Нейросети второго поколения Глубокое обучение Практические эксперименты Программная реализация (индикатор и эксперт) Введение В статье будут рассмотрены основные понятия по теме "Глубокое обучение" (Deep Learning), "Глубокие нейросети" (Deep Network) без сложных математических выкладок, как говорят, "на пальцах". Будут проведены эксперименты с...
有趣的话题......我想学习如何模拟跳跃，以便以后能从模型中减掉它们。
http://stuartreid.co.za/interactive-stochastic-processes/
有些差距显然发生在非随机的时间点上（例如，会议开幕），很难用一些泊松过程来模拟它们。
一些差距发生在明显的非随机时间点上（例如，打开一个会话），不太可能用某种泊松过程来模拟。
我还没有理解他们在现实生活中是如何使用这一切的。他们建立了一些图表，看了一下，接下来是什么？)
比方说，我想从一个尾巴序列中制作一个正常的序列，我应该在哪里增加/删除这些跳跃，以便从最初的序列中获得类似的东西，以及在未来有什么价值？
我还没有理解他们在现实生活中是如何使用这一切的。他们做了几张图，看了看，高兴了，然后呢？)
假设我想从一个尾巴序列中做出一个正常的序列，我应该在哪里添加/删除这些跳跃，以便从最初的序列中得到类似的东西，而这在未来是有价值的？
一个可能的选择是，连续部分有一个趋势，而跳跃没有，但它们扭曲了增量的简单平均。在这个模型的框架内，你也许可以以某种方式尝试消除他们对确定趋势的影响（mu参数的估计）。
一种可能性是，连续部分有趋势，而跳跃部分没有，但它们扭曲了增量的简单平均。在这个模型中，我们也许可以尝试消除它们对趋势检测的影响（对μ参数的估计）。
价格上涨和/或下跌的 "暴涨 "可以用与任何其他类型的运动（回调/上涨/下跌/上涨/反转等）大致相同的方式来定义。
至少在某个地方，这种做法是有效的。
我在Chrome中运行java脚本
如果 "之 "字形的预测如此之好，那我们就想办法把它交易好。
再次看了一下文章https://www.mql5.com/ru/articles/1103
在这里，交易在一个条形图的开头打开，并在下一个条形图的开头关闭，而且 "没有考虑到点差、滑点和其他真实的市场乐趣"。
把余额（上面）和价格（下面）图放在一起。
所有的平衡增长都发生在 "之 "字形的2个膝盖处。也许NS已经找到了这个解决方案--如果价格向一个方向移动50-100点，那么ZZ也会向同一方向预测。也就是说，它获得了一个良好的滞后，就像在简单的襟翼中一样。事实上，NS在一个方向上摇摆不定--通过同时出现的小逆转和平衡下降的时刻可以看出。
在这两个强有力的动作上，NS起了作用。在小的运动中，根据同样的算法，该交易 处于良好的亏损状态。而这样强烈的运动多久会再次出现--没有人知道。
在我的实验中，我试图不在之字形上训练模型，而是在TP/SL上训练。结果是50/50%。
但我不太确定是否应该对ZZ进行尝试。它与图表交易非常相似，如你所知，它是不赚钱的。
如果 "之 "字形的预测如此之好，那我们就想办法把它交易好。
恕我直言，你在胡说八道，你可以 "预测 "例如其中一个芯片或它们的线性组合，一切都会 "预测良好"，但有什么用呢？ZZ也是如此，ZZ的方向值有一个很大的混合动力，以这样或那样的方式，它是预测的，而不是未来的，在这65%中，所有的65%都是来自过去的混合动力，甚至没有那2-3%可以从普通数据中刮出来，但对于文章或圣杯 销售来说是很酷的。最好忘记ZZ。
PS 我听说过一个algotrader关于ZZ的工作，乍一看可能是真的，但在SB没有被测试之前，不能确定，一般来说，这个想法是为了在最后一朵花之后的下一个点ZZ值而采取目标。例如，如果我们有一个100滞后和取数的数字--这是一个愚蠢的价格，有5个滞后的点10：取数将是{6,7,8,9,10}，ZZ-目标在11号之后的点是寻找一个膝盖和下一个腿的方向ZZ，所以以前的方向不管是什么长度，它都混在过去。想检查一下，让我知道在SB上的结果，也许我也会检查，如果我可以的话。