交易中的机器学习：理论、模型、实践和算法交易 - 页 16

[[删除]]

阿列克谢-伯纳科夫。

对于金融BP，你需要区分一个模式--即BP在整个可用时间范围内 的统一行为。

愚蠢的说法。一年前的欧元兑美元和现在的欧元兑美元是两个具有相同名称的不同BP。

[Alexey Burnakov]

伙计们，我附上我的EA。它显示了从R系统发送和接收信息的逻辑。

为了让它工作，你需要从这里复制库：https://www.mql5.com/en/code/11112

在文件mt4R.mqh中有说明。

[Alexey Burnakov]

安东-兹维列夫。
愚蠢的论断。一年前的欧元兑美元和现在的欧元兑美元是两个具有相同名称的不同GP。

脏话。如果你的EA在欧元兑美元上没有坚持住，是在一年的时间里失去了样本，这意味着你还没有找到一个模式。你在交易噪音。

你的学生提到将苹果和橘子进行比较，当然对任何其他任务都是有效的，但你显然不知道如何区分市场上的这些水果。

[СанСаныч Фоменко]

安东-兹维列夫。

你想在一个单一的BP 中找到相关关系。而且你想找到在该BP中必须随时存在 的相互关系。

至少可以说，这两种情况（黑体字）似乎很奇怪......

恰恰是用黑体字强调的。对你来说，这似乎很奇怪，而这个主题上的几个人，正试图解决这些问题。此外，我们不是这个世界上唯一的人，因为很多可以解决这些问题的知识密集型工具已经在我们之前被发明和实施。

所以。

1.时时刻刻都在

这就是重新训练（过度拟合）模型的问题。如果我们的模型设法在现有的历史数据上识别出一些保证在未来发生的模式，那么我们将在任何时候 获得你的存在。这可以通过在与目标变量相关的预测因素上建立模型来实现。这里有一个叫做 "主要成分 "的工具（一个相当古老的工具），它允许你从预测因子中筛出垃圾（噪音），这些预测因子在未来将具有与我们在现有历史数据中发现的相同模式。

2.你想在一个单一的BP 中找到相关关系

有一套相当大的不同的工具，其背后有不同的想法来寻找相关性。这里我们讨论的是NS，更具体地说是nnet。根据我的经验，这是最不有效的算法。更有效的是，最重要的是更直观的是ada、Randonforest、SVM，按性能降序排列。

让我们把Randonforest作为最明显的例子。

这个想法是什么？

例如，有了预测器的值，我们教算法预测买入和卖出。该算法建立了一棵树--预测值的组合，属于一个栏。一棵树预测买入，另一棵则预测卖出。如果我们输入大约5000条，算法会找到200-300个树种。进一步增加条数并不能增加树木的数量。如果我们解决了第1点的问题，那么得到的模型在未来的预测中会有与历史数据差不多的误差。

[[删除]]

阿列克谢-伯纳科夫。

桑桑尼茨-弗门科。

对于有经验的理论家，剩下的就是祝他们在实践中好运。

[Alexey Burnakov]

安东-兹维列夫。
对于有经验的理论家，只能祝愿他们在实践中好运。

谢谢你，亲爱的。

我们也有几年的实践。这就是为什么我们要求助于理论。你只是还没有把握住真理的纹理。也祝您好运。

[TheXpert]

Dr.Trader:
第一课看起来更像是关于这个框架的教程，而不是关于数据分析的教程。但主持人看起来很充分，没有像许多其他无用的培训中那样典型的 "我是外汇大师，我会让你大开眼界，你会赚到几百万"，这让人希望他们会把充分的东西讲到最后。

这是不可靠的，那里绝对没有废话。

Pandas似乎是数据挖掘最流行的库之一，Python本身是一种非常方便的语言，可用于各种任务。

盈利的交易是不会被教导的。他们将教你如何获取数据，在其上建立一个模型，并评估模型的结果。

[Alexey Burnakov]

组合器。

这是不可靠的，那里绝对没有废话。

Pandas是数据挖掘方面最流行的库之一，而Python本身也是一种非常方便的语言，可用于各种任务。

没有人会教给你有利可图的交易。他们要教的是如何获取数据，在此基础上建立一个模型，并评估模型的结果。

同意。该课程是为进入该行业和学习Python而设。

[СанСаныч Фоменко]

安东-兹维列夫。
有经验的理论家们只希望他们在实践中好运。

我的股票投机经历是从Borovoy的支票开始的。在此之前，我又花了20年时间在实体部门投资。

你生来就有支票吗？

[mytarmailS]

安东-兹维列夫

我们不要进行这样的对话，在这里学习和分享经验的人都愿意互相帮助，而你的立场是你很笨，我什么都知道)你最好帮助我了解你的想法和你知道的正确做法。

我同意你的观点，仅仅给出BP是不够的，你需要压缩信息，摒弃那些妨碍做出好的决定的不必要的东西，最好是把那些买入/卖出的信息变成0或1，即如果我们有10个指标（我不相信），我们过滤掉其中的9个，只留下RSI，这将是不够的，因为该指标有一个范围，事实证明它对-70到70的值不起作用，所以我们需要压缩它们，等等。.问题是如何做到这一点？

我有这方面的想法，但还没有足够的知识来实现这样一个选择器。

我的第一次尝试是在很久以前，我从当前的价格回溯，搜索过去几乎相同的情况，然后将这些情况按结果排序，它们的结果如何，例如，我有一个当前的情况，为它找到10个类似物，在过去8个类似物变成了价格上涨，2个以下跌结束，所以它将增长...但可怕的是））结果却恰恰相反，在这些情况下，价格经常强烈下跌，有强烈的买入倾向，然后经常逐点回测......

然后我创建了这种指标，把所有买入价格的累计总和和利润的总和，创建它们的差异，得到一些指数，当我把它与价格进行比较时，结果发现它几乎朝相反的方向移动，相关性为-0.7至-0.9，所以简单地说，市场与它自己的统计数据相悖，这是值得思考和重新考虑的问题。