交易中的机器学习：理论、模型、实践和算法交易 - 页 1857

新评论
 
Maxim Dmitrievsky:

显示了卡明斯和科丘群的图片，所以不清楚

キャリーズ


浩南（Kohonen



看一下原型，它非常相似，尽管只有三个集群，你能期望什么？

 
mytarmailS:

キャリーズ

浩南（Kohonen


如果你看一下原型，它是非常相似的，虽然只有三个集群，你能期望什么？


伙计，我应该把图表放大，我看不太清楚。

我试着写短一点的TC，我以后会去写的。因此，是的，它是类似的......但在交易逻辑层面上，可能有一些差异

检查上升和下降的Kohonen簇在其中一个方向的第一个小时内不超过+-0.001。一般来说（平均而言），价格运动的矢量在1点钟方向已经很清楚了（将被引导或逆转）。

而且你应该对不同的相邻时间进行观察。很明显，在某个地方会更好，在某个地方会更差。

 
Maxim Dmitrievsky:

我必须试着把TS写得短一些，我以后会去写的。所以，是的，看起来是这样......但在交易逻辑层面，可能会有一些差异

检查上升和下降的同位素簇在其中一个方向的第一个小时不超过+-0.001。一般来说（平均而言），价格运动的矢量在1点钟方向已经很清楚了（将被引导或逆转）。

而且你应该对不同的相邻时间进行观察。很明显，某个地方会更好，某个地方会更差。

你的意思是按你可以交易的时间和不可以交易的时间进行过滤？

 
mytarmailS:

你的意思是按可以交易的小时数和不能交易的小时数进行过滤吗？

不同的时间对有不同的群组。有些信号在1-2小时内是不同的，有些则是5-6小时。其中一些人根本无法预测

因为它都是基于季节性周期和波动性聚类。从一个会议到另一个会议的过渡很有趣，等等。

你可以用2小时以上的时间

 

而perseptron的结果更差，但更平滑

>>> clf.score(X_train, y_train)

0.7438271604938271

>>> clf.score(X_test, y_test)

0.7407407407407407

 
Maxim Dmitrievsky:

不同的时钟对有不同的群组。有些信号在1-2点钟方向是不同的，有些则在5-6点钟方向。有些是完全不可预测的

因为它都是基于季节性周期和波动性聚类。从一个会议到另一个会议的过渡很有趣，等等。

有可能超过2小时

而如果我们采取不等大小的片段，但是，例如，分解成ZZ?

你是否尝试过选择更多的聚类和二进制预测某个聚类？

 
Aleksey Vyazmikin:

如果这些段的大小不一样，而是，比如说，分解成ZZ，怎么办？

你是否尝试过更多的集群和二进制预测某个特定的集群？

聚类的数量并不影响分类的质量

不，我不喜欢ZZ。

 
Maxim Dmitrievsky:

聚类的数量并不改变分类的质量

不，ZZ不适合我。

马克西姆好样的，我为ZZ起立鼓掌。ZZ在各方面都是一个死胡同....我是认真的。证明了不止一次，而且都是因为它在零条上没有价值，虽然试图创建一个零条已经获得成功，但只是在NS中。

否则，马克西姆是一项非常有趣的研究。我认为你可以用这样的系统一次做二元期权。他们会想知道为什么你这么有远见。他们甚至不会猜到你配备了一个强大的伴侣，可以打破他们的BO。....

 
Maxim Dmitrievsky:

聚类的数量并不改变分类的质量

不，ZZ并不适合我。

非常有趣--我需要试试，你能用python写代码吗？

 
Aleksey Vyazmikin:

非常有趣--我得试试，你能把python的代码贴出来吗？

训练好的模型可以作为现成的函数，一次性输出到metaque。一棵树或森林

在那里，你可以在测试器中使用不同的策略

1...185018511852185318541855185618571858185918601861186218631864...3399
新评论