交易中的机器学习：理论、模型、实践和算法交易 - 页 2034 1...202720282029203020312032203320342035203620372038203920402041...3399 新评论 Александр Алексеевич 2020.10.23 21:20 #20331 Farkhat Guzairov: 既然你有传统网络的经验，你一定尝试过用MQL和纯C++代码进行教学，如果没有，那就试试吧，你会立即得到启示的。 不，我没有。）结果会是什么？最有可能的是，我认为结果会有很大不同 Александр Алексеевич 2020.10.23 21:22 #20332 Ilnur Khasanov: 这类问题很有意思。堆积是什么意思？如何理解哪种架构（集合体、模型树）更好？通过什么尺度来理解，通过最后的结果来理解？如何正确组合，例如，同一lstm复发的catbusts？这是否值得... 哪一个更好？架构的选择取决于你想从网络中获得什么。在我看来，网络越简单越好。最主要的是，它必须产生人们所期望的结果。 Igor Makanu 2020.10.24 11:58 #20333 Aleksey Nikolayev: 由于一个普通交易员对市场的影响可以忽略不计，所以你会得到博弈论中所说的 "与大自然博弈"。这都是相同的matstat、机器学习和非平稳性问题。一个近似的正式模型很容易建立。你可以近似于一个离散的时间--没有人会太频繁地改变位置。我们得到一个相同回合的重复游戏（这是一个博弈论术语），每回合都有少数人获胜--看起来像偶数或奇数，但其实不是。然后我做了一个假设（我不准备用数学方法来证明），即所产生的重复博弈也有一个对称均衡，它被构造为一轮博弈的均衡序列。也就是说，每一轮中的所有玩家都要投掷硬币，只有在人数多的情况下才会赢。 问候! https://www.mql5.com/ru/forum/86386/page1682#comment_15839188 我几乎找不到这个问题的形式化，我还没有看到一个更好的形式。 另一个问题：--什么是交易策略？ 如果你不介意的话，我想听听抽象交易系统的定义 Maxim Dmitrievsky 2020.10.24 12:53 #20334 Aleksey Nikolayev: 我似乎记得有一个承诺，要在ONNX中加入WinML) 被写在某处，是的。 Maxim Dmitrievsky 2020.10.24 12:55 #20335 Ilnur Khasanov: 这类问题很有意思。堆积是什么意思？如何理解哪种架构（集合体、模型树）更好？通过什么尺度来理解，通过最后的结果来理解？如何正确组合，例如，同一lstm复发的catbusts？而这是否值得...... 你有一个具有不同类型层的网络，即你按顺序堆叠它们，例如CNN，然后是LSTM，然后是线性层，等等。而且你是一次性训练他们，而不是单独训练。我给你的例子--有2个LSTM层，然后是softmax函数，将LSTM输出转换为0;1范围（否则会给出-1;1），然后是line层（将所有LSTM输出合并为一个），最后是sigmoid。也就是说，你现在可以在lstm之前尝试CNN插电了。对于正确的方法--你应该有一些经验并阅读一些书籍。 https://machinelearningmastery.com/sequence-classification-lstm-recurrent-neural-networks-python-keras/ Aleksey Nikolayev 2020.10.24 15:10 #20336 Igor Makanu: 问候!https://www.mql5.com/ru/forum/86386/page1682#comment_15839188我几乎没有发现这个问题的形式化，我还没有看到一个更好的形式。另一个问题：什么是交易策略？ 如果你不介意的话，我想听听一些抽象的交易TS的定义。 这个问题是有效的，因为这种方法属于基于代理人的建模 方法，代理人的个人行为规则必然要被描述。少数派游戏 "的规则只描述了代理人从环境中获得的 "奖励"。 关于这个问题的科学文章通常不问 "如何创建一个有利可图的系统？"）相反，它听起来像 "这些白痴代理人究竟如何在市场上制造危机？"）因此，他们所谓的 "交易策略 "看起来相当俗气。 如果我们认真对待什么是TS的问题，并试图将交易者的方法和科学的方法结合起来，那么这个概念的形式化就会被我忽略。通过算法的概念，明显的定义表明了这一点。但如果你用心观察整个TS的生命周期，就会出现像 "TS算法过度优化的算法 "这样的想法，以此类推，无穷无尽）。 Igor Makanu 2020.10.24 16:27 #20337 Aleksey Nikolayev: 关于这个话题的科学文章通常不问 "如何创建一个有利可图的系统？"）而是问 "这些白痴代理人究竟如何在市场上制造危机？"）因此，他们所谓的 "交易策略 "看起来相当俗气。 我们将考虑今后在可靠性和有用性基础上搜索信息的情况。 其主要原因是对 "科学文章 "缺乏明确的理解。 Aleksey Nikolayev: 如果我们认真对待什么是TS的问题，并试图将交易员的方法和科学的方法结合起来，那么这个概念的形式化就会被我忽略。 我认为这就是 "诀窍"--民间传说（交易员的方法+圣杯寓言）和时间序列 分析的科学方法的巧妙结合，没有考虑到市场的性质--竞争+新闻发布引起的波动峰值--（减去）内幕信息（这不能用数学方法来正式确定！.....，你还记得谁在学校做的数学作业，谁自己做的））)) Aleksey Nikolayev: 通过算法的概念提出一个明显的定义。但是，如果我们仔细观察TC的整个生命周期，像 "TC算法的重新配置算法过度优化 "这样的想法是无穷的) 好的，是的。 不多，但这是对一个抽象的TS最合理的描述，或者说更符合寻找TS的问题陈述 然后，问题又来了。 - 一个TS的生命周期有多长？（交易员的民间传说， 关于10年10夜的测试，"吸 "出一个交易员的手指，他与他周围的人一起扭动他的拇指 -我们不应该 把它考虑在内）。 - 什么是优化/重新配置的任务？ Mikhail Mishanin 2020.10.24 16:29 #20338 Maxim Dmitrievsky: 在终端编写神经网络根本不是一个选项。在那里，任何功能都可能突然不按预期工作。使用准备和测试。 总的来说，这是一种不同的体验，一切都在终端和一个代码/文件中，功能被尽可能地简化。指标 和专家顾问中的计算 结果会被检查是否重合。虽然你在某些方面是对的，而且现在让人产生了压抑的想法( 好吧，我已经从经验中了解到，绑定也会出现故障，速度会变慢( 我们会度过这个难关的) Maxim Dmitrievsky 2020.10.24 16:36 #20339 dr.mr. mom: 一般来说，这是一种不同的体验，一切都在终端，而且只在一个代码/文件中，功能被尽可能简化。它是在检查指标 和专家顾问中的计算是否吻合。虽然你在某些方面是对的，而且现在让人产生了压抑的想法(好吧，我已经从经验中了解到，绑定也会出现故障，速度会变慢(我们会度过这个难关的）。 我不应该为了观察它的学习情况而从头开始写一个神经网络--这不是一个很好的主意)。当你可以在一个现成的基础上进行测试，并且不受废话的影响。 此外，你还必须编写并行化，一个高质量的优化器，支持GPU，并使其具有可扩展性。所有这些都是为了理解，NS在外汇中不工作。 然后发现Ns学习了24小时（就像最近的文章一样），并且不能对这种架构进行研究（因为Mql或天知道其他什么）。 Fast235 2020.10.24 16:51 #20340 Maxim Dmitrievsky: 从头开始写一个神经网络，只是为了看看它是如何学习的，这是很可疑的乐趣））。当你可以在现成的基础上进行测试，并且不受胡言乱语的影响时此外，你还必须编写并行化，一个高质量的优化器，支持GPU，并使其具有可扩展性。所有这些都是为了理解，NS在外汇中不工作。然后发现ns学习了24小时（就像最新的文章中所说的那样），而且在这样的架构上不能进行任何研究（因为mql的特殊性或天知道是什么）。马克西姆，去吧，带上它。 如果我的工作系统不起作用，我将不得不进入人工智能领域，如果你是那里最好的，我很幸运。 1...202720282029203020312032203320342035203620372038203920402041...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
既然你有传统网络的经验，你一定尝试过用MQL和纯C++代码进行教学，如果没有，那就试试吧，你会立即得到启示的。
由于一个普通交易员对市场的影响可以忽略不计，所以你会得到博弈论中所说的 "与大自然博弈"。这都是相同的matstat、机器学习和非平稳性问题。
一个近似的正式模型很容易建立。你可以近似于一个离散的时间--没有人会太频繁地改变位置。我们得到一个相同回合的重复游戏（这是一个博弈论术语），每回合都有少数人获胜--看起来像偶数或奇数，但其实不是。然后我做了一个假设（我不准备用数学方法来证明），即所产生的重复博弈也有一个对称均衡，它被构造为一轮博弈的均衡序列。也就是说，每一轮中的所有玩家都要投掷硬币，只有在人数多的情况下才会赢。
问候!
https://www.mql5.com/ru/forum/86386/page1682#comment_15839188
我几乎找不到这个问题的形式化，我还没有看到一个更好的形式。
另一个问题：--什么是交易策略？
如果你不介意的话，我想听听抽象交易系统的定义
我似乎记得有一个承诺，要在ONNX中加入WinML)
被写在某处，是的。
你有一个具有不同类型层的网络，即你按顺序堆叠它们，例如CNN，然后是LSTM，然后是线性层，等等。而且你是一次性训练他们，而不是单独训练。
我给你的例子--有2个LSTM层，然后是softmax函数，将LSTM输出转换为0;1范围（否则会给出-1;1），然后是line层（将所有LSTM输出合并为一个），最后是sigmoid。也就是说，你现在可以在lstm之前尝试CNN插电了。
对于正确的方法--你应该有一些经验并阅读一些书籍。
https://machinelearningmastery.com/sequence-classification-lstm-recurrent-neural-networks-python-keras/问候!
https://www.mql5.com/ru/forum/86386/page1682#comment_15839188
我几乎没有发现这个问题的形式化，我还没有看到一个更好的形式。
另一个问题：什么是交易策略？
如果你不介意的话，我想听听一些抽象的交易TS的定义。
这个问题是有效的，因为这种方法属于基于代理人的建模 方法，代理人的个人行为规则必然要被描述。少数派游戏 "的规则只描述了代理人从环境中获得的 "奖励"。
关于这个问题的科学文章通常不问 "如何创建一个有利可图的系统？"）相反，它听起来像 "这些白痴代理人究竟如何在市场上制造危机？"）因此，他们所谓的 "交易策略 "看起来相当俗气。
如果我们认真对待什么是TS的问题，并试图将交易者的方法和科学的方法结合起来，那么这个概念的形式化就会被我忽略。通过算法的概念，明显的定义表明了这一点。但如果你用心观察整个TS的生命周期，就会出现像 "TS算法过度优化的算法 "这样的想法，以此类推，无穷无尽）。
关于这个话题的科学文章通常不问 "如何创建一个有利可图的系统？"）而是问 "这些白痴代理人究竟如何在市场上制造危机？"）因此，他们所谓的 "交易策略 "看起来相当俗气。
我们将考虑今后在可靠性和有用性基础上搜索信息的情况。
其主要原因是对 "科学文章 "缺乏明确的理解。
如果我们认真对待什么是TS的问题，并试图将交易员的方法和科学的方法结合起来，那么这个概念的形式化就会被我忽略。
我认为这就是 "诀窍"--民间传说（交易员的方法+圣杯寓言）和时间序列 分析的科学方法的巧妙结合，没有考虑到市场的性质--竞争+新闻发布引起的波动峰值--（减去）内幕信息（这不能用数学方法来正式确定！.....，你还记得谁在学校做的数学作业，谁自己做的））))
通过算法的概念提出一个明显的定义。但是，如果我们仔细观察TC的整个生命周期，像 "TC算法的重新配置算法过度优化 "这样的想法是无穷的)
好的，是的。
不多，但这是对一个抽象的TS最合理的描述，或者说更符合寻找TS的问题陈述
然后，问题又来了。
- 一个TS的生命周期有多长？（交易员的民间传说， 关于10年10夜的测试，"吸 "出一个交易员的手指，他与他周围的人一起扭动他的拇指 -我们不应该 把它考虑在内）。
- 什么是优化/重新配置的任务？
在终端编写神经网络根本不是一个选项。在那里，任何功能都可能突然不按预期工作。使用准备和测试。
总的来说，这是一种不同的体验，一切都在终端和一个代码/文件中，功能被尽可能地简化。指标 和专家顾问中的计算 结果会被检查是否重合。虽然你在某些方面是对的，而且现在让人产生了压抑的想法(
好吧，我已经从经验中了解到，绑定也会出现故障，速度会变慢(
我们会度过这个难关的)
一般来说，这是一种不同的体验，一切都在终端，而且只在一个代码/文件中，功能被尽可能简化。它是在检查指标 和专家顾问中的计算是否吻合。虽然你在某些方面是对的，而且现在让人产生了压抑的想法(
好吧，我已经从经验中了解到，绑定也会出现故障，速度会变慢(
我们会度过这个难关的）。
我不应该为了观察它的学习情况而从头开始写一个神经网络--这不是一个很好的主意)。当你可以在一个现成的基础上进行测试，并且不受废话的影响。
此外，你还必须编写并行化，一个高质量的优化器，支持GPU，并使其具有可扩展性。所有这些都是为了理解，NS在外汇中不工作。
然后发现Ns学习了24小时（就像最近的文章一样），并且不能对这种架构进行研究（因为Mql或天知道其他什么）。
从头开始写一个神经网络，只是为了看看它是如何学习的，这是很可疑的乐趣））。当你可以在现成的基础上进行测试，并且不受胡言乱语的影响时
此外，你还必须编写并行化，一个高质量的优化器，支持GPU，并使其具有可扩展性。所有这些都是为了理解，NS在外汇中不工作。
然后发现ns学习了24小时（就像最新的文章中所说的那样），而且在这样的架构上不能进行任何研究（因为mql的特殊性或天知道是什么）。
马克西姆，去吧，带上它。
如果我的工作系统不起作用，我将不得不进入人工智能领域，如果你是那里最好的，我很幸运。