交易中的机器学习：理论、模型、实践和算法交易 - 页 171

新评论
 

需要放弃价格在BP看来，这是国防部最荒谬的观点，在市场的情况下。我认为...

但如何表现它...

 
在为真理或谬误进行分类时，重要的不是网络如何划分这些概念，而是它在未来如何稳定地划分这些概念。而分裂本身并不重要，重要的是它是稳定的。在这一领域，制作一个稳定的排水TS和制作一个浇注TS一样困难。例如，我是这样做的，我每天根据前一天的成交量和未平仓合约来训练网络。然后在3-4个信号期间，我建立模型（有时我反转信号），使其面向市场，瞧，网络将好的和坏的信号稳定地划分。这是最重要的....
 
BlackTomcat:

1）你在这些时期之间有时间间隔吗？

2）这个模式已经用完了，它已经被认识到了，大量的人已经开始利用它。正因为如此，它正在变成一个反转模式。

3）我目前正在研究一个使用图形方法的TS。在我看来，如果有一种工作模式，那就是这里。

4）我想对我之前的帖子做一些更详细的说明。我似乎在那里粗略地分析了独立的酒吧。但实际上并非如此。个别条形分析有存在的权利，但这些关键条形通常不在顶部的区域内。

1）在我印象中不是，图片不是最近的，我不记得了......

2）很高兴我不是唯一这样认为的人。

3) 我不是唯一这样认为的人......我甚至可以在三个点内止损进场，并在50%的情况下拿下1k2、1k5，但不可能对其进行数学分析，所以这是个垃圾。

4）都需要知道如何搜索

 

п

如果有擅长编程分歧的人，我们可以尝试实现这样一个棘手的模式并进行测试

 
mytarmailS:

3) 我也是......，我甚至可以在3个点的时候进场，在50%的情况下获得1k2、1k5的收益，但不可能用数学方法来计算，所以这很糟糕。

我不同意你的说法。:)我很确定，图形化的方法可以而且必须被形式化。也许是由于某种复杂性，在95%和5%的成功者之间存在着一种划分。但是，如果说在交易所有一条成功之路的话，它恰恰就在这个领域。在任何情况下，我可以在屏幕上看到很多东西，尽管它不能避免错误。然而，总是有另一种情况。而好消息是，如果你能正确及时地认识到一切，即使有一些（小的）损失，也不太容易转换到另一种情况。
我还想补充一点，在某些时候，我对所有数学（指标）方法都变得非常怀疑。它们很吸引人，因为它们实施起来很简单，但在这种简单性中却蕴含着它们的无用性。外汇交易的历史非常悠久（甚至可以说是 "古老"），而那时几乎没有人坐在那里计算随机指标和RSI。:)但在图表上画线--这很容易。而且，如果几代交易员都接受了这方面的教育和培训，为什么它要突然停止工作？随着计算机技术的出现，一切都变得更加复杂和加速，现在甚至在滴答声中都可以看到趋势通道。但它们仍然存在的事实是有利于使用它们。
图形化方法还有一个最重要的优势：它们向你展示了目的。它们向你展示了价格的走向（或者我应该说，走向哪里）。当你知道价格运动目标在哪里时，其方向的问题就会自行消失。

 
BlackTomcat:
这里是我不同意你的地方。:)我很确定，图形化的方法可以而且应该被形式化。也许由于某种复杂性，在95%和5%的成功者之间存在着一种划分。但是，如果说在交易所有一条成功之路的话，它恰恰就在这个领域。在任何情况下，我可以在屏幕上看到很多东西，尽管它不能避免错误。然而，总是有另一种情况。而好消息是，如果一切都正确，而且认识到的时间，切换到另一种情况并不十分困难，即使有一些（小的）损失。
它是形式化的，但不可能向机器解释，我不知道到底如何解释。
 

我就不做参考了，因为有几个帖子漏掉了一个重要的细节。

目标变量的值在时间上不能与预测器的值相匹配，即目标变量的值必须向后移。如果是1，那么就是前进了一步，如果是10，那么就是前进了十步。

目标变量，即教师，必须向前看。

为了说明这一点，有人在这里表达了一个想法，更清楚地强调了目标变量领先于预测因素的细微差别。

这一点是这样的。我们采取逆转的方式，比如说马赫卡。从这些历史上的反转中，我们向前 推进，并标记出过去的有关反转，之后价格变化 了一些点数，例如100点。我们已经找到了。我们采取下一个反转，寻找100点的变化，从而形成老师。这个想法非常清楚地表明了目标变量的形成方法：目标变量应该实现 "向前看"，这在历史数据上是相当可行的。是目标变量，而不是预测运算符的应用，提供了模型的预测结果。

这个想法还有一个重要的细微差别。很明显，我们预测的是什么：我们预测价格未来上涨/下跌100点。这与ZZ相反，ZZ的标记是 "1"，表示向上的膝盖，"0 "表示向下的膝盖。如果你想一想，我们在预测什么？

因此，对目标变量的要求是。

1.目标变量必须向前看

2.必须对我们所预测的内容有一个清楚的了解。

这些想法似乎很明显，但在实践中却无法实现：要么是靴子太紧，要么是有其他东西挡住了路...。

PS。

在我的要求下，对这一想法进行了测试，但没有找到其实施的预测因素。

 
阿列克谢-伯纳科夫：
我回答你们两个。

如果在选择模型的数据上对其进行评估，那么该模型就没有价值。即使它是一段没有经过训练的模型的数据。

想一想吧。

有1）过度学习。这就是你把训练数据上的模型赶到一个接近完美的状态。在其他数据上，没有可概括性。

还有就是2）选择偏差（乐观的模型选择）。这是在已经知道模型行为的数据上选择最佳模型或委员会。再说一遍--即使它是一个测试案例。

你得到这个现实。由交叉验证测试块选择的未训练的模型（在测试中走向正方的模型）有可能被拟合到TEST中。为了减少这种影响，我们发明了嵌套交叉验证法。已经选定的模型（或委员会）应在其他数据上进一步测试。

换句话说--这是对模型选择方法的验证。

再一次，我也有几十个模型，我也在预测器和参数中翻滚。而这些模型在每一个8年的时间里，都会进入稳固的加分项!而这就是测试期。但是，当通过测试选出的 "最佳 "模型被延迟抽样测试时，就会出现意外。这就是所谓的--模型拟合交叉验证。

当它是清楚的，纯粹的实验继续进行。如果不清楚的话，你会看到现实世界中质量的多重下降。这就是在99%的情况下观察到的情况。

阿列克谢！

在我看来，你高估了 "交叉验证 "或 "模型委员会 "等正式工具的重要性。

在开发模型时，必须有一个评价标准，这个标准与学习过程无关，没有任何关系。

让我列出这些标准。

1.对训练区间的时间间隔进行模型验证。

2.运行使用策略测试器中的模型的专家顾问。此外，专家顾问没有MM，它是最原始的一个。没有止损和获利，等等。

如果在任何时候，得到的结果与训练时得到的结果大不相同，那么模型就会被重新构建，即预测器对目标变量不具有预测能力。所列的标准并没有说要做什么，如何改变--这些标准只说了一件事：模型被退回了。

PS。

对于MCL的热心支持者，我注意到，如果没有这个话题中讨论的所有这些行动和工具，测试者完全没有依据去推测交易系统的未来行为。测试者说："这些是这个时间段的结果"。这就是全部。测试者正好给出一个数字，例如，与某一历史时期有关的利润系数。而你只能在R中获得统计数据。而测试员是模型设计 的最后一部分，但不能代替整个开发过程。

 
mytarmailS:

因此，如果有擅长编程分歧的人，我们可以尝试实现这样一个棘手的模式并进行测试

在kodobase中，我看到了用线条标记分歧的指标。
 
桑桑尼茨-弗门科。

阿列克谢！

1）我的理解是，你高估了 "交叉验证 "或 "模型委员会 "等正式工具的重要性。

2）测试者准确地给出一个数字，如利润系数，它与特定的历史时期有关。而统计数据只能在R中获得。而测试员是模型设计的最后部分，但不能代替整个开发过程。

桑桑尼茨先生。

你不必谈论委员会，这是模型选择过程中的一个特殊情况。关于验证 - 不，我没有高估它。

2）MT没有给出统计数据的分布。

1...164165166167168169170171172173174175176177178...3399
新评论