交易中的机器学习：理论、模型、实践和算法交易 - 页 1626 1...161916201621162216231624162516261627162816291630163116321633...3399 新评论 Aleksey Nikolayev 2020.03.20 12:54 #16251 mytarmailS: 在我看来，概率既是概率，也是概率... 不确定性是不同的，但概率（如果有的话）始终是概率）。 博弈论通常试图将博弈的不确定性降低为概率性的不确定性。例如，通过混合策略中的纳什 均衡。 对于市场来说，转换为概率模型的主要问题是所产生的模型的大量非平稳性。 Mihail Marchukajtes 2020.03.20 12:55 #16252 凯沙-鲁托夫。 的确，外面有很多疯子，一万个人只是一个味道，有些啄木鸟是想在嘴里戳出一百万个点来！"。也有抽搐和翻筋斗的人... 这就是我的意思。许多人忘记了一个非常重要的基本规则。如果一个问题可以在没有NS的帮助下得到解决，就应该这样做。从这一规则中可以看出，只要数学允许我们这样做，我们就用数学的方式看待数据，一旦数学无能为力，我们就用NS。换句话说，输入的数据应该被最大限度地过滤、平滑、归一化，等等。数学原理上的数学，然后才开始应用NS。而不是让我们塞进NS的垃圾，在天气的海洋中等待。这不是它的工作方式。例如，使用50个输入向量，我拒绝了所有不必要的市场区块，这些区块将成为训练期间的噪音，使用这个数量的输入，我获得了一个90-95%的学习质量的模型，在M5上的时间为2个月。如果我把这部分全部喂给网络，会发生什么？没有什么。我会得到一个质量差得多、无法使用的模型。阴谋是在两个月内发生的，就像第一种情况和第二种情况一样，并且一直如此。但结果是不同的。 mytarmailS 2020.03.20 13:13 #16253 阿列克谢-尼古拉耶夫。 不确定性是不同的，但概率（如果有的话）始终是概率）。 博弈论通常试图将博弈的不确定性降低为概率性的不确定性。例如，通过混合策略中的纳什 均衡。 对于市场来说，转向概率模型的主要问题是所产生的模型的显著非平稳性。 都是因为信息的表述不正确。 你处理一个非静止的过程就像你处理一个静止的过程一样，用尺子/厘米测量海浪。 你应该首先将分形结构转化为一个维度 （将非稳态转化为稳态），然后找到模式/图案，然后是统计/概率。 Кеша Рутов 2020.03.20 14:03 #16254 Mihail Marchukajtes: 这就是我的意思。许多人忘记了一个非常重要的基本规则。如果一项任务可以在没有NS的帮助下解决，就必须完成。从这一规则可以看出，只要数学允许我们这样做，我们就用数学的方式来看待数据，一旦数学变得无能为力，我们就用NS。换句话说，输入的数据应该被最大限度地过滤、平滑、归一化，等等。数学原理上的数学，然后才开始应用NS。 而不是让我们塞进NS的垃圾，在天气的海洋中等待。这不是它的工作方式。例如，使用50个输入向量，我拒绝了所有不必要的市场区块，这些区块将成为训练期间的噪音，使用这个数量的输入，我获得了一个90-95%的学习质量 的模型，在M5上的时间为2个月。如果我把这部分全部喂给网络，会发生什么？没有什么。我会得到一个质量差得多、无法使用的模型。阴谋是在两个月内发生的，就像第一个案例和第二个案例一样，并且一直如此。 但结果是不同的。 酷，我能说什么呢，在预测未来方向时，我从来没有超过55%的阿库拉西，没有掺杂任何过去。一般来说，最好不要计算acurasi，而是计算与未来回报率的相关性，这个数字据说与夏普比率成正比，会得到（当然取决于交易成本）。3%的相关度足以满足年度SR ~1 -1.5 Mihail Marchukajtes 2020.03.20 14:42 #16255 凯沙-鲁托夫。 酷，我能说什么呢，在预测未来方向时，我从来没有超过55%的阿库拉西，没有掺杂任何过去。一般来说，最好不计算acurasi，而是计算与未来回报率的相关性，这个数字据说与夏普比率成正比，会得到（当然取决于交易成本）。3%的相关度对每年的SR来说是足够的~1-1.5 尝试对输入进行数学过滤，从而减少训练样本，而不减少时间段，我相信NS的质量会提高。因此，你摆脱了不必要的噪音，这些噪音被数学消除了。我又一次写了优化器给出的可概括性的数值。即时间段是一样的，但所产生的网络质量会更好，这将影响反馈。IMHO Кеша Рутов 2020.03.20 14:48 #16256 Mihail Marchukajtes: 尝试对输入进行数学过滤，从而减少训练样本，但不缩短时间，我相信NS的质量会提高。因此，你将摆脱不必要的噪音，这是由数学来消除的。我又一次写了优化器给出的可概括性的数值。即时间段是一样的，但所产生的网络质量会更好，这将影响反馈。 IMHO 你说什么？ Aleksey Nikolayev 2020.03.20 15:01 #16257 mytarmailS: 都是因为信息的表述不正确......。 非稳态过程被视为用 "尺/厘米海浪 "测量的稳态过程。 首先需要将分形结构转化为一维 （非稳态转化为稳态），然后找到模式/图案，再找到统计/概率。 在大量非稳态的情况下，谈论多分形更为正确，因为分形的特征随着时间的推移而变化。这些变化和其他变化一样是不可预测的。 Mihail Marchukajtes 2020.03.20 15:04 #16258 凯沙-鲁托夫。 你是什么意思？ 好吧，让我们说不是所有的分钟，而是那些身体大于N点的人作为一个例子。这样你会减少数据量，但不会减少采样间隔。而电网会感谢你。 既然我们已经笼统地触及了这个问题，我要说的是，最近我一直在帮助网格员进行预处理的工作。比如，我首先优化序列的参数，我原则上得到一个类型化的序列。而我要求网友让已经获得的Sequenta变得更好。我是说团队游戏。在Sequenta获得的那一半，另一半是帮助获得Sequenta的人更好地得分的网。所以说，我不强奸NS，只要求她帮助一点，这一点就足够了。 所有这些都将在视频中涵盖... Mihail Marchukajtes 2020.03.20 15:06 #16259 Mihail Marchukajtes: 说的不是所有的分钟，而是那些身体大于N点的人，作为一个例子。这将减少数据量，但不会减少采样间隔。而电网会感谢你。 既然我们已经笼统地触及了这个问题，我要说的是，最近我一直在帮助网格员进行预处理的工作。比如，我首先优化序列的参数，我原则上得到一个类型化的序列。而我要求网友们把已经获得的Sequenta变得更好。我是说团队游戏。在Sequenta获得的那一半，另一半是帮助获得Sequenta的人更好地得分的网。所以说，我不强奸NS，只要求她帮助一点，这一点就足够了。 所有这些都将在视频中显示... 在你的案例中，NS只分析那些满足条件的分钟。因此，我们不会把网络的潜力洗成真正的垃圾，这可以通过数学的方式来消除，这实际上是在上述条件中说的。这可以更好地理解为一种法律。 Mihail Marchukajtes 2020.03.20 15:24 #16260 还有，伊诺金蒂，我要求你公开道歉，因为你把我这样一个毫无价值的程序员和杂工等同于雷舍托夫-尤里这样的杰出人物。如果你看到他的代码和他的写作方式，你就会佩服它，就像我佩服其编程方式一样。是的，我对优化器做了一些调整，在我看来，这改善了最终的性能，但将他和我进行比较是愚蠢的。与他相比，我只是一个预科生，总是逃课，总是在学校后面喊 "什么？所以我在等着你的道歉。 1...161916201621162216231624162516261627162816291630163116321633...3399 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
在我看来，概率既是概率，也是概率...
不确定性是不同的，但概率（如果有的话）始终是概率）。
博弈论通常试图将博弈的不确定性降低为概率性的不确定性。例如，通过混合策略中的纳什 均衡。
对于市场来说，转换为概率模型的主要问题是所产生的模型的大量非平稳性。
的确，外面有很多疯子，一万个人只是一个味道，有些啄木鸟是想在嘴里戳出一百万个点来！"。也有抽搐和翻筋斗的人...
不确定性是不同的，但概率（如果有的话）始终是概率）。
博弈论通常试图将博弈的不确定性降低为概率性的不确定性。例如，通过混合策略中的纳什 均衡。
对于市场来说，转向概率模型的主要问题是所产生的模型的显著非平稳性。
都是因为信息的表述不正确。
你处理一个非静止的过程就像你处理一个静止的过程一样，用尺子/厘米测量海浪。
你应该首先将分形结构转化为一个维度 （将非稳态转化为稳态），然后找到模式/图案，然后是统计/概率。
这就是我的意思。许多人忘记了一个非常重要的基本规则。如果一项任务可以在没有NS的帮助下解决，就必须完成。从这一规则可以看出，只要数学允许我们这样做，我们就用数学的方式来看待数据，一旦数学变得无能为力，我们就用NS。换句话说，输入的数据应该被最大限度地过滤、平滑、归一化，等等。数学原理上的数学，然后才开始应用NS。 而不是让我们塞进NS的垃圾，在天气的海洋中等待。这不是它的工作方式。例如，使用50个输入向量，我拒绝了所有不必要的市场区块，这些区块将成为训练期间的噪音，使用这个数量的输入，我获得了一个90-95%的学习质量 的模型，在M5上的时间为2个月。如果我把这部分全部喂给网络，会发生什么？没有什么。我会得到一个质量差得多、无法使用的模型。阴谋是在两个月内发生的，就像第一个案例和第二个案例一样，并且一直如此。 但结果是不同的。
酷，我能说什么呢，在预测未来方向时，我从来没有超过55%的阿库拉西，没有掺杂任何过去。一般来说，最好不要计算acurasi，而是计算与未来回报率的相关性，这个数字据说与夏普比率成正比，会得到（当然取决于交易成本）。3%的相关度足以满足年度SR ~1 -1.5
酷，我能说什么呢，在预测未来方向时，我从来没有超过55%的阿库拉西，没有掺杂任何过去。一般来说，最好不计算acurasi，而是计算与未来回报率的相关性，这个数字据说与夏普比率成正比，会得到（当然取决于交易成本）。3%的相关度对每年的SR来说是足够的~1-1.5
尝试对输入进行数学过滤，从而减少训练样本，但不缩短时间，我相信NS的质量会提高。因此，你将摆脱不必要的噪音，这是由数学来消除的。我又一次写了优化器给出的可概括性的数值。即时间段是一样的，但所产生的网络质量会更好，这将影响反馈。 IMHO
你说什么？
都是因为信息的表述不正确......。
非稳态过程被视为用 "尺/厘米海浪 "测量的稳态过程。
首先需要将分形结构转化为一维 （非稳态转化为稳态），然后找到模式/图案，再找到统计/概率。
在大量非稳态的情况下，谈论多分形更为正确，因为分形的特征随着时间的推移而变化。这些变化和其他变化一样是不可预测的。
你是什么意思？
好吧，让我们说不是所有的分钟，而是那些身体大于N点的人作为一个例子。这样你会减少数据量，但不会减少采样间隔。而电网会感谢你。
既然我们已经笼统地触及了这个问题，我要说的是，最近我一直在帮助网格员进行预处理的工作。比如，我首先优化序列的参数，我原则上得到一个类型化的序列。而我要求网友让已经获得的Sequenta变得更好。我是说团队游戏。在Sequenta获得的那一半，另一半是帮助获得Sequenta的人更好地得分的网。所以说，我不强奸NS，只要求她帮助一点，这一点就足够了。
所有这些都将在视频中涵盖...
说的不是所有的分钟，而是那些身体大于N点的人，作为一个例子。这将减少数据量，但不会减少采样间隔。而电网会感谢你。
既然我们已经笼统地触及了这个问题，我要说的是，最近我一直在帮助网格员进行预处理的工作。比如，我首先优化序列的参数，我原则上得到一个类型化的序列。而我要求网友们把已经获得的Sequenta变得更好。我是说团队游戏。在Sequenta获得的那一半，另一半是帮助获得Sequenta的人更好地得分的网。所以说，我不强奸NS，只要求她帮助一点，这一点就足够了。
所有这些都将在视频中显示...