时数？或者只是最后X个五线谱？如果我想使用H4怎么办？该系统不会工作吗？如果12,13,14,15小时之间存在自相关，会不会是12.05，13.05，14.05，15.05之间？ 如果市场上没有恒定的依赖性，至少要有一个折叠的想法......如果没有或无法做到这两点--真的最好是掷骰子，照顾好损失经理.....。 Artem Titarenko 2009.06.13 20:08 #654 YDzh писал(а)>> "那个人在问 "中子或帕拉罗克斯对本案中NS所使用的模型有多少考虑。练习显示今天，它不显示明天。这个想法是基于这样的论断：每个时间点的市场都与前一个时间点不一样。那么，为什么用最后几根柱子就能预测到呢？那个 "大块 "在哪里？"大块 "是指前一个和后一个数值之间的依存关系被保留下来。到目前为止，实验都是以小时为单位进行的。如果我想使用五线谱--我应该把所有的五线谱都用在相同的小时数上吗？或者只是最后X个五线谱？如果我想用H4呢？该系统不会工作吗？如果12,13,14,15小时之间存在自相关，会不会是12.05，13.05，14.05，15.05之间？ 如果市场上没有恒定的依赖性，至少要有一个折叠的想法......如果没有或无法做到这两点--真的最好是掷骰子，照顾好损失经理.....。 如果你想知道什么，那就按顺序问，以你问他们的形式，他们看起来像反问句... [删除] 2009.06.13 22:05 #655 StatBars писал(а)>> 如果你想知道什么，就按顺序问，以你问的方式，它们看起来像反问句...... 我可能是一个原始的人...在我看来，在我匆忙进入几个月的编程之前，我靠的是什么，这个问题根本就不是修辞。答案可能是 "我曾经读到过，神经网络是TC发展的一个有前景的领域。我决定尝试一下。通过科学实验，我发现我需要在每一步重新训练网络，并使用开盘价/收盘价作为输入"。我的情况也是如此，只是我的发展方向略有不同。 只是了解中子和他在得出任何结论之前对数学 "伪装 "的热爱，我想他有一些东西要讲，因为他如此热衷于捍卫这种方法。这就是为什么我对理论部分感兴趣。我很好奇为什么在他眼里应该是有效的。 Sceptic Philozoff 2009.06.13 23:59 #656 gpwr，这个话题不是用来讨论这种 "深奥 "的问题的。你只是在这里学习如何制作神经网--仅此而已。 输入什么，训练什么输出，以及网格架构应该是什么，这完全是另一个问题。这就是你的 "深入 "问题的用武之地。 Neutron 2009.06.14 06:45 #657 StatBars писал(а)>> 有一些变换可以用来转换为静止的数据...我知道一个事实，这一系列可以转换为固定的--所以你不能把你的错误归咎于今天的市场和昨天的市场不一样。 网络在每次计数时重新训练的事实，更可能是预处理中的错误，而不是市场在变化的事实。 YDzh 写道>> 这个想法是基于这样的说法：每个时间点的市场都与前一个时间点不一样。那么为什么用最后几个小节就能预测呢？前一个和后一个值之间的依存关系被保留的 "块 "在哪里？如果市场上没有恒定的依赖性，至少要有一个折叠的想法......如果也没有或不能有--那真的不如掷骰子，处理损失的经理.....。 我们 需要定义我们正在谈论的是哪种统计学。 事实上，我们可以取一个正态分布的SV，MO为零，方差等于常数。从其所有参数来看，这是一个静止的过程，但人们原则上不能通过对这个过程的整合来赚取BP!这就是法律。你可以赢，但在统计学上你无法战胜它--马丁格尔法。因此，这是一个静止过程的例子，但不是我上面提到的那个。 你只有在确定其计数之间的模式（不一定是条形），才能在像市场BP这样的BP上赚钱。这是唯一的要求。然而，仅仅识别这种模式是不够的，这些模式必须是固定的。这样的要求是很自然的，它来自抽象的MTS的工作条件。我在上面想到的正是这种类型的静止性，并认为它很明显。不幸的是，我们不能完全谈论静止性--市场原则上不是静止的，否则你就可以在这样的市场上像在人行道上的两个手指一样赚钱了！"。我们只能谈论准静止性（几乎是静止性或静止性，其发生的时间大于分析单位检测所需的时间）。因此，如果在这个理解水平上，我们可以论证这种过程的存在，那么我们确实可以将自己限制在AR模型中...但是，正如你已经猜到的那样，这些过程不会重复，我们不得不每次都提前 "准备 "一个具有非线性的AR模型，以对应市场上的预期！这就是为什么我们要把它称为 "非线性"。这是无稽之谈。正是由于这个原因，对每个事件进行训练的非线性神经网络，而不是每月一次（如这里所建议的）是最充分的工具，可以及时识别和击败近乎有效的市场中的事件。 我并不是说NS有能力在市场上赚钱（平均利润超过DC的佣金）。我只是声称，NS是当今最充分的工具，它应该构成TS的基础。我认为，在同类设备中获得优势的唯一方法是对每一个事件进行过度学习的技术。这是对隐藏在NS中的潜力进行最大限度的 "挤压"，因此也是对Kotir模式进行最大限度挤压的尝试。 Mathemat 写道>>输入什么，指导什么输出，以及电网架构应该是什么，完全是另一个问题。这就是你的 "深度 "问题的用武之地。 阿列克谢，总是对的。 的确，知道如何正确建立NS和训练它并没有什么秘密。这是一个有自尊心的研究人员应该知道的媒人。这是基本的东西! 神圣的知识正是从输入数据的准备和NS的目标函数的定义开始。出于原则性原因，这里将不讨论这个问题。在这个知识领域，每个人都是创造者和艺术家。它带来了金钱和享受。而且，这肯定不是一个小时的酒吧!在这个主题中显示的只是作为一种视觉辅助，讨论什么更好--"观看或15分钟"--只能是出于学术兴趣。 paralocus 2009.06.14 06:56 #658 最后，我的单层不再依赖于epochs的数量（100以内的多一些）。统计块当然有很大的帮助，但也有一些问题。如果你不介意的话，请当面与我联系。 Neutron 2009.06.14 06:58 #659 如果我不想通过私信，你能把问题贴在这里吗？ paralocus 2009.06.14 07:41 #660 当然。让我拿着图表。 1...596061626364656667686970717273...104 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
这些是千兆字节的不充分的模型...不谈今天的市场和明天的市场不一样等等。
那么这里是一个反例......谁说他们是不充分的（除了那些有错误的人）？现在你需要给出一个充分的模型（其算法）的例子。这样，其他人的不足之处就会变得很明显。
它们的不足是显而易见的，这意味着模型是不充分的，而其原因是第五个问题......越是这样，我越是清楚地知道，这一系列可以带到一个固定的 - 所以你不能把你的错误写在今天的市场和昨天的市场不一样的事实。
你的网络在每次计数时都会重新训练，这更可能是预处理中的缺陷，而不是市场在变化。
它们的不足是显而易见的，如果模型不挣钱，就意味着它是不足的，其原因是第五个问题......。我越发清楚地知道，这个系列可以带到一个固定的 - 所以你不能把你的错误写在今天的市场和昨天的市场不一样的事实上。
网络在每次计数时重新训练的事实，更可能是预处理中的错误，而不是市场在变化的事实。
"该人士问道"，中子或准子是否想到了在这种情况下NS所使用的非常模型。今天的实践表明了这一点，明天就没有了。这个想法是基于这样的论断：每个时间点的市场都与前一个时间点不同。那么为什么用最后几个小节就能预测呢？那个 "大块 "在哪里？"大块 "是指前一个和后一个数值之间的依存关系被保留下来。到目前为止，实验都是以小时为单位进行的。如果我想使用五线谱--我是否应该采取所有五线谱的相同小时数？或者只是最后X个五线谱？如果我想使用H4怎么办？该系统不会工作吗？如果12,13,14,15小时之间存在自相关，会不会是12.05，13.05，14.05，15.05之间？
如果市场上没有恒定的依赖性，至少要有一个折叠的想法......如果没有或无法做到这两点--真的最好是掷骰子，照顾好损失经理.....。
"那个人在问 "中子或帕拉罗克斯对本案中NS所使用的模型有多少考虑。练习显示今天，它不显示明天。这个想法是基于这样的论断：每个时间点的市场都与前一个时间点不一样。那么，为什么用最后几根柱子就能预测到呢？那个 "大块 "在哪里？"大块 "是指前一个和后一个数值之间的依存关系被保留下来。到目前为止，实验都是以小时为单位进行的。如果我想使用五线谱--我应该把所有的五线谱都用在相同的小时数上吗？或者只是最后X个五线谱？如果我想用H4呢？该系统不会工作吗？如果12,13,14,15小时之间存在自相关，会不会是12.05，13.05，14.05，15.05之间？
如果市场上没有恒定的依赖性，至少要有一个折叠的想法......如果没有或无法做到这两点--真的最好是掷骰子，照顾好损失经理.....。
如果你想知道什么，那就按顺序问，以你问他们的形式，他们看起来像反问句...
如果你想知道什么，就按顺序问，以你问的方式，它们看起来像反问句......
我可能是一个原始的人...在我看来，在我匆忙进入几个月的编程之前，我靠的是什么，这个问题根本就不是修辞。答案可能是 "我曾经读到过，神经网络是TC发展的一个有前景的领域。我决定尝试一下。通过科学实验，我发现我需要在每一步重新训练网络，并使用开盘价/收盘价作为输入"。我的情况也是如此，只是我的发展方向略有不同。 只是了解中子和他在得出任何结论之前对数学 "伪装 "的热爱，我想他有一些东西要讲，因为他如此热衷于捍卫这种方法。这就是为什么我对理论部分感兴趣。我很好奇为什么在他眼里应该是有效的。
gpwr，这个话题不是用来讨论这种 "深奥 "的问题的。你只是在这里学习如何制作神经网--仅此而已。
输入什么，训练什么输出，以及网格架构应该是什么，这完全是另一个问题。这就是你的 "深入 "问题的用武之地。
有一些变换可以用来转换为静止的数据...我知道一个事实，这一系列可以转换为固定的--所以你不能把你的错误归咎于今天的市场和昨天的市场不一样。
网络在每次计数时重新训练的事实，更可能是预处理中的错误，而不是市场在变化的事实。
这个想法是基于这样的说法：每个时间点的市场都与前一个时间点不一样。那么为什么用最后几个小节就能预测呢？前一个和后一个值之间的依存关系被保留的 "块 "在哪里？如果市场上没有恒定的依赖性，至少要有一个折叠的想法......如果也没有或不能有--那真的不如掷骰子，处理损失的经理.....。
我们 需要定义我们正在谈论的是哪种统计学。
事实上，我们可以取一个正态分布的SV，MO为零，方差等于常数。从其所有参数来看，这是一个静止的过程，但人们原则上不能通过对这个过程的整合来赚取BP!这就是法律。你可以赢，但在统计学上你无法战胜它--马丁格尔法。因此，这是一个静止过程的例子，但不是我上面提到的那个。
你只有在确定其计数之间的模式（不一定是条形），才能在像市场BP这样的BP上赚钱。这是唯一的要求。然而，仅仅识别这种模式是不够的，这些模式必须是固定的。这样的要求是很自然的，它来自抽象的MTS的工作条件。我在上面想到的正是这种类型的静止性，并认为它很明显。不幸的是，我们不能完全谈论静止性--市场原则上不是静止的，否则你就可以在这样的市场上像在人行道上的两个手指一样赚钱了！"。我们只能谈论准静止性（几乎是静止性或静止性，其发生的时间大于分析单位检测所需的时间）。因此，如果在这个理解水平上，我们可以论证这种过程的存在，那么我们确实可以将自己限制在AR模型中...但是，正如你已经猜到的那样，这些过程不会重复，我们不得不每次都提前 "准备 "一个具有非线性的AR模型，以对应市场上的预期！这就是为什么我们要把它称为 "非线性"。这是无稽之谈。正是由于这个原因，对每个事件进行训练的非线性神经网络，而不是每月一次（如这里所建议的）是最充分的工具，可以及时识别和击败近乎有效的市场中的事件。
我并不是说NS有能力在市场上赚钱（平均利润超过DC的佣金）。我只是声称，NS是当今最充分的工具，它应该构成TS的基础。我认为，在同类设备中获得优势的唯一方法是对每一个事件进行过度学习的技术。这是对隐藏在NS中的潜力进行最大限度的 "挤压"，因此也是对Kotir模式进行最大限度挤压的尝试。
输入什么，指导什么输出，以及电网架构应该是什么，完全是另一个问题。这就是你的 "深度 "问题的用武之地。
阿列克谢，总是对的。
的确，知道如何正确建立NS和训练它并没有什么秘密。这是一个有自尊心的研究人员应该知道的媒人。这是基本的东西!
神圣的知识正是从输入数据的准备和NS的目标函数的定义开始。出于原则性原因，这里将不讨论这个问题。在这个知识领域，每个人都是创造者和艺术家。它带来了金钱和享受。而且，这肯定不是一个小时的酒吧!在这个主题中显示的只是作为一种视觉辅助，讨论什么更好--"观看或15分钟"--只能是出于学术兴趣。