交易中的机器学习：理论、模型、实践和算法交易 - 页 1289 1...128212831284128512861287128812891290129112921293129412951296...3399 新评论 Yuriy Asaulenko 2019.01.31 19:31 #12881 马克西姆-德米特里耶夫斯基。你可以绕着圈跑，挥舞你的手臂，结果也差不多 )实际上，我说的是自行车运动。而心理实验不花钱，但可以非常有用）。 顺便说一下，如果市场上有真正的周期，它们总是可以通过光谱分析区分出来。因此，在完全不同的分析期限上--纯噪音谱。我很早以前就做过了，如果要用Python重复，我就演示一下。 Forester 2019.01.31 19:38 #12882 马克西姆-德米特里耶夫斯基。两种模型的最终误差是多少？ 两种模型以及它们在新数据上的工作情况 该死的，你需要在这里进行深入分析显示误差delta，即这个预测器对总模型误差的贡献有多大。在训练领域，去除1后，误差变化不超过0.5%（因为这个领域的拟合度很高），而在验证领域，误差变化高达5.5%（因为这个领域没有被调整）。轨迹和验证部分的互换率都跳到了5-6%。 一般来说，随机再训练+随机节点洗牌也会得到随机的结果。 我想我将按1建立预测器。我认为最多10-20个会迅速产生模型，然后会慢下来。 Maxim Dmitrievsky 2019.01.31 19:41 #12883 elibrarius。显示的是误差delta，也就是说，这个预测器对总的模型误差有什么贡献。在训练地块上，移除一个地块的误差不超过0.5%（因为这个地块的拟合度很高），而在验证地块上，误差变化高达5.5%（因为这个地块没有被调整）。轨迹和验证部分的互换率都跳到了5-6%。 一般来说，随机再训练+随机节点洗牌也会得到随机的结果。 我想我会按1建立预测器。我认为最多10-20个会迅速产生模型，然后会慢下来。如果参数稍有变化，这很正常，森林是随机的。如果你设置了种子，它应该总是一样的。 也就是说，那里和那里都有~5%的验证率，这意味着它们做的是同样的工作。 Maxim Dmitrievsky 2019.01.31 19:50 #12884 elibrarius: 阿尔格利布中是否有Setcid？有一个用于分裂的GCJ我只是在训练森林之前或在初始化过程中把MathSrand()放在EA或脚本或其他什么地方。 我想它甚至起作用了......我忘了......现在我不做了，因为我不需要它。 Maxim Dmitrievsky 2019.01.31 19:53 #12885 尤里-阿索连科。实际上，我说的是周期性。而心理实验不花钱，但可以非常有用）。 顺便说一下，如果市场上有真正的周期，它们总是可以通过光谱分析来识别。因此，在完全不同的分析期限上--纯噪音谱。我很久以前就做过了；如果我要用Python重复它，我会给你看。为什么，反正一切都很清楚。 市场中存在周期，但它们是非周期性的，即它们出现、持续和消失。可能是以一种随机的方式。问题是如何抓住这种现象（如果有可能的话），没有更多的问题可以引用BP的说法。 Yuriy Asaulenko 2019.01.31 20:15 #12886 马克西姆-德米特里耶夫斯基。为什么，这很清楚。 市场存在周期，但它们是非周期性的，也就是说，它们出现、持续和消失。可能是以一种随机的方式。问题是如何抓住这种现象（如果你能抓住），就没有BP报价的问题了。市场上有周期，但它们是非周期性的--马克西姆，周期，根据定义，是周期性的，或接近于周期性的--伪周期。没有其他循环）。或者它们不是周期）。 随机现象不能被预测或检测。人们可以尝试只在它们的发生和生命迹象的过程中发现它们，在戏剧的过程中，不超过一些概率，也许非常小。 Maxim Dmitrievsky 2019.01.31 20:19 #12887 尤里-阿索连科。市场上有周期，但它们是非周期性的--马克西姆，周期，根据定义，是周期性的，或接近它--伪周期性的。没有其他循环）。或者它们不是周期）。 随机现象不能被预测或检测。你只能在它们的发生和生命迹象的过程中，随着剧情的发展，试图发现它们的存在，不外乎一些概率，也许非常小。如何解释......简而言之，有一个信号或东西采取了一个周期的形式，在一个分叉点之后，它采取了另一个周期的形式。或分叉点，无论你怎么称呼它，其含义都不会改变。 我不知道它在科学上叫什么，但在一定的半周期之后，这个周期可以以体面的概率和低误差 "运行"，直到它再次断裂，并经过一定的时间（半周期或不管它叫什么），为此你可以再次赶上。这是一种理论，它可能如何工作。 Yuriy Asaulenko 2019.01.31 20:34 #12888 马克西姆-德米特里耶夫斯基。如何解释......简而言之，有一个信号或某种东西采取周期的形式，在一个分叉点之后，它采取另一个周期的形式。或分叉点，无论你怎么称呼它，其含义都不会改变。 我不知道它在科学上被称为什么，但在一定的半周期后，可以以一个体面的概率和低误差 "引导 "周期，直到它再次打破，并通过一定的时间（半周期或任何它被称为），你可以再次赶上。如果你知道这一点，而且它确实存在（让我们称之为：一个现象的发展周期，这又是一个有规律的重复性事件），那么你就可以轻松地使用它。 我只能在历史上看到这样的事情，当事情已经发生。关于实时性，我就不说了）。顺便说一下，我们通常是在一个信号完成后才识别它。在信号处理中，情况往往是这样的。 Aleksey Vyazmikin 2019.01.31 20:35 #12889 马克西姆-德米特里耶夫斯基。如何解释......简而言之，有一个信号或某种东西采取周期的形式，在一个分叉点之后，它采取另一个周期的形式。或分叉点，无论你怎么称呼它，其含义都不会改变。 我不知道它在科学上被称为什么，但在一定的半周期后，周期可以以一个体面的概率和低误差 "运行"，直到它再次断裂，一定的时间（半周期或不管它被称为什么）过去，它可以再次赶上。这在理论上是一种可能的工作方式。这很容易符合我关于市场的理论。只是有很多钱的人打开了他们的算法，进行职位招聘/交易，一些大银行，也许是中央银行，当然这不是快速完成的，但由于这个参与者占主导地位，市场情况也促成了这一点，有可能发现他们的算法的迹象。当然，在参与者不再影响市场之后，这些标志也不再起作用。有许多这样的参与者（可能是100个），他们的算法可能会重叠，但有一个假设，他们是相似的（记得技术分析和要求银行根据该分析证明他们的交易业务（至少在俄罗斯）），由于这个原因，分析一个大样本是有意义的，其中一个和相同的算法运行多次，然后有机会了解它是如何工作的，通过间接迹象描述它，但模型必须学会识别它，而不是在这个时候工作的噪音，等待算法的开启我认为这当然在股票和衍生品上效果会更好，我在外汇上不做MO。 但底线是，我们需要找到能够描述大款个人算法的10个模型，并学习如何确定在某一特定时间段哪种算法更可取。因为这个算法的周期可能是几天，而且可能会在短时间内重复，所以如果我们进入时有一点延迟也没关系，只要为这个算法选择合适的模型即可。 我们都只是小鱼，可以在互利的条件下加入鲸鱼--大的市场参与者。 Maxim Dmitrievsky 2019.01.31 20:35 #12890 尤里-阿索连科。如果你知道这一点，而且它确实存在（让我们称它为：现象的发展周期，这又是一个定期重复发生的事件），那么你就可以轻松地使用它。 我只能在历史上看到这样的事情，当事情已经发生。在真正的--通过）。顺便说一下，我们通常是在信号结束后才确定它。在信号处理中，情况往往是这样的。它存在于历史上，我不知道如何将其算法化。 1...128212831284128512861287128812891290129112921293129412951296...3399 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
你可以绕着圈跑，挥舞你的手臂，结果也差不多 )
实际上，我说的是自行车运动。而心理实验不花钱，但可以非常有用）。
顺便说一下，如果市场上有真正的周期，它们总是可以通过光谱分析区分出来。因此，在完全不同的分析期限上--纯噪音谱。我很早以前就做过了，如果要用Python重复，我就演示一下。
两种模型的最终误差是多少？ 两种模型以及它们在新数据上的工作情况
该死的，你需要在这里进行深入分析
显示误差delta，即这个预测器对总模型误差的贡献有多大。在训练领域，去除1后，误差变化不超过0.5%（因为这个领域的拟合度很高），而在验证领域，误差变化高达5.5%（因为这个领域没有被调整）。轨迹和验证部分的互换率都跳到了5-6%。
一般来说，随机再训练+随机节点洗牌也会得到随机的结果。
我想我将按1建立预测器。我认为最多10-20个会迅速产生模型，然后会慢下来。
显示的是误差delta，也就是说，这个预测器对总的模型误差有什么贡献。在训练地块上，移除一个地块的误差不超过0.5%（因为这个地块的拟合度很高），而在验证地块上，误差变化高达5.5%（因为这个地块没有被调整）。轨迹和验证部分的互换率都跳到了5-6%。
一般来说，随机再训练+随机节点洗牌也会得到随机的结果。
我想我会按1建立预测器。我认为最多10-20个会迅速产生模型，然后会慢下来。
如果参数稍有变化，这很正常，森林是随机的。如果你设置了种子，它应该总是一样的。
也就是说，那里和那里都有~5%的验证率，这意味着它们做的是同样的工作。
阿尔格利布中是否有Setcid？
有一个用于分裂的GCJ
我只是在训练森林之前或在初始化过程中把MathSrand()放在EA或脚本或其他什么地方。
我想它甚至起作用了......我忘了......现在我不做了，因为我不需要它。实际上，我说的是周期性。而心理实验不花钱，但可以非常有用）。
顺便说一下，如果市场上有真正的周期，它们总是可以通过光谱分析来识别。因此，在完全不同的分析期限上--纯噪音谱。我很久以前就做过了；如果我要用Python重复它，我会给你看。
为什么，反正一切都很清楚。
市场中存在周期，但它们是非周期性的，即它们出现、持续和消失。可能是以一种随机的方式。问题是如何抓住这种现象（如果有可能的话），没有更多的问题可以引用BP的说法。
为什么，这很清楚。
市场存在周期，但它们是非周期性的，也就是说，它们出现、持续和消失。可能是以一种随机的方式。问题是如何抓住这种现象（如果你能抓住），就没有BP报价的问题了。
市场上有周期，但它们是非周期性的--马克西姆，周期，根据定义，是周期性的，或接近于周期性的--伪周期。没有其他循环）。或者它们不是周期）。
随机现象不能被预测或检测。人们可以尝试只在它们的发生和生命迹象的过程中发现它们，在戏剧的过程中，不超过一些概率，也许非常小。
市场上有周期，但它们是非周期性的--马克西姆，周期，根据定义，是周期性的，或接近它--伪周期性的。没有其他循环）。或者它们不是周期）。
随机现象不能被预测或检测。你只能在它们的发生和生命迹象的过程中，随着剧情的发展，试图发现它们的存在，不外乎一些概率，也许非常小。
如何解释......简而言之，有一个信号或东西采取了一个周期的形式，在一个分叉点之后，它采取了另一个周期的形式。或分叉点，无论你怎么称呼它，其含义都不会改变。
我不知道它在科学上叫什么，但在一定的半周期之后，这个周期可以以体面的概率和低误差 "运行"，直到它再次断裂，并经过一定的时间（半周期或不管它叫什么），为此你可以再次赶上。这是一种理论，它可能如何工作。
如何解释......简而言之，有一个信号或某种东西采取周期的形式，在一个分叉点之后，它采取另一个周期的形式。或分叉点，无论你怎么称呼它，其含义都不会改变。
我不知道它在科学上被称为什么，但在一定的半周期后，可以以一个体面的概率和低误差 "引导 "周期，直到它再次打破，并通过一定的时间（半周期或任何它被称为），你可以再次赶上。
如果你知道这一点，而且它确实存在（让我们称之为：一个现象的发展周期，这又是一个有规律的重复性事件），那么你就可以轻松地使用它。
我只能在历史上看到这样的事情，当事情已经发生。关于实时性，我就不说了）。顺便说一下，我们通常是在一个信号完成后才识别它。在信号处理中，情况往往是这样的。
如何解释......简而言之，有一个信号或某种东西采取周期的形式，在一个分叉点之后，它采取另一个周期的形式。或分叉点，无论你怎么称呼它，其含义都不会改变。
我不知道它在科学上被称为什么，但在一定的半周期后，周期可以以一个体面的概率和低误差 "运行"，直到它再次断裂，一定的时间（半周期或不管它被称为什么）过去，它可以再次赶上。这在理论上是一种可能的工作方式。
这很容易符合我关于市场的理论。只是有很多钱的人打开了他们的算法，进行职位招聘/交易，一些大银行，也许是中央银行，当然这不是快速完成的，但由于这个参与者占主导地位，市场情况也促成了这一点，有可能发现他们的算法的迹象。当然，在参与者不再影响市场之后，这些标志也不再起作用。有许多这样的参与者（可能是100个），他们的算法可能会重叠，但有一个假设，他们是相似的（记得技术分析和要求银行根据该分析证明他们的交易业务（至少在俄罗斯）），由于这个原因，分析一个大样本是有意义的，其中一个和相同的算法运行多次，然后有机会了解它是如何工作的，通过间接迹象描述它，但模型必须学会识别它，而不是在这个时候工作的噪音，等待算法的开启我认为这当然在股票和衍生品上效果会更好，我在外汇上不做MO。
但底线是，我们需要找到能够描述大款个人算法的10个模型，并学习如何确定在某一特定时间段哪种算法更可取。因为这个算法的周期可能是几天，而且可能会在短时间内重复，所以如果我们进入时有一点延迟也没关系，只要为这个算法选择合适的模型即可。
我们都只是小鱼，可以在互利的条件下加入鲸鱼--大的市场参与者。如果你知道这一点，而且它确实存在（让我们称它为：现象的发展周期，这又是一个定期重复发生的事件），那么你就可以轻松地使用它。
我只能在历史上看到这样的事情，当事情已经发生。在真正的--通过）。顺便说一下，我们通常是在信号结束后才确定它。在信号处理中，情况往往是这样的。
它存在于历史上，我不知道如何将其算法化。