交易中的机器学习：理论、模型、实践和算法交易 - 页 1485

新评论
 
尤里-阿索连科。
你又输了吗？石头花没有用了？
转到下一个话题，沃尔昌斯基正在发放渠道策略。

不，这很好。这实在是太无聊了。当渴望的人们像角斗士一样战斗时，而不是画一些白海通道--这就更有趣了。

 
Alexander_K:

麦克斯无处可寻......

巫师在度假，阿莱莎被杀，老师在洗澡......。没有什么可读的...

只剩下憨厚的人和阿索伦卡了。

哦...呃。

写作的意义是什么？ 对谁？Asaulenka ))但为什么不把它放在一个正交的三明治上呢？

 
马克西姆-德米特里耶夫斯基。

写作的意义是什么？ 对谁？Asaulenka ))，为什么他不能在他的三明治上得到一些？

:)))这就对了。然而，机器学习的话题还没有穷尽。IMHO，主要缺少的是这个主题的参与者的交易信号。

如果这一领域的所有研究都被认为是无用的--欢迎来到 "从理论到实践 "分支。我希望能有--用SB建模的结果，用高斯或拉普拉斯运动等随机过程。此外，最好能有关于市场中非线性时间的初步知识，关于事件流和它们的稀薄性。需要一些想法--如何使用神经网络来补充疏导策略。

 
Alexander_K:

:)))这是一个肯定。然而，机器学习的话题还没有穷尽。IMHO，主要缺少的是这个主题的参与者的交易信号。

如果这一领域的所有研究都被认为是无用的--欢迎来到 "从理论到实践 "分支。我希望有--关于传统SB的建模结果，关于高斯或拉普拉斯运动等随机过程的建模结果。此外，最好能有关于市场非线性时间的初步知识，关于事件流和它们的稀释。需要有价值的想法--如何使用神经网络作为渠道策略的补充。

这太复杂了，亚历山大，我们没有学位来推导公式。从头开始填写东西比较容易。

 
Maxim Dmitrievsky:

这太复杂了，亚历山大，我们没有学位来推导公式。从头开始编造东西比较容易。

:))我很有耐心--我会等待。我需要充分替代不对称性和峰度作为退化的指标（以及自 相关系数、赫斯特等）。也就是说，基于历史数据的神经网络应该能够在交易进场跨越通道边界时对其进行分类--有多大的概率会回归到平均值。

然而，无论如何，NS有希望应对市场 - 所以我仔细阅读这个主题，并等待其参与者的交易信号。

 
Alexander_K:

:))我很有耐心--我会等待。我需要一个适当的偏度和峰度的替代物作为不连续的指标（以及自相关系数、赫斯特等）。也就是说，基于历史数据的神经网络应该能够在交易进场跨越通道边界时对其进行分类--有多大的概率会回归到平均值。

然而，有一个希望，NS能够应对市场 - 所以我仔细阅读这个主题，并等待其参与者的交易信号。

我阅读了不同的交易者资源，我找不到这样的东西。我找不到与此类似的东西。

 
Alexander_K:

然而，NS有希望处理好现在的市场--所以我仔细阅读这个主题，并等待其成员的交易信号。

它不会自己管理，无论它如何努力。
 
Alexander_K:

:))我很有耐心--我会等待。我需要一个适当的偏度和峰度的替代物作为不连续的指标（以及自相关系数、赫斯特等）。也就是说，基于历史数据的神经网络应该能够在交易进场跨越通道边界时对其进行分类--有多大的概率会回归到平均值。

然而，有一个希望，NS能够应对市场 - 所以我仔细阅读这个主题，并等待其参与者的交易信号。

总的来说，没有彻底涵盖渠道商的整个MO主题，以及交易MO信号的整个实践，因为它们是在现实中而不是在梦中或在Lern中。而且有什么好想的，大多数人都不去想这种事情，他们只是用ATR扔一些随机的东西，然后用遗传学，为什么要想？

但他们应该他妈的思考...

 
马克西姆-德米特里耶夫斯基。
没有渠道，只有合作。

协同学有点不同，他们说他们并不真正有效，最近的危机就是证明。

 
吉安尼。

我认为理解预测和现实生活之间的区别很重要。

交易系统的任务是进行预测，风险和资金管理的任务是确保系统的生存能力。

关于协同学或同位素，TS是如何得出的，是借助于MO还是借助于一个优化器....。- 这是一个预测，但它不能管理实际情况--价格。

1...147814791480148114821483148414851486148714881489149014911492...3399
新评论