在Forox上赚钱是不可能的!!! - 页 31

 
joo писал(а)>>

妈的,我不知道统计学术语,抱歉。BP的哪些统计指标随时间变化?这些指标应该在合成交易工具的生成器中以可调参数的形式实现。这是为了检测BP的哪些统计参数会杀死TS。

对于什么是随时间变化,没有普遍的答案。在非常广泛的意义上的依赖。而改变BP分布参数,如莫、分散和高阶矩,会导致什么很清楚。

 
LeoV >> :

整个问题是,合成工具的特点、运动特征和其他细微差别在未来可能不会与真实的工具相吻合,在这方面,所有这些研究工作将在vain....。

我们的想法不是创造一个类似于真实的合成VR。

阿瓦尔斯>>:

对于什么是随时间变化的问题,没有普遍的答案。 依赖性是在一个非常广泛的意义上。而BP分布参数的变化,如莫、方差和高阶矩,已经很清楚会导致什么。

我不是在寻找一个普遍的答案。

比方说,我们创建了一个合成仪器01.01.2009-01.06.2009, M5。 我们知道,仪器的分散性(或另一个统计学参数)在整个范围内按线性规律(或可在发生器参数中选择的任何其他规律)从这样一个值变化到这样一个值(我们在SVR的发生器中设置了一个参数)。我们在这个工具上运行我们的专家顾问。我们已经了解了它可能发挥作用的条件。我们纠正了这一逻辑。我们测试了它,等等。我们已经有了一个坚实的专家顾问(不是圣杯,否则会被杀死)。我们已经在虚拟机上实现了它。把它放在真实的那个地方。抹去了。他们放弃了一切,去工厂做车工和铣工。:)

一般来说,我的主要目标是找出有人工智能的系统的学习能力的极限。在人工工具上,更容易控制学习过程和控制学习无用的地方。

 
joo >> :

一个想法已经诞生了。作为一个不精通统计学的人,我将无法实施它。但在这个话题中,有这样的人(知识渊博)。

主要内容。许多交易者认为,市场会随着时间的推移而变化。怎么做--并不重要,但这是TS的一个问题,能不能解决是另一个问题。

我们可以创建一个合成交易工具的生成器。它允许调整差异的正常/正态分布和BP的其他统计参数在时间上的变化。然后,在这样的合成交易工具上进行测试,我们可以找出TS的弱点,并对其进行改进,使其在不断变化的BP上的生存能力最大化。以此类推。

你怎么看?

当你改变BP任务的参数时,目的很明确,可以立即看到反应,但我要面对Mischek从这样的BP使用会很少好你摆出TS,这很好地定义了合成BP的变化,然后呢,如何然后移动到一个真实的市场,岂不是更容易立即建立真实市场的TS。

哪里能保证你在合成BP中设定的模式在现实世界中存在?

 
joo писал(а)>>

我们的想法不是要创造一个与真实的BP相似的合成BP。

我不是在寻找一个普遍的答案。

假设我们创建了一个合成工具01.01.2009-01.06.2009, M5。我们知道,该符号的方差(或另一个统计量)在整个区间内以线性规律(或可以在发生器参数中选择的任何其他规律)从这样一个值变化到这样一个值(我们在SVR的发生器中设置了一个参数)。我们在这个工具上运行我们的专家顾问。我们已经了解了它可能发挥作用的条件。我们纠正了这一逻辑。我们测试了它,等等。我们已经有了一个坚实的专家顾问(不是圣杯,否则会被杀死)。我们已经在虚拟机上实现了它。把它放在真实的那个地方。抹去了。他们放弃了一切,去工厂做车工和铣工。:)

一般来说,我的主要目标是找出人工智能的学习能力的极限。在人工工具上,更容易控制学习的过程,并控制在哪里学习将是无用的。

那么可能最好不要从头开始合成VR,而是采取你写的真实+噪音产生的方式。

 
joo >> :

我们的想法不是要创造一个与真实事物相似的合成BP。

我不是在寻找一个普遍的答案。

比方说,他们创造了一个合成工具......。

...到工厂当车工铣工。:)

所以也许不要退出工厂 :o)

我的做法几乎和你一样,当我在寻找最佳外推器设置时,我发现在完美的合成谐波上的这些设置,外推器准确地预测了100巴。我发现后冷静下来,因为市场上没有完美的谐波。因此,你的建议是可以做到的,但只是想知道把它作为一个既定事实,并冷静下来 :o)

 

当然,对于研究任何一种类似麦克迪的系统来说,它不值得花一分钱。我很清楚这一点。

但对于研究自适应的TS和有人工智能的TS来说,它恰好合适。这就像在实验室里:你转动旋钮,看到TS的反应。

而如果我们采取真实的BP+产生的噪声,我们怎么知道我们的适应性TS在哪里跌倒?

 
Avals >> :

那么可能最好不要从头合成BP,而是采取你所写的真实+噪音产生的方式。

嗯...这是个有趣的想法。你甚至可以只添加一个BS。我得考虑一下。

===

这就是我喜欢这些讨论的原因?一个人给了一个想法--不滚,这个想法本身是不切实际的,有人顺口说了一句,就已经在想新的方向了。虽然我们已经经历了静态残留物的分离,但在这里却出现了相反的方法。而任务是不同的。

>> 是的,我得考虑一下)。

 
joo писал(а)>>

当然,对于研究各种类似麦迪的系统来说,它不值一文。我很清楚这一点。

但对于研究自适应TS和带有AI的TS来说,它是最好的。这就像在实验室里:你转动旋钮,看到TS的反应。

而如果我们采取真实的BP+产生的噪声,我们怎么知道我们的适应性TS在哪里跌倒?

罗杰。你想测试完全自适应的系统。如果你从一个周期性变化的分布中产生BP,那么适应性系统的成功将取决于该分布的变化频率。设定分布在每个酒吧都会发生变化,没有什么能适应它。但如果,比如说,在1000条之后,就可以了。如果频率是随机变化的,那么适应的成功将取决于这种随机性的分布。

但是,这当然不能以任何方式保证对真实系列的适应性将是相似的。

 
Avals >> :

得到了它。你想测试完全自适应的系统。如果你从一个周期性变化的分布中生成BP,那么适应性系统的成功将取决于该分布的变化频率。设置每个条形图上的分布变化,没有什么能适应它。但如果,比如说,每一千次都算数,那就可以了。如果频率是随机变化的,那么适应的成功将取决于这种随机性的分布。

是的,你说对了,要测试完全自适应的系统。并且能够在此基础上,改变分布中的变化频率。


PS!真正的BP(请原谅同义词)的严酷现实,如差距,没有任何适应性系统可以预见。但它不需要,因为这些将是适应性TS的单一错误决定。

 
joo писал(а)>>

是的,你说对了,要检查完全适应性系统。而且还能够改变分布的频率。

预处理,即把什么作为输入输入给系统,在这里可能很重要。IMHO,这是适应性系统的一个基石。这些价值本身应该是市场稳定阶段的特征。而合成物应该在这些输入的基础上生成。粗略地说,它们应该被生成,其分布应该被改变(改变适应性系统的输入参数值)。