交易中的机器学习：理论、模型、实践和算法交易 - 页 1806 1...179918001801180218031804180518061807180818091810181118121813...3399 新评论 ipsec 2020.06.10 01:26 #18051 大家好 我正在使用深度强化学习（使用Python），学习已经在进行（如图所示）。 今天，我只把移动平均线作为市场观察来学习。 这个模型执行了几个动作（买入、卖出和等待）。因此，经过训练，该模型在许多行动中收敛，只用最佳行动来 "等待"。 然而，在这个模型中，训练是非常缓慢的，因为它使用了所有的ticks。 你有什么建议作为市场观察数据来提高准确性和减少损失？ 对我的翻译错误表示歉意。 mytarmailS 2020.06.10 08:45 #18052 ipsec。 你建议用什么作为市场观察数据来提高准确性和减少损失？ 1）创建一个 市场模型，并在其中训练一个代理，这将降低维度，加快训练速度，即使 在这里 也是这样做的 2）特征的选择，正如他们所说，这是一个创造性的任务，如果有很多特征，那么也会有助于降低维度，有很多的特征，从聚类到pca，umap等等。 如果我们采取支持和阻力水平，并决定只在价格处于该水平时买入或卖出，我们可以将训练样本减少几个数量级。 你可以把所有的点结合在一起。 Valeriy Yastremskiy 2020.06.10 09:59 #18053 ipsec: 大家好 我正在使用深度强化学习（使用Python），学习已经在进行（如图所示）。 今天，我只把移动平均线作为市场观察来学习。 这个模型执行了几个动作（买入、卖出和等待）。因此，经过训练，该模型在许多行动中收敛，只用最佳行动来 "等待"。 然而，在这个模型中，训练是非常缓慢的，因为它使用了所有的ticks。 你有什么建议作为市场观察数据来提高准确性和减少损失？ 请原谅我的翻译错误 将蜱虫的数量减少到可接受的误差。 识别在去除所有标记后，误差超过可接受误差的区域。 训练模型找到这样的区域，如果它可以的话，当然))))。 Valeriy Yastremskiy 2020.06.10 10:59 #18054 Maxim Dmitrievsky: 好吧，这些都是状态空间模型，它们每隔一段时间也会发挥作用。 而且你可以把目标与趋势的变化联系起来。任务不是为了获利，而是为了认识和预测。很明显，它们是完全不同的任务，NS不能够同时识别和预测))))。目标利润，平衡间接地承认转折点，而不直接承认。 如果我们把日线、4小时线、小时线（或任何其他）的人字形反转，并以每个（所有）时间段的120个柱子和转折点前后的120个点为例进行观察。日线和4h线只看到下一个和上一个反转，或者不知道怎么做更好。当然，那时应该手动写一些东西来准备数据。 或者是否有类似的东西。 Maxim Dmitrievsky 2020.06.10 12:15 #18055 Valeriy Yastremskiy: 或者你可以将目标与趋势变化联系起来。任务不是为了获利，而是为了认识和预测。很明显，它们是完全不同的任务，NS不能同时识别和预测))))。目标利润，平衡间接地承认转折点，而不直接承认。如果我们把日线、4小时线、小时线（或任何其他线）的人字形反转，并以每个（所有）时间段的120条和转折点前后的120个点为例进行观察。日线和4h线只看到下一个和上一个反转，或者不知道怎么做更好。当然，那时应该手动写一些东西来准备数据。或者有类似的东西吗？ 它很容易通过人字形断裂之间存在的规律性来检查，即熵的减少。如果会有与sb的区别，那么你可以看看。但我没有发现这样的事情。有一些特殊的软件包，在医学上用于分析dna和推导药物配方。例如，重新排列的熵，或更复杂的情况下的近似值，优化器如q-learning Maxim Dmitrievsky 2020.06.10 12:27 #18056 ipsec: 大家好 我正在使用深度强化学习（使用Python），学习已经在进行（如图所示）。 今天，我只把移动平均线作为市场观察来学习。 这个模型执行了几个动作（买入、卖出和等待）。因此，经过训练，该模型在许多行动中收敛，只用最佳行动来 "等待"。 然而，在这个模型中，训练是非常缓慢的，因为它使用了所有的ticks。 你有什么建议作为市场观察数据来提高准确性和减少损失？ 对我的翻译错误表示抱歉。 我认为深度强化只是用于多变量的任务，而不是用于1-5维的，如金融市场。因此，你可以尝试更简单、更快速的方法，如带有神经网络或线性近似器的REINFORCE。 Valeriy Yastremskiy 2020.06.10 12:38 #18057 Maxim Dmitrievsky: 这很容易通过人字形断裂之间存在的规律性来检查，即熵的减少。如果与sb有区别，那么你可以看看。但我没有发现这样的事情。有一些特殊的软件包，在医学上用于分析dna和推导药物配方。例如，包络熵或更复杂的情况，有近似器、优化器如q-learning。 不，骨折的规律性是不行的))))在不考虑规律性的情况下，需要抓住骨折前的东西）一般来说，有机会抓住那些与骨折前的SB有相同差异的骨折。你不能用普通的包裹来做这个。而且我不认为在趋势中间的休息有什么意义，除了太长的趋势持续时间))))。 Maxim Dmitrievsky 2020.06.10 13:05 #18058 Valeriy Yastremskiy: 不，骨折的规律性是不行的))))骨折前的东西需要被抓住，不考虑规律性）一般来说，有机会抓住那些与骨折前的SB有相同差异的骨折。你不能用普通的包裹来做这个。而且我认为，除了趋势太长之外，在趋势中间出现断裂没有任何意义))))。 嗯，我明白了，通过与TF相关的类比。可以尝试 Valeriy Yastremskiy 2020.06.10 13:07 #18059 Maxim Dmitrievsky: 我认为深度强化只是用于多变量的任务，而不是用于1-5维的，如金融市场。因此，你可以尝试更简单、更快速的方法，如带有神经网络或线性近似器的REINFORCE。 如果你看一下不同的TFs，你会得到更多的维度))))。 Valeriy Yastremskiy 2020.06.10 13:12 #18060 Maxim Dmitrievsky: 我明白了，通过与TF相关的类比。我们可以尝试。 是的，只有TFs都要看，哪些是一次性需要的，不能确定。也许一个或两个TF会更好，也可能所有的TF都需要）））。很难想清楚。））。 1...179918001801180218031804180518061807180818091810181118121813...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
大家好
我正在使用深度强化学习（使用Python），学习已经在进行（如图所示）。
今天，我只把移动平均线作为市场观察来学习。
这个模型执行了几个动作（买入、卖出和等待）。因此，经过训练，该模型在许多行动中收敛，只用最佳行动来 "等待"。
然而，在这个模型中，训练是非常缓慢的，因为它使用了所有的ticks。
你有什么建议作为市场观察数据来提高准确性和减少损失？
对我的翻译错误表示歉意。
你建议用什么作为市场观察数据来提高准确性和减少损失？
1）创建一个 市场模型，并在其中训练一个代理，这将降低维度，加快训练速度，即使 在这里 也是这样做的
2）特征的选择，正如他们所说，这是一个创造性的任务，如果有很多特征，那么也会有助于降低维度，有很多的特征，从聚类到pca，umap等等。
如果我们采取支持和阻力水平，并决定只在价格处于该水平时买入或卖出，我们可以将训练样本减少几个数量级。
你可以把所有的点结合在一起。
大家好
我正在使用深度强化学习（使用Python），学习已经在进行（如图所示）。
今天，我只把移动平均线作为市场观察来学习。
这个模型执行了几个动作（买入、卖出和等待）。因此，经过训练，该模型在许多行动中收敛，只用最佳行动来 "等待"。
然而，在这个模型中，训练是非常缓慢的，因为它使用了所有的ticks。
你有什么建议作为市场观察数据来提高准确性和减少损失？
请原谅我的翻译错误
将蜱虫的数量减少到可接受的误差。
识别在去除所有标记后，误差超过可接受误差的区域。
训练模型找到这样的区域，如果它可以的话，当然))))。
好吧，这些都是状态空间模型，它们每隔一段时间也会发挥作用。
而且你可以把目标与趋势的变化联系起来。任务不是为了获利，而是为了认识和预测。很明显，它们是完全不同的任务，NS不能够同时识别和预测))))。目标利润，平衡间接地承认转折点，而不直接承认。
如果我们把日线、4小时线、小时线（或任何其他）的人字形反转，并以每个（所有）时间段的120个柱子和转折点前后的120个点为例进行观察。日线和4h线只看到下一个和上一个反转，或者不知道怎么做更好。当然，那时应该手动写一些东西来准备数据。
或者是否有类似的东西。
或者你可以将目标与趋势变化联系起来。任务不是为了获利，而是为了认识和预测。很明显，它们是完全不同的任务，NS不能同时识别和预测))))。目标利润，平衡间接地承认转折点，而不直接承认。
如果我们把日线、4小时线、小时线（或任何其他线）的人字形反转，并以每个（所有）时间段的120条和转折点前后的120个点为例进行观察。日线和4h线只看到下一个和上一个反转，或者不知道怎么做更好。当然，那时应该手动写一些东西来准备数据。
或者有类似的东西吗？
大家好
我正在使用深度强化学习（使用Python），学习已经在进行（如图所示）。
今天，我只把移动平均线作为市场观察来学习。
这个模型执行了几个动作（买入、卖出和等待）。因此，经过训练，该模型在许多行动中收敛，只用最佳行动来 "等待"。
然而，在这个模型中，训练是非常缓慢的，因为它使用了所有的ticks。
你有什么建议作为市场观察数据来提高准确性和减少损失？
对我的翻译错误表示抱歉。
我认为深度强化只是用于多变量的任务，而不是用于1-5维的，如金融市场。因此，你可以尝试更简单、更快速的方法，如带有神经网络或线性近似器的REINFORCE。
这很容易通过人字形断裂之间存在的规律性来检查，即熵的减少。如果与sb有区别，那么你可以看看。但我没有发现这样的事情。有一些特殊的软件包，在医学上用于分析dna和推导药物配方。例如，包络熵或更复杂的情况，有近似器、优化器如q-learning。
不，骨折的规律性是不行的))))在不考虑规律性的情况下，需要抓住骨折前的东西）一般来说，有机会抓住那些与骨折前的SB有相同差异的骨折。你不能用普通的包裹来做这个。而且我不认为在趋势中间的休息有什么意义，除了太长的趋势持续时间))))。
不，骨折的规律性是不行的))))骨折前的东西需要被抓住，不考虑规律性）一般来说，有机会抓住那些与骨折前的SB有相同差异的骨折。你不能用普通的包裹来做这个。而且我认为，除了趋势太长之外，在趋势中间出现断裂没有任何意义))))。
嗯，我明白了，通过与TF相关的类比。可以尝试
我认为深度强化只是用于多变量的任务，而不是用于1-5维的，如金融市场。因此，你可以尝试更简单、更快速的方法，如带有神经网络或线性近似器的REINFORCE。
如果你看一下不同的TFs，你会得到更多的维度))))。
我明白了，通过与TF相关的类比。我们可以尝试。
是的，只有TFs都要看，哪些是一次性需要的，不能确定。也许一个或两个TF会更好，也可能所有的TF都需要）））。很难想清楚。））。