交易中的机器学习：理论、模型、实践和算法交易 - 页 1145

新评论
 
圣杯。

对未来的教学和对过去的测试，只有在这个论坛上才能找到)))

没有什么区别，已经讨论过了。不偷看历史

让我看看有哪个论坛是正常讨论MO对市场的影响的？
 
阿列克谢-尼古拉耶夫。

我想说的是，这取决于专家顾问。如果它产生了明确的交易序列，即当一个头寸被打开和关闭，并且其交易量在打开和关闭之间没有变化时--最好按交易来计算。如果持仓量 随时间平稳变化，那么识别交易时刻的意义就不大，可以用自己的方法计算。

pantural方法更有利于销售 TS和寻找投资者）所以随着时间的推移，我想他们会转而采用这种方法）。

我认为重写一个论坛新秀的年度夏普比率计算算法太过荣幸了))

说真的，"年度 "和交易作为一种衡量标准是没有意义的，不可能对其进行优化，因为每次交易的数量不同，策略也就不同，例如产生1000次交易的策略会比100次交易的策略少三倍的夏普，而利润和最大缩水是一样的。

 
FxTrader562:

可能是使用 "Q "学习和 "贝尔曼方程 "的个人交易利润和损失的方程式

这意味着，考虑到每次交易的利润，应该在未来采取。

我不知道 :)

 
FxTrader562:

"Q "学习和 "贝尔曼方程"

这意味着不应考虑每笔交易中的个别利润和损失。

q-learning是一种表格方法，所以用Bellman修正了个别利润

我直接使用近似的政策，同样的事情，但更快。

 
马克西姆-德米特里耶夫斯基。

没有区别，已经讨论过了。

这是有区别的，已经讨论过了。有人只是让它从指缝中溜走。
 
马克西姆-德米特里耶夫斯基。

没有区别，已经讨论过了。不偷看历史

我不知道如何做，但我不知道如何做。

这不是偷看，虽然在某些条件下也可能是偷看，但OOS应该尽可能地接近真实，因为你希望OOS的结果在真实上重复+-，但如果你在更遥远的过去测试，它将接近过去，而这段时间的市场可能或多或少有变化。你的方法可以完全导致荒唐，例如，如果你把OOS和真实的分开多年)))

论坛很少，只有wilmot、quantnet、elite和...我想不出别的办法，Mql5是流动性最强的，但我在西方论坛上没有看到任何用Martin或Sb交易 "获利 "的 "证据"，也许是因为只有合格的投资者在那里交易，他们从未 "入过金"，愚蠢的白痴...

 
TheXpert。
这是有区别的，已经讨论过了。有人只是让它从指缝中溜走。

没有任何区别

我最近试图解释，但我忘了他为什么这么想 ))

 
马克西姆-德米特里耶夫斯基。

如果政策是由一些模型（比如说线性模型）近似的，那么我们只需在新数据上得到一个解决方案，就可以了，把它拟合到模型中去。

你所描述的是一个寻找最大回报的过程。

非平稳性的主要问题是当它对新数据停止工作时。有非静止的土匪描述，但我还没有到他们那里去。诚然，那里没有什么是我不知道的，事实证明:)但需要一些关于如何正确给予奖励的想法/解决方案

你高估了我）我还没有进展到介绍以外的程度。）

正如他们自己写的--这是一种自然（环境）游戏的子类。我确信我们几乎所有的模型都在自然游戏中，但我不知道这些'土匪'有多合适。

我更喜欢潜伏马尔可夫过程。这里的非平稳性可能是我们没有观察到所有变量的结果。粗略地说，对我们来说，一个非稳态的过程会从一个稳态的过程衍生出来，但只有做市商知道。

 
圣杯。

这不是偷窥，虽然在某些条件下也可能是偷窥，但OOS应该尽可能地接近真实，因为你希望OOS的结果在真实上重复+或-，但如果你在更遥远的过去测试，它将接近过去，而这段时间的市场可能或多或少会有变化。你的方法可以完全导致荒谬，例如，如果你把OOS和真实的东西分开多年））））。

论坛很少，只有wilmot、quantnet、elite和...我想不出别的办法，Mql5是流动性最好的，但你在西方论坛上找不到马丁或Sb的 "好 "交易的 "证据"，也许是因为只有合格的投资者在那里交易，他们从未 "入过金"，愚蠢的白痴...

是的，这是胡说八道，我只是在测试我所做的事情（普遍性），我不是在交易。

 
马克西姆-德米特里耶夫斯基。

这是胡说八道，我只是在测试我所做的事情（普遍性），我没有在交易。

明白了，狗屁就是狗屁))

1...113811391140114111421143114411451146114711481149115011511152...3399
新评论