交易中的机器学习：理论、模型、实践和算法交易 - 页 1290 1...128312841285128612871288128912901291129212931294129512961297...3399 新评论 Maxim Dmitrievsky 2019.01.31 19:42 #12891 阿列克谢-维亚兹米 金。这很容易符合我关于市场的理论。很简单，一个拥有大量资金的人开启了他的算法进行选仓/操作，一些大银行，也许是中央银行，自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，所以有可能发现他的算法的迹象。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，其中一个相同的算法被多次运行，然后有机会了解它是如何工作的，描述其间接迹象，但模型必须学会识别它，而不是在这个时候的噪音工作，等待算法开启，在此情况下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的算法的10个模型，并学习如何确定哪种算法更可取。由于该算法的周期可能是几天，而且可能会在很短的时间内重复进行，所以如果我们进入时有一点延迟也没关系，主要是为这个算法选择合适的模型。我不知道要找到10种模式。但事实上，进入市场的信息被结构化为一个周期，有一个开始，一个延续和一个结束，这是肯定的。分叉点正是一个新的爆炸性信息部分的影响时刻，然后在时间上进行结构化。在一段时间内以圆圈（波浪）形式散开的干扰。 这就是为什么，例如，期货合约内的模式比不同期货合约内的模式要强。 Yuriy Asaulenko 2019.01.31 19:47 #12892 马克西姆-德米特里耶夫斯基。在历史上存在，我不知道如何将其算法化。它很可能存在于历史上。实时的、及时的，甚至有可能检测到它吗？如果它是未知的，那么就不能确定该解决方案是否存在。 我通常用统计数据来检查这种事情。在大多数情况下，结果是没有什么）。你可以用眼睛看，但统计学上说，那里什么都没有--表面上的月亮的反射）。 Maxim Dmitrievsky 2019.01.31 19:53 #12893 尤里-阿索连科。在历史上，它很可能存在。它是实时的，而且是及时的，甚至有可能检测到这一点吗？如 果它是未知的，就根本不能确定解决方案是否存在。 我通常用统计数据来检查这种事情。在大多数情况下，结果是没有什么）。你可以用眼睛看，但统计学上说那里什么都没有--表面上是月亮的反射）。如果你看一下图表，你可以用眼睛来做，我不能用程序来做。 Aleksey Vyazmikin 2019.01.31 19:57 #12894 马克西姆-德米特里耶夫斯基。我不知道要找到10种模式。但事实上，进入市场的信息被结构化为一个周期，有开始，有延续，有结束，这是肯定的。为此，你需要放弃翻转算法，教导模型不要总是在市场上。我的策略允许这样做，我现在正在用catbust模型朝这个方向进行试验。不幸的是，我保存了半年的树上的叶子不能再应用了，因为我对预测器做了一些修改（在逻辑上有错误，在酒吧开业时有水平延迟--即计算问题是在实时延迟上），但用它们工作证实，有可能检测出单独比树/森林的预测能力更准确的模式，因此它们的组合可以得到良好的结果。 马克西姆-德米特里耶夫斯基。而分叉点只是当新的爆炸性的信息部分被暴露出来，然后随着时间的推移被结构化。在一段时间内以圆圈（波浪）形式散开的扰动。 这就是为什么，例如，人们注意到期货合约内的模式比不同期货合约的模式更强。 所以有必要确定这些点，也许应该把它们作为目标。而一个模型可以识别它们，并根据目标选择一个合适的交易模型。另一件事是，我们应该再次考虑预测器和数据卷积，以便在一行中表达周期的起始期，而周期本身可能被设定在（整个），比如说，10条。 Yuriy Asaulenko 2019.01.31 20:03 #12895 马克西姆-德米特里耶夫斯基。如果你把它贴在图上，你可以用你的眼睛来做，我不能用程序来做。在程序上，这是一个非常长的故事。 以前的系统对长输入有超过30个条件（参数），对短输入也是如此，而对输出的条件则略少。有大量的工作，包括建造大量的套装，以及它们的分离，消除任何包含在套装中的附加条件的交易，等等。 Maxim Dmitrievsky 2019.01.31 20:05 #12896 阿列克谢-维亚兹米 金。尤里-阿索连科。在程序上，这是一个非常长的故事。 以前的系统对长输入有超过30个条件（参数），对短输入也是如此，而对输出的条件则略少。有很多工作，包括建造很多套房子，以及它们的分离，消除任何行业落下的附加条件的套子，等等。 所以我们必须确定这些点，也许应该把它们作为目标。而一个模型识别这些点，另一个模型根据目标模型选择相应的交易模型。另一件事是，我们应该重新考虑预测器和数据的卷积，以便在一条线上表达周期的起始期，而周期本身可以设置在（整个），比如说，10条。好吧，很明显，这是一个讨厌的人，没有人争论 )) Aleksey Vyazmikin 2019.01.31 20:05 #12897 关于catbucht，事实证明，可以通过批处理在GPU上运行多个处理，即一次运行两个批处理，调用控制台应用程序。而在这种情况下，至少在我的模型上，GPU制作模型的速度并没有改变，这意味着有可能实现并行计算。其限度和局限性还没有被完全理解。放下你的alglib，让我们去折磨catbust；) Maxim Dmitrievsky 2019.01.31 20:11 #12898 阿列克谢-维亚兹米 金。 关于catbucht，事实证明，在GPU上，可以通过批处理运行多个处理，即一次运行两个批处理，调用控制台应用程序。而在这种情况下，至少在我的模型上，GPU制作模型的速度并没有改变，这意味着有可能实现并行计算。其限度和局限性还没有被完全理解。放下你的alglib，让我们去折磨catbust；)该软件出乎意料的好（不像Yandex的其他东西），甚至使用CERN来处理对撞机的数据。 还没到时间，那就晚点吧 Maxim Dmitrievsky 2019.01.31 20:15 #12899 阿列克谢-维亚兹米 金。还有一个很酷的软件KNIME 的各种提升、数据分析和可视化 不需要编程就可以看到xgboost，catboost似乎也可以添加。 KNIME - Open for Innovation 2019.01.28www.knime.com KNIME, the open platform for your data. Aleksey Vyazmikin 2019.01.31 20:22 #12900 马克西姆-德米特里耶夫斯基。该软件出乎意料的好（不像Yandex的其他东西），甚至使用CERN来处理对撞机的数据。 还没有时间，以后可能会有。我认为开放源代码有一个重要的贡献，它定期进行修正，并增加新的版本。呃，如果我能读懂那段代码......在我看来，那里有很多想法，你可以借用和发展自己，提出你自己的提升。 马克西姆-德米特里耶夫斯基。还有一个很酷的软件KNIME 提升，数据分析和可视化 你可以不通过编程来写xgboost，catboost似乎也能添加它! 谢谢!目前，catboost对我来说已经足够了，因为我已经用它调试了整个周期，从样本创建到专家顾问的实施。而且，与通过python进行桥接不同，我可以使用优化来测试不同的模型，它们的组合以及对它们产生的 "概率 "的公正解释。 虽然我不能完全使用分类标志（CatBoost功能）--我没有这样的模型解释器，但我的初步研究表明，使用这样的模型在时间间隔上更稳定，也就是说，模型更好，虽然训练速度慢了5倍。 1...128312841285128612871288128912901291129212931294129512961297...3399 新评论 原因: 取消 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
这很容易符合我关于市场的理论。很简单，一个拥有大量资金的人开启了他的算法进行选仓/操作，一些大银行，也许是中央银行，自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，所以有可能发现他的算法的迹象。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，其中一个相同的算法被多次运行，然后有机会了解它是如何工作的，描述其间接迹象，但模型必须学会识别它，而不是在这个时候的噪音工作，等待算法开启，在此情况下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的算法的10个模型，并学习如何确定哪种算法更可取。由于该算法的周期可能是几天，而且可能会在很短的时间内重复进行，所以如果我们进入时有一点延迟也没关系，主要是为这个算法选择合适的模型。
我不知道要找到10种模式。但事实上，进入市场的信息被结构化为一个周期，有一个开始，一个延续和一个结束，这是肯定的。
分叉点正是一个新的爆炸性信息部分的影响时刻，然后在时间上进行结构化。在一段时间内以圆圈（波浪）形式散开的干扰。
这就是为什么，例如，期货合约内的模式比不同期货合约内的模式要强。
在历史上存在，我不知道如何将其算法化。
它很可能存在于历史上。实时的、及时的，甚至有可能检测到它吗？如果它是未知的，那么就不能确定该解决方案是否存在。
我通常用统计数据来检查这种事情。在大多数情况下，结果是没有什么）。你可以用眼睛看，但统计学上说，那里什么都没有--表面上的月亮的反射）。
在历史上，它很可能存在。它是实时的，而且是及时的，甚至有可能检测到这一点吗？如 果它是未知的，就根本不能确定解决方案是否存在。
我通常用统计数据来检查这种事情。在大多数情况下，结果是没有什么）。你可以用眼睛看，但统计学上说那里什么都没有--表面上是月亮的反射）。
如果你看一下图表，你可以用眼睛来做，我不能用程序来做。
我不知道要找到10种模式。但事实上，进入市场的信息被结构化为一个周期，有开始，有延续，有结束，这是肯定的。
为此，你需要放弃翻转算法，教导模型不要总是在市场上。我的策略允许这样做，我现在正在用catbust模型朝这个方向进行试验。不幸的是，我保存了半年的树上的叶子不能再应用了，因为我对预测器做了一些修改（在逻辑上有错误，在酒吧开业时有水平延迟--即计算问题是在实时延迟上），但用它们工作证实，有可能检测出单独比树/森林的预测能力更准确的模式，因此它们的组合可以得到良好的结果。
而分叉点只是当新的爆炸性的信息部分被暴露出来，然后随着时间的推移被结构化。在一段时间内以圆圈（波浪）形式散开的扰动。
这就是为什么，例如，人们注意到期货合约内的模式比不同期货合约的模式更强。
所以有必要确定这些点，也许应该把它们作为目标。而一个模型可以识别它们，并根据目标选择一个合适的交易模型。另一件事是，我们应该再次考虑预测器和数据卷积，以便在一行中表达周期的起始期，而周期本身可能被设定在（整个），比如说，10条。
如果你把它贴在图上，你可以用你的眼睛来做，我不能用程序来做。
在程序上，这是一个非常长的故事。
以前的系统对长输入有超过30个条件（参数），对短输入也是如此，而对输出的条件则略少。有大量的工作，包括建造大量的套装，以及它们的分离，消除任何包含在套装中的附加条件的交易，等等。
在程序上，这是一个非常长的故事。
以前的系统对长输入有超过30个条件（参数），对短输入也是如此，而对输出的条件则略少。有很多工作，包括建造很多套房子，以及它们的分离，消除任何行业落下的附加条件的套子，等等。
所以我们必须确定这些点，也许应该把它们作为目标。而一个模型识别这些点，另一个模型根据目标模型选择相应的交易模型。另一件事是，我们应该重新考虑预测器和数据的卷积，以便在一条线上表达周期的起始期，而周期本身可以设置在（整个），比如说，10条。
好吧，很明显，这是一个讨厌的人，没有人争论 ))
关于catbucht，事实证明，在GPU上，可以通过批处理运行多个处理，即一次运行两个批处理，调用控制台应用程序。而在这种情况下，至少在我的模型上，GPU制作模型的速度并没有改变，这意味着有可能实现并行计算。其限度和局限性还没有被完全理解。放下你的alglib，让我们去折磨catbust；)
该软件出乎意料的好（不像Yandex的其他东西），甚至使用CERN来处理对撞机的数据。
还没到时间，那就晚点吧
还有一个很酷的软件KNIME 的各种提升、数据分析和可视化
不需要编程就可以看到xgboost，catboost似乎也可以添加。
该软件出乎意料的好（不像Yandex的其他东西），甚至使用CERN来处理对撞机的数据。
还没有时间，以后可能会有。
我认为开放源代码有一个重要的贡献，它定期进行修正，并增加新的版本。呃，如果我能读懂那段代码......在我看来，那里有很多想法，你可以借用和发展自己，提出你自己的提升。
还有一个很酷的软件KNIME 提升，数据分析和可视化
你可以不通过编程来写xgboost，catboost似乎也能添加它!
谢谢!目前，catboost对我来说已经足够了，因为我已经用它调试了整个周期，从样本创建到专家顾问的实施。而且，与通过python进行桥接不同，我可以使用优化来测试不同的模型，它们的组合以及对它们产生的 "概率 "的公正解释。
虽然我不能完全使用分类标志（CatBoost功能）--我没有这样的模型解释器，但我的初步研究表明，使用这样的模型在时间间隔上更稳定，也就是说，模型更好，虽然训练速度慢了5倍。