交易中的机器学习：理论、模型、实践和算法交易 - 页 1336

新评论
 
马克西姆-德米特里耶夫斯基。

我不明白......在你的头脑中重新排列图表，一切都会好起来的。

我这样做是因为我太懒了，总是在测试器中倒回图表，没有任何区别，而且更好的是，培训是最新的，而不是3年前的。

未来价格与当前价格的联系在逻辑上是通过以下事实进行的：在当前价格 的基础上计划所有的交易，这反过来又影响到未来的价格--即论据-函数联系从左到右，但不是反过来。
 
阿列克谢-维亚兹米 金。

为什么？不仅对赌注感兴趣，而且对理由感兴趣。

已回答上述问题
 
马克西姆-德米特里耶夫斯基。

不，我有一个马尔可夫过程，解决方案只取决于当前状态，在学习时没有像经典的q-learning那样的计划，例如

在测试器中没有什么可学的--直接进入实时状态：)

但如果你使用测试器，则应一次完成所有工作。

 
伊万-内格雷什尼。
问题是，未来价格和当前价格之间的关系在逻辑上是由以下事实决定的：所有的交易都是在当前价格 的基础上计划的，而当前价格 反过来又影响到未来价格，即论证-函数连接从左到右，而不是反过来。

从图表上看，他有短期交易。没有什么会因为重新安排而改变。甚至更好的是，由于从最新的数据中学习，有可能真实的情况会比在真实情况之前很长时间学习时更好。

 
马克西姆-德米特里耶夫斯基。

我已经在交换中骑了一下，感觉到了......。

好吧，也许在交易所里，代理人可以通过他在玻璃中的行动来影响这个过程，但在外汇中，没有任何影响，把它当作一个马尔科夫。
 
马克西姆-德米特里耶夫斯基。

具有人工智能的机器人的独特发展，不仅将征服市场，而且将征服整个世界。

拿破仑的计划。让我提醒你，拿破仑最后是在圣赫勒拿岛。

 
尤里-阿索连科。

拿破仑的计划。回顾一下，拿破仑最后是在圣赫勒拿岛。

每个人都会在某个地方结束。
 
马克西姆-德米特里耶夫斯基。

这对你来说是一辆自行车，但对其他人来说是一个内核化的 SVM（关于 "Reshetov的向量机"）。

我怀疑"内核化"，它的输出是线性的，它只是超平面。我没有详细分析过Yury失踪前在网络论坛上发布的Java代码，但我认识的一个 "graze-writer "曾为一个客户分析过这段代码以进行调整，他说这只是线性模型系数的蛮力搜索，是某种类似遗传学或奥特曼的定制随机搜索，结果是线性系数的向量，总之是这个杰作的更高级版本。

用于MetaTrader 4的AI专家顾问

double perceptron() 
  {
   double w1 = x1 - 100;
   double w2 = x2 - 100;
   double w3 = x3 - 100;
   double w4 = x4 - 100;
   double a1 = iAC(Symbol(), 0, 0);
   double a2 = iAC(Symbol(), 0, 7);
   double a3 = iAC(Symbol(), 0, 14);
   double a4 = iAC(Symbol(), 0, 21);
   return(w1 * a1 + w2 * a2 + w3 * a3 + w4 * a4);
  }

然而，系数不是由MT-优化器搜索的，而是由我自己的工艺搜索的。

 
完成了对模型的处理，种子1到200 - 我把训练样本和验证样本换了一下，反之亦然。在表格中，我保留了逻辑，即有10%的地方变成了90%，反之亦然--这是因为交换了样本。

平衡估计结果表



带有计量指标的表格




独立抽样中满足选择标准的模型数量表




所有三个样本中符合选择标准的模型数量表



很少有模型被选中--不清楚为什么会这样--我们需要思考。

模型的图表（由于所选模型的数量较少，我没有制作图片）。


60%

70%

我们在这里可以得出的结论是--采样率再次变成了30%以上（旧样本70%，但交换了位置！）。图形乍一看有更多的差异，但仍不足以进行有效的平行运行，以覆盖更高的完整性百分比（召回）。

 

而这是如何结合最后一个也是倒数第二个实验中的两个模型--但我把分离度提高到了0.55。如果其中一个模型有信号，那么就进入市场。


1...132913301331133213331334133513361337133813391340134113421343...3399
新评论