В предыдущей статье мы познакомились с алгоритмом Random Decision Forest и написали простого самообучающегося эксперта на основе Reinforcement learning (обучения с подкреплением). Было отмечено основное преимущество такого подхода: простота написания торгового алгоритма и высокая скорость "обучения". Обучение с подкреплением (далее просто RL...
它已经被维特比算法分成了10个状态，本质上就像一个聚类。
我认为在做退货之前应该近似于价格，还是不做退货？
我不知道我是否应该接近它。
顺便说一下，如果有人想研究一下 "cmm"，这里有一篇文章，有R语言的代码和例子
http://gekkoquant.com/2014/09/07/hidden-markov-models-examples-in-r-part-3-of-4/
顺便说一下，文章中的SMM状态是相当可解释的。
而且有一种依赖性...
我对回归者进行了 "SMM"（隐马尔可夫模型）训练，将其分为10个状态，并在没有老师的情况下进行教学，因此它自己划分了不同的分布。
状态分布。
在这里，我将回报按州分组，即每一行是一个独立的市场状态。
一些州（1,4,6,8,9）的观察值太少，所以根本无法考虑到它们
而现在我将尝试再生系列，也就是做一个累积的总和，如果在某些状态中发现一些趋势--方向上的规律性
我做了一个累积性的总结。
5号和7号州有一个稳定的结构，5号是海湾，7号是村庄。
非常有趣的分布和曲线。几乎所有的人都有不对称性。谢谢，我再看看，欣赏欣赏。
顺便说一下，文章中的SMM状态是相当可解释的。
好吧，没有人争论，我只是把它写给了马克西姆
好吧，没有人争论，我只是在给马克西姆写这个问题。
圣杯 很快就会出版，请稍等......你可以稍后用现金分配的方式发送感谢信
狼吞虎咽 :)
https://www.mql5.com/ru/articles/4777
圣杯将很快出版，请稍等......带有现金分配的感谢信将在稍后寄出。
狼吞虎咽 :)
https://www.mql5.com/ru/articles/4777
很酷，感觉像是在窥视一个魔法实验室。ordermagic的价值只是证实了这种感觉)
酷，感觉就像步入了一个神奇的实验室。ordermagic的价值只是证实了这种感觉)
我还有一些关于PCA、预测器搜索和其他东西的材料，我想我以后会再写一篇文章，在我去Python MO之前
还有更多关于PCA、超频预测器和其他东西的材料，我想我以后会再写一篇文章，然后再转到Python MO。
是的，这不会是不合适的。
谢谢你的文章。
所以你终于把 "蒙特卡洛 "和RDF结合起来了:)))
这篇文章似乎很有趣......我将看看它在实际测试中的效果如何，以及可以做哪些改进，并会向你更新......
如果你在这个版本中有任何需要解决的关键问题，以改善远期测试结果，那么你可以让我知道。
我想用shift_prob（代码中的移位概率）代替 "随机抽样"，从不同的分布中进行抽样，这取决于当前的市场状态...你可以考虑一下
可以为它尝试不同的分配方案
对这里感兴趣，就遇到了
用R语言进行贝叶斯数据分析 的基础知识!