В статье обсуждаются принципы портфельной торговли и особенности применения к валютному рынку. Рассматриваются несколько простых математических моделей для формирования портфеля. Приводятся примеры практической реализации портфельной торговли в MetaTrader 4: портфельный индикатор и советник для полуавтоматической торговли. Описываются элементы торговых стратегий, их достоинства и "подводные камни".
你这话是什么意思？这句话中似乎有一些有趣的东西，但我不知道其含义。
我对2西格玛的看法是错误的，一般来说，在一定时间内的价格增量，例如一分钟，作为一个特征可以增加大约4-5%的额外信息，关于价格在下一分钟的移动，以此类推，5分钟5分钟1小时等等，好吧，这都是非常粗糙的，"信息 "并不意味着它也会移动，它意味着这个特征在一个相当复杂的系统中的重量，有成千上万的特征。过去几乎毫无意义的东西，现在变成了噪音。
1）对问题的狭义理解。卷积网络滤波器可以对一个输入向量进行许多操作，例如，生成n个移动平均线，部分重叠或不重叠，或取几个和。这已经是对正常功能工程的要求。
2）又是轻描淡写或误解。对于卷积网络，只需提供 "原始 "数据（伪稳态形式），例如，滞后1的价格回报。剩下的事情由网络来做。
我不是在争论卷积网，问题是它们为什么能工作，特别是在图片、谱图等方面。事情是这样的，矢量分量被相互 "抹去"，实际上图片甚至不是矢量，卷积层只是压缩了维度，将相关区域乘以牛顿选择的一些过滤器，这些过滤器可以通过不同的方式获得，但图片可以说是整的，而时间序列它的 "形状 "实际上是噪音，只有它的最后一条和数以百计的其他各种交易所的工具的最后一条有意义。
并通过将一个系列的一天的历史插入CNN，其余的由网络自己完成。 我们得到...其他人都得到了什么
关于交易、自动交易系统和交易策略测试的论坛
关于 "在MQL中使用套接字，或如何成为一个信号提供者 "的讨论
pavlick_, 2016.09.09 10:52
我在linux上，因此ipc根本就成了一个非同小可的任务（wine下的终端和linuex exe之间的通信）。而通过网络进行IPC是一种普遍的方式。我通过同一台电脑上的回环（127.0.0.1）将µl脚本连接到linux程序。基本上，我为终端写了一个linux api（µl脚本处理请求并发送价格数据或下单）。
在我的情况下，这是我所尝试的IPC的最佳方式。而且我不想把我的发展转移到μl上--我不想被束缚在某种语言上。
有可能我们会给R社区做一份豪华的礼物。
时间会证明一切。
伙计们，有一个想法，值得一查，我很久以前就有了，我想查，但搞不清包装，不知怎么就忘了，放弃了，但在这里我看了J.B的 分支，想起来了，原来他也做过类似的事情：)
我们正在谈论交叉相关--我们可以计算出一个BP落后于另一个BP多少，以及它们之间是否有任何联系......
我的想法的本质是同时监测大量的货币对，并建立类似于交叉相关矩阵的东西来比较每个货币对，并找到相互跟随但有一个滞后的货币对，并对这种滞后进行交易，因为市场没有比时间更恒定的东西，我认为计算应该在每个新的条形图上不断进行，以便立即注意到新的关系出现时，也立即注意到这种关系消失时...。
你可以采取任何东西，任何预测器，但我认为最好的方法是配对，因为做市商当他们的工具的价格几乎总是由一个或一堆其他工具指导，经典的指标不太可能适合。
我可以尝试用动态变化的预测器来训练一个神经元组，总之，一切只受想象力的限制......
我想自己实现它，但我正忙于其他项目，不想吐露心声。
P中交叉相关的标准ccf()函数
是一个先进的软件包，具有预先将频谱分割成等级，然后检查交叉的 "wavemulcor"。它还可以同时比较许多BPs
我们正在谈论交叉相关--我们可以计算一个BP落后于另一个BP多少，以及它们之间是否有任何联系......
这个想法的本质是同时监测大量的货币对，并建立类似于交叉相关矩阵的东西，将每个货币对相互比较，并找到那些在一段时间内相互跟随但有一个落后的货币对，并对这种滞后进行交易，因为市场没有比时间更恒定的东西，我认为这些计算应该在每个新条形图上不断进行，以注意新的关系何时出现，也注意这种关系何时消失。
在同一时间比较许多BPs
你是对的，作为一个开始，但不仅是货币对，还有商品，股票，期货，期权，债券，指数和其他任何你能买到的东西，最好是作为一个订单簿，至少是第二个价格，成交量和订单簿，还有NLP社交网络，重要的新闻本身，和交叉相关是为了调整。我必须细化数据，并将其全部放入具有不同功能的分类器集合中。 我应该立即警告你，首先，来自世界主要交易所的高质量实时数据将花费相当多的钱，并需要大约>5年的时间来建立一个交易基础设施和一个先进的ML来消化这些流量。这需要3到5个熟练的专业人员花5年的时间，这只是超过百万美元的工资，这是一个巨大的工作，你不能单独做，除了在一个非常 "疙瘩 "的形式，这将失败，即使在一些地方有阿尔法潜力，但尽管如此，它已经是一个东西。一般来说，你必须是这个案子的粉丝，那么就有机会了))希望卷积或递归网络会自己做所有的事情，这是一个天真的观点，与之前对图形归纳的思考方式相同。
PS：公开讨论具体情况，由于明显的原因，这不值得，我听说过一些故事，到目前为止，在西方，人们因为在ML应用于algotrading的主题上有太多实质性的报告而被列入黑名单，然后没有人带他们去任何基金，唯一剩下的就是在学院里教书或与市场打交道，YouTube，写博客，教吸血者如何沉淀几百英镑（（（））。
老子曾说："知之者--不言，言之者--不知"。）
也就是说，你可以说很多话，但只是泛泛而谈，当有人离太阳太近时，那些老练的人就会有点欺骗))))。
这在MQL上已经有好几年了。
我错了，一般来说，在一段时间内的价格增量，例如一分钟，作为一个特征可以增加约4-5％的额外信息，关于价格在下一分钟将移动到哪里，以此类推，5分钟，5分钟，一个小时，等等，嗯，这都是非常粗略的，"信息 "并不意味着它也会移动到那里，它意味着这个特征在相当复杂的系统中的重量，考虑到成千上万的特征。以前的东西几乎毫无意义，噪音。
我现在明白了。
这与我的观察一致。我称其为镜像（我可能会在稍后发布几张关于这个问题的图表）。对于预测n分钟的价格上涨，回顾同样n分钟的时间显示出更好的解释价值。
但除此之外，我有非常广泛的数据，哪种水平线的预测能力是最大的。
4-5%的数字是怎么来的？它们是如何计算的？预测因子的显著性，R^2，相互信息？
最好是对ccf()和wavemulcor 的引用。
不知何故，没有它我们也能过得很好。