交易中的机器学习：理论、模型、实践和算法交易 - 页 1214

新评论
 
凯沙-鲁托夫。

50-60%是随机的，正常的模式是至少70%的保证，任何低于这个数字的都进入婚姻，最好是80-90%，然后与风险一起工作。

但即使是95%的OOS预测准确率也不能挽救你的真实损失，市场就是市场，它的变化非常频繁。

这是理论上的还是实践上的？如果是这样的做法，给我看一个关于 "正常模型至少有70%的保证 "的信号。对你来说，这就是常态--展示一个，你就会刺激社会朝着同样的目标前进。

放弃ZZ后的实践使我回到了50%的随机性。嗯，有时是55%--其中5%会吃差价。
 
elibrarius。

它是理论上的还是实践上的？如果是实践--那么给我看看 "正常模式是至少70%的保证 "的信号。对你来说，这就是常态--至少展示一个，你会刺激社区朝着相同的目标前进。

放弃ZZ后的实践使我回到了50%的随机性。嗯，有时是55%--其中5%会吃差价。

我的做法。我不使用信号进行交易，也不使用信号，我没有动力，交易员就是一匹狼。

你得到50-55%，我得到70-95%，一个人得到志高，另一个人得到宾利，人们是不同的:)

另外，我告诉你一个小秘密：只要有合格的风险管理，你就可以在随机，在50%的预测中获利，滚动策略不需要预测方向，你只需要波动率，或者说是点差（ATR），最好还需要一个趋势指标，没有方向，"趋势或平坦 "这两种状态，波动率的预测相当好，趋势/平坦状态更差，但也在70%以上。

 
凯沙-鲁托夫。

我的做法。我不做交易信号，也不使用信号，我没有动力，交易员就是一匹狼。

你有50-55%，我有70-95%，一个有志高，一个有宾利，人与人之间是不同的 :)

至于那个交易员，他是这里的交易员，至少他可以分享他的经验，没有人要求提供现成的解决方案。这种会议的目的是什么？

当你开始深入挖掘时，你会明白他们并不那么聪明。
 
凯沙-鲁托夫。

人们是不同的 :)

不，他们不是）））。

例如，你们所有的叽叽喳喳的人都是一样的。

 
阿列克谢-维亚兹米 金。

好吧，好吧，好吧，这与贸易模式和寻找好模特的模式有什么关系？还是你认为我以某种方式奇迹般地把ZZ放在那里--我甚至无法想象这怎么可能做到......

也许我误解了什么）我只是不喜欢 "之 "字形。

 
马克西姆-德米特里耶夫斯基。

我可能遗漏了什么）我只是不喜欢 "之 "字形。

从你的例子和文章来看，你的目标是完全不同的--你把感兴趣的训练类型（森林、logit等），让EA学习和交易。

但是如果你使用ZigZag，你必须先做数据挖掘，然后再做MO--所有ZZ的顶部和谷底都不能携带相同的信息，因为根据ZZ的设置，柱状的规模变化和ZZ的大杠杆和小杠杆的交替形成模式

我认为，@Maxim Dmitrievsky 已经简化了IL的工作：你训练并得到结果，或者你改变训练类型，如果没有结果，数据（预测器）对IL来说没有任何信息。

 
伊戈尔-马卡努。

从你的例子和文章来看，你的任务是相当不同的--你采取感兴趣的训练类型（森林、logit等），并使EA学习和交易它。

但是如果你使用ZigZag，你必须先做数据挖掘，然后再做MO--所有ZZ的顶部和谷底都不能携带相同的信息，因为根据ZZ的设置，柱状的规模变化和ZZ的大杠杆和小杠杆的交替形成模式

我认为，@Maxim Dmitrievsky 简化了IL的工作：你训练并得到一个结果，或者如果没有结果，你可以改变训练类型，如果没有结果，数据（预测器）将不会为IL提供信息。

最后，这一切都归结为对有无CA的变体的平庸尝试。

如果一个经典的1-tool交易实施
 
马克西姆-德米特里耶夫斯基。

在这里，交易员就是交易员伙伴，至少可以分享经验，没有人要求现成的解决方案。否则，这种讨论的意义何在？

我同意，同志，但必须区分交易者和研究者，我们既是研究者也是交易者，当你有未经证实的想法、模糊的见解时，在公共论坛上 "消化 "它们是合乎逻辑的，因为95%的想法不是平庸就是自行车，但当钱已经流入...我说的不是院子或至少是百万美元，我说的是悲惨的千巴克一个月，这可以简单地生活下去，不需要在羞辱性的招聘中出售，然后由自己消失的动机，在右边和左边，至少关于他们的面团割草机的细节。

我个人 "发现 "和丢失过几次这样的割草机，所以我知道我在说什么，虽然现在我开始怀疑，也许没有割草机，一切只是看起来，对落后的策略可以赚取足够长的时间，纯粹是偶然，可能在未来会想到这个理论上的理由。

 
马克西姆-德米特里耶夫斯基。

最后，这一切都归结为对变体的微不足道的搜索--无论是否有洛杉矶。

如果用第一种工具进行交易的经典实施方式是

当MQL开始发展时，我看到了雷舍托夫的例子，但它们是原始的，虽然 ))

 
我已经学会区分趋势和平淡，但我也需要更有效的交易。
他们可能不会关闭它，但会开启一场狩猎，就像对一种有价值的毛皮动物一样，因为java是一个编程工具，一个多平台的败笔，甚至威胁到了那些在野外想放牧自己的发夹的巨头 :)

是的，我只是想为什么要自己创造一些东西，我对两个变量的因果关系感兴趣我的程序已经能够使用Apache Lucene、JSOUP、JSON、Apache POI等技术来识别图片到文件等任何地方的文本（这伴随着信息矩阵（存储在分布式数据库中），根据这些信息索引识别图形对象）如果一些东西不能 - 寻找一个网站将数据转换成可接受的格式进行识别或本身如果可以。

问题是，我不想重新发明轮子......我只需要找到一个能够快速学习两个输入变量的神经网络--股票数据和趋势指标。

(我有大约5年的Java EE开发经验，很多项目已经实施）。

我甚至不打算在市场交易 中附加一个神经元。这是没有必要的，而且在这个时候很可能是不可能的，因为至少没有一个稳定挣钱的神经网络的实现。

我的股票图不是随机的，而且信息量相当大（我需要核实），我已经学会了区分趋势和平坦。

我已经学会了如何辨别平坦的趋势。 交易正在进行中。

1...120712081209121012111212121312141215121612171218121912201221...3399
新评论