トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング - ページ 2035

新しいコメント
 
Fast235：

マキシマムカ、こっちだ

もし私のシステムが機能しないなら、人工知能の世界に行くしかない。もしあなたがそこで一番優秀なら、ラッキーだ

ファクトリーを試す

 
ロールシャッハ：

何度かやり直しましたが、解凍後6GB かかります。

曜日、月、時、分、...終了時も同様...、取引時間（分）、SL、TP、結果 +-1

私は絵を作ることはできませんが、予測因子からデータを引き出すことはできますが、有用なデータの種類の問題はあまり得意ではありません、ここで選択肢を見て、あなたが興味を持っているものを選んでください。

可能な値。
 
Mihail Marchukajtes:
最近、オプティマイザをいじっているんですが、主にメトリクスの分野で。自慢できるほどめちゃくちゃにしました。私はこんなにも魅力的で、こんな曲も弾けるんだから、独り占めしてください :-)

では、あなたの功績をきちんと教えてください．

 
イゴール・マカヌ：

OK、はい。

あまりないのですが、抽象的なTSの説明としては最も妥当というか、TSを探すという作業には適していると思います

やはり強調したいのは、アルゴリズムとTCの概念の不整合です。むしろ、TSは固定されたコードではなく、それを変更するプロセスである）「Expert Advisorをチャート上に置いて、それを忘れる」-これは、私の意見では、達成不可能な理想である）。

イゴール・マカヌ：

- TSのライフサイクルはどのくらいか（トレーダーの指から「吸い出された」 10年10晩にわたるテストという トレーダーの俗説は、皆の首をかしげる - それを考慮に入れてはいけない のだ）。

テストとは、良いTSを見つけることではなく、悪いTSを捨てることでしかないと私は考えています。もし、過去に非常に有益な戦略があったとしても、その戦略（または類似の戦略）は他のプレイヤーによって必ず発見され、ゲームモデルによれば、遅かれ早かれ将来的にその戦略は不採算になる。

イゴール・マカヌ：

- 最適化／再設定はどのような作業ですか？

私自身は、「運が良ければ、不運で失うよりも多くのものを得ることができる」と考えています。この原則を定式化すると、通常、スプレッド、ドローダウンの制限、TSライフ タイムの有限性を考慮して期待ペイオフを最大化する、というようなことになる。もちろん、これらはすべて、いくつかの統計モデルの枠組みの中で行われるものであり、市場が厳密に準拠する必要はない)。

 
Alexander Alekseyevich:
いいえ、していません）結果はどうなるのでしょうか？ほとんどの場合、結果は大きく異なると思います。

結果は同じになり、わずかな偏差が生じます（その理由はいろいろありますが、その1つは丸めです）。最も重要なのは、結果を得るためにかかる時間で、それは何倍にもなります。エンジンとしてMQLを使う場合、私はそれに1年を費やし、最終的には古い、ネイティブのC++に戻りました。やりたい人を落胆させるつもりはない、いい経験にはなるが必要ない))。

 
マキシム・ドミトリエフスキー：

工場で試してみてください。

お前のケツ、好きだぜ

 
Fast235：

お前のケツ、俺も好きだ。

また酔ったのか、スカティーナ？
 
ドミトリエフスキー)
 
Farkhat Guzairov：

結果は同じになりますが、わずかな誤差が生じます（理由はいろいろありますが、そのひとつは丸めです）。最も重要なのは、この結果を得るためにかかる時間です。やりたい人をディスっているわけではなく、いい経験になるけど、私には必要ない))。

経験が大切です)))。

 
Aleksey Vyazmikin：

私は絵を作ることはできませんが、予測因子からデータを引き出すことはできます。しかし、使えるデータ型の問題はあまり得意ではないので、選択肢を見て、興味のあるものを選んでください

可能な値。

どうだろう、最初の1枚にしよう。

1...202820292030203120322033203420352036203720382039204020412042...3399
新しいコメント
理由: