交易中的机器学习：理论、模型、实践和算法交易 - 页 182 1...175176177178179180181182183184185186187188189...3399 新评论 Vladimir Perervenko 2016.10.27 13:09 #1811 mytarmailS:RNeat文章的第四和最后一部分已经出来了...我敢说这里至少会有一个人有兴趣读到它http://gekkoquant.com/是的，这很有趣。我正在测试M30的报价。一个好的结果需要调整遗传学参数。但是一个非常有前途的模式。祝好运 mytarmailS 2016.10.27 15:27 #1812 弗拉基米尔-佩雷文科。是的，这很有趣。我正在测试M30的报价。一个好的结果需要调整遗传学参数。但非常有希望的模式。祝好运 我很高兴你有兴趣，也许你可以分享一些研究或文章...我自己都没有看过这个网格，我还在掺和嗯，这也不是一个空洞的算法，我觉得... toxic 2016.10.27 16:16 #1813 mytarmailS: 你为什么不简单点呢？你找到人群，找到大人物......我认为，"更容易 "的一切已经在我们面前被偷走了，你对这个 "人群 "的理解太笼统了，因为我只理解中小投机者，除了投机者，还有投资者和套期保值者以及国家之间的各种转移，因此，许多立场是相反的，不能形成一个人群，不清楚如何和为什么要找到小投机者的行动 toxic 2016.10.27 16:28 #1814 ivanivan_11:你必须放弃寻找任何种类的图形模式或指标。肯定每个人都会经历这些，但不是每个人都能超越它，这在生活中是一样的，大多数人不会超越青少年的思维方式。ivanivan_11:这里提到了一个有趣的解决方案，https://www.mql5.com/ru/forum/96886/page2#comment_2866637然而，如果你寻找大玩家如何移动他们的出价的模式，他们如何执行，价格在大的利润或冰山之后如何表现，等等。在股票方面，这可能是困难的，因为有太多的ECN和暗池。有趣的话题，谢谢。 mytarmailS 2016.10.27 17:27 #1815 有毒。仅仅是中小投机者，除了投机者之外，还有投资者和套期保值者以及各种跨国转移，许多头寸都是一群人...我认为，你和我也是如此，尽管这可能是不愉快的，.... toxic 2016.10.27 18:25 #1816 mytarmailS:这就是人群的作用......我认为，你和我也是如此，尽管这可能是不愉快的，....如果你的人群中包括大玩家和聪明的钱，与这样的人群进行比赛是徒劳的。 Mihail Marchukajtes 2016.10.27 19:09 #1817 同样，在谈到划分时，这里有一个典型的例子，说明网络是如何工作的，第一个信号是正确的，然后是两个错误的信号和电流。我们看到第四个信号与第二个和第三个不同，因为第二个和第三个是错误的，即它们需要翻转，那么最后一个，因为它与前两个也不同，必须翻转，然后按照计划.......。是的，当我们得到第一个买入信号时，我们得到的是减号，但第二个买入信号与前一个买入信号属于同一类别，是减号，所以它被颠倒了，而最后一个卖出信号与前两个不同，它被重新命名为不同的类别。如果那些是减分项，那么这一项将是加分项。最主要的是分部应该是稳定的，即使网络犯了一个错误，开始镜像信号，最主要的是它应该是稳定的。因此，它是这样的：.... Dr. Trader 2016.10.27 20:46 #1818 弗拉基米尔-佩雷文科。是的，这很有趣。我正在测试M30的报价。一个好的结果需要调整遗传学参数。但非常有希望的模式。祝好运几个月前我试图用rneat做一个工作模型，但没有成功，这个模型也在过度训练。第一代人在OOS上可能有点成功，但训练时间越长--在Sample和OOS上的结果之间的相关性就越小。而那个停止学习的时刻是很难抓住的，即使是交叉验证也无济于事。关于文章中的例子--我的结果与作者的完全不同。OOS中的模型在一年左右的时间里一直在交易，然后失去了20%的余额并停止了交易。其结果是没有那么多的利润，但也没有像作者的那个 "5年的利润"。如果你不知道该如何对待市场，他们建议使用正确的方向，使用正确的方法。所以这篇文章是值得怀疑的。 mytarmailS 2016.10.27 21:26 #1819 Dr.Trader: 几个月前，我试图用rneat做一个工作模型，但没有成功，这个模型也是过度训练。第一代人在OOS上可能有点成功，但训练时间越长，在Sample和OOS上的结果之间的相关性就越小。而那个停止学习的时刻是很难抓住的，即使是交叉验证也无济于事。关于文章中的例子--我的结果与作者的完全不同。OOS中的模型在一年左右的时间里一直在进行正向交易，然后失去了20%的余额并停止交易。其结果是没有那么多的利润，但也没有像作者的那个 "5年的利润"。如果我们采取作者使用的这些预测指标（美国政府的指数），它们需要的时间太长，不能相信。因此，这整个文章是有问题的。我明天也要试试....我也需要用我自己的数据进行尝试，但如果有很多预测因素，那一定是一个漫长的过程......你有一个漫长的学习曲线吗？ Dr. Trader 2016.10.27 21:33 #1820 Vizard_。 讽刺中带着暗示。绘画是用手画的。在这样的机器上把它拆开是没有问题的，或者说是冷却器。最主要的是让它在未来发挥作用...前两个图真的很简单，任何模型都能这样划分空间。但在我看来，不可能找到能如此轻易地归入两个目标的预测因素。第三张图对外汇来说更现实。但在这里，模型将开始完全陷入困境。 我想找一些有两个外汇指标的例子，训练模型，并画出空间分割图，但做不到，2个指标太少了。 像这样的例子比较容易展示--http://playground.tensorflow.org -- 你可以看到神经元的这种图表。所有这样的 "类的岛屿"，就像你在第三张图上的那样--在模型中不会有清晰的圆形边界。它们之间会有一些桥梁，不同方向的分支，等等。 用手画出类的边界很容易，但模型会做得更糟糕。这就是为什么我喜欢你的照片，很难找到这样的预测器和目标以及模型，一切都会运作得很好。我应该试试SVM，如果它在空间中划分同一类别的区域那么超级好，谢谢你的提示。 1...175176177178179180181182183184185186187188189...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
RNeat文章的第四和最后一部分已经出来了...
我敢说这里至少会有一个人有兴趣读到它
http://gekkoquant.com/
是的，这很有趣。
我正在测试M30的报价。一个好的结果需要调整遗传学参数。
但是一个非常有前途的模式。
祝好运
是的，这很有趣。
我正在测试M30的报价。一个好的结果需要调整遗传学参数。
但非常有希望的模式。
祝好运
mytarmailS:
你为什么不简单点呢？你找到人群，找到大人物......
我认为，"更容易 "的一切已经在我们面前被偷走了，你对这个 "人群 "的理解太笼统了，因为我只理解中小投机者，除了投机者，还有投资者和套期保值者以及国家之间的各种转移，因此，许多立场是相反的，不能形成一个人群，不清楚如何和为什么要找到小投机者的行动
你必须放弃寻找任何种类的图形模式或指标。
肯定每个人都会经历这些，但不是每个人都能超越它，这在生活中是一样的，大多数人不会超越青少年的思维方式。
这里提到了一个有趣的解决方案，https://www.mql5.com/ru/forum/96886/page2#comment_2866637
然而，如果你寻找大玩家如何移动他们的出价的模式，他们如何执行，价格在大的利润或冰山之后如何表现，等等。在股票方面，这可能是困难的，因为有太多的ECN和暗池。
有趣的话题，谢谢。
仅仅是中小投机者，除了投机者之外，还有投资者和套期保值者以及各种跨国转移，许多头寸
都是一群人...我认为，你和我也是如此，尽管这可能是不愉快的，....
这就是人群的作用......我认为，你和我也是如此，尽管这可能是不愉快的，....
如果你的人群中包括大玩家和聪明的钱，与这样的人群进行比赛是徒劳的。
同样，在谈到划分时，这里有一个典型的例子，说明网络是如何工作的，第一个信号是正确的，然后是两个错误的信号和电流。我们看到第四个信号与第二个和第三个不同，因为第二个和第三个是错误的，即它们需要翻转，那么最后一个，因为它与前两个也不同，必须翻转，然后按照计划.......。是的，当我们得到第一个买入信号时，我们得到的是减号，但第二个买入信号与前一个买入信号属于同一类别，是减号，所以它被颠倒了，而最后一个卖出信号与前两个不同，它被重新命名为不同的类别。如果那些是减分项，那么这一项将是加分项。最主要的是分部应该是稳定的，即使网络犯了一个错误，开始镜像信号，最主要的是它应该是稳定的。
因此，它是这样的：....
是的，这很有趣。
我正在测试M30的报价。一个好的结果需要调整遗传学参数。
但非常有希望的模式。
祝好运
几个月前我试图用rneat做一个工作模型，但没有成功，这个模型也在过度训练。第一代人在OOS上可能有点成功，但训练时间越长--在Sample和OOS上的结果之间的相关性就越小。而那个停止学习的时刻是很难抓住的，即使是交叉验证也无济于事。
关于文章中的例子--我的结果与作者的完全不同。OOS中的模型在一年左右的时间里一直在交易，然后失去了20%的余额并停止了交易。其结果是没有那么多的利润，但也没有像作者的那个 "5年的利润"。如果你不知道该如何对待市场，他们建议使用正确的方向，使用正确的方法。所以这篇文章是值得怀疑的。
几个月前，我试图用rneat做一个工作模型，但没有成功，这个模型也是过度训练。第一代人在OOS上可能有点成功，但训练时间越长，在Sample和OOS上的结果之间的相关性就越小。而那个停止学习的时刻是很难抓住的，即使是交叉验证也无济于事。
关于文章中的例子--我的结果与作者的完全不同。OOS中的模型在一年左右的时间里一直在进行正向交易，然后失去了20%的余额并停止交易。其结果是没有那么多的利润，但也没有像作者的那个 "5年的利润"。如果我们采取作者使用的这些预测指标（美国政府的指数），它们需要的时间太长，不能相信。因此，这整个文章是有问题的。
我明天也要试试....
我也需要用我自己的数据进行尝试，但如果有很多预测因素，那一定是一个漫长的过程......
你有一个漫长的学习曲线吗？
讽刺中带着暗示。绘画是用手画的。在这样的机器上把它拆开是没有问题的，或者说是冷却器。最主要的是让它在未来发挥作用...
前两个图真的很简单，任何模型都能这样划分空间。但在我看来，不可能找到能如此轻易地归入两个目标的预测因素。
第三张图对外汇来说更现实。但在这里，模型将开始完全陷入困境。
我想找一些有两个外汇指标的例子，训练模型，并画出空间分割图，但做不到，2个指标太少了。
像这样的例子比较容易展示--http://playground.tensorflow.org -- 你可以看到神经元的这种图表。所有这样的 "类的岛屿"，就像你在第三张图上的那样--在模型中不会有清晰的圆形边界。它们之间会有一些桥梁，不同方向的分支，等等。
用手画出类的边界很容易，但模型会做得更糟糕。这就是为什么我喜欢你的照片，很难找到这样的预测器和目标以及模型，一切都会运作得很好。
我应该试试SVM，如果它在空间中划分同一类别的区域那么超级好，谢谢你的提示。