交易中的机器学习:理论、模型、实践和算法交易 - 页 1351

 
叶夫根尼-拉斯帕耶夫

仁科

在此基础上,该数据以0.001的增量收集。

Yep....

这是一个顶级专业人士的聚会 ))))

.....

Renco假设数据中的每一个点都有一个固定的步骤

这意味着一个特定的重新谈判的分布将看起来像这样


 
mytarmailS:

Mda....

这是一个最高水平的专业人士的聚会,))))。

.....

Renco假设数据中的每一个点都有一个固定的步骤

这意味着一个特定的重新谈判的分布将看起来像这样


你很迷惑。高接点delta总是最大0.001条款等于高和低,取决于上升和下降。

规格不具体,但没有圣杯,不适合我,不适合你。而且任何人都可以把事情复杂化。
 
mytarmailS:

这个数字是怎么来的?",文件中共有6列,其中第一列是时间,所以不会被考虑在内,其余的列是2到6

我们在做所有列的分布时,.....

前5个分布是来自原始行,后5个(下面的)是来自行的分布。


那么,这些图画是从哪里来的呢?

以E栏为例--价格CLOSE

1.0864
1.08525
1.0855
1.08481
1.08437
1.08368
1.08372
1.08467
1.08574
1.08642

............

增量分别等于。

-0.00115
0.00025
-0.00069
-0.00044
-0.00069
3.99E-05
0.00095
0.00107
0.00068

.......

现在,这些增量的直方图是看起来很奇怪的地方。而且它不是Renko!

如果这是你第一次使用增量,请尝试预测下一个增量的 "+"或"-"符号,就像博士那样,谢谢。

 
Alexander_K:

先生们!

圣杯就像空气一样需要,所以我必须采取极端措施,但不能违反信息的保密性。

让我们这样说吧:我的PM里有某位X先生获得梦寐以求的圣杯所依据的数据(见附件档案)。

数据的格式是标准的:时间、OHLC、体积。

不寻常和独特的是数据的获取方式。例如,CLOSE的增量有以下分布密度。

我似乎无法掌握它......

请不忙的人--看看你是否能用森林/神经网络从这些行中提取无限制的利润。

特别是那些从事退货工作的人--请。

需要一个简单的答案:圣杯在那里/圣杯不在那里。

谢谢你。

这个破烂的故事是怎么回事?给一个正常的,没有任何遗漏的,然后也许会有意义的东西看......

 

除了https://www.mql5.com/ru/forum/86386/page1344#comment_10678027,关于预测随机过程的帖子。

现在是一样的,我们用神经网络来预测真实市场数据上的LF过滤器的输出值。预测间隔 - 5分钟,1米TF。

所有数值都是以常规单位为尺度的NS数据,当然也可以重新计算成实际数值。

在5米的预测值<-(3-4)或>(3-4),你可能已经在一个真正的TS中工作。它不会向相反的方向发展。

顺便说一句--预测在10米

回顾一下,如果预测时间=0,我们得到一条45度的直线。

Машинное обучение в трейдинге: теория и практика (торговля и не только)
Машинное обучение в трейдинге: теория и практика (торговля и не только)
  • 2019.02.18
  • www.mql5.com
Добрый день всем, Знаю, что есть на форуме энтузиасты machine learning и статистики...
 
Alexander_K:

先生们!

圣杯就像空气一样需要,所以我必须采取极端措施,但不能违反信息的保密性。

让我们这样说吧:我的PM里有某位X先生获得梦寐以求的圣杯所依据的数据(见附件档案)。

数据的格式是标准的:时间、OHLC、体积。

不寻常和独特的是数据的获取方式。例如,CLOSE的增量有以下分布密度。

我似乎无法掌握它......

请不忙的人--看看你是否能用森林/神经网络从这些行中提取无限制的利润。

特别是那些从事退货工作的人--请。

需要一个简单的答案:圣杯在那里/圣杯不在那里。

谢谢你。

你知道如何从这样的发行中赚钱吗?
 
阿列克谢-维亚兹米 金。

什么样的故事会如此破烂不堪?给我一个正常的,没有缝隙的,那么也许就有东西可以看了......。

我把他们寄给我的那个给了你。那人后来一直没有联系。这不是一个童话故事--请相信我。

我对这种并排的方式非常感兴趣--以前从未见过这种方式。

如果有什么结果--我们将一起研究其形成的算法。我只有关于它的粗略信息--显然,这个人并不真的想谈论它 :) )。

 
有谁愿意,为了实验,以样本的形式交换预测因素?也就是说,给我指定一个工具(可以是定制的更好--只是需要和他们打交道),我用我的预测器在上面做一个样本(最少TF分钟),并把结果转储到csv文件,你对我需要的符号做同样的处理。也许,如果我找到了有价值的预测者,我们可以相互交换算法,或者至少你我都知道有什么东西可以争取。
 
Alexander_K:

我给了他们寄来的那个。这个人一直没有再联系。这不是一个童话故事--请相信我。

我对隔壁的这个非常感兴趣 - 我以前从未见过这些。

如果有什么结果--我们将一起研究其形成的算法。我只有关于它的零星数据--显然这个人并不真的想谈论它 :) )。

让我们假设这些是决策点。然后我们需要确定它是什么样的工具,并恢复生成预测器的历史,因为他显然有一个历史,而不仅仅是具有不可理解的离散性的原始数字。

会有一个历史,我们可以通过把这些点叠加在图上来思考这些点是什么。
 
乘法器
你知道如何通过这样的分配来赚钱吗?

如果我知道,我就不会在这里寻求帮助了。

总的来说,这份文件是如何进入我手中的,故事很模糊。我不明白发信人的动机和目标。但如果不进行调查,将是非常愚蠢的。IMHO。