交易中的机器学习：理论、模型、实践和算法交易 - 页 2036 1...202920302031203220332034203520362037203820392040204120422043...3399 新评论 Valeriy Yastremskiy 2020.10.24 18:47 #20351 Aleksey Nikolayev: 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，有必要描述代理人的个人行为规则。少数人游戏 "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？"）而是问 "这些白痴代理人究竟如何在市场上制造危机？"）因此，那里所谓的 "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。但如果你仔细观察TS的整个生命周期，你可以很容易地想出 "TS算法过度优化的算法 "之类的想法，以此类推，无穷无尽）。 我正在慢慢阅读关于这个问题的文章，我得出的结论是，我们将得到具有最简单的模型元素的复杂属性的模型--商人) 原子被一块一块地拆开) Valeriy Yastremskiy 2020.10.24 18:54 #20352 Igor Makanu: 让我们在可信度和未来有用性的基础上看看信息搜索情况。 - TS的生命周期有多长？（交易员的民间传说， 测试超过10年10夜，"吸 "出一个交易员的手指，谁把每个人的手指颠倒 -我们不应该 把它考虑在内）。- 什么是优化/重新配置的任务？ TS生活在一个静止的系列上，一个系列的静止性是指一个数学模型以可接受的误差来描述这个系列的能力，当误差大于可接受的误差时，就认为这个系列可以由另一个模型来描述，就会出现滞后。我同意亚历克斯-尼古拉耶夫的观点，战略就是要通过对新数据的分析来改变/形成新的行为。 Igor Makanu 2020.10.24 19:11 #20353 Aleksey Nikolayev: 我还是想强调一下算法的概念和TS之间的差异。相反，TS不是一些固定的代码，而是改变它的过程）"把专家顾问放在图表上，然后忘记它"，在我看来，这是一个无法实现的理想) 你不能通过例外或否定的方法将你的搜索形式化 那么我们又回到了讨论的开始，什么是抽象的TS？ 或者说，交易员 应该寻找什么？ SZZ：用算法就更容易了，这个概念早就被形式化了，或者说它被形式化为程序的概念：程序是数据和处理这些数据的算法，即数据+算法=程序。我希望听到对TS的同样的最低限度的定义 Valeriy Yastremskiy: TS是基于静止数列的，数列的静止性是指一个数学模型能够以可接受的误差描述这个数列，如果误差超过可接受的误差，则认为数列可能被其他模型所描述，并出现滞后。我同意亚历克斯-尼古拉耶夫的观点，战略就是要通过对新数据的分析来改变/形成新的行为。 但我试图为TS找到一个共同的定义--你可以寻找很多东西，至少测试仪中美丽的平衡图被每个人寻找，甚至被很多人发现，但正如对信号服务的观察和活跃的 论坛参与者 所显示的--这不是你在寻找（评估）TS时应该寻找的东西。 mytarmailS 2020.10.24 19:42 #20354 伊戈尔-马卡努。 然后，什么是抽象的TS？ 或者说， 研究人员应该寻找什么？ TS是指在大量的信息和其处理的变体中，你将它们全部浓缩为一个单一的二进制YES/NO决定。 TS是一个过滤器，有不同的过滤器，自适应的、智能的、原始的......。 Aleksey Nikolayev 2020.10.24 19:50 #20355 Igor Makanu: 排除法或否定法不会使搜索正式化然后我们又回到了讨论的起点：什么是抽象的TS？ 或者说， 研究者应该寻找什么？SZZ：用算法更容易，这个概念早就被形式化了，或者说它被形式化为程序的概念：程序是数据和处理这些数据的算法，即数据+算法=程序。我希望听到对TC同样的极简定义。 让我这样说吧--TS是一种算法，它的某些部分总是在交易员的头脑中。这可能只是对何时将专家顾问 切换到虚拟 交易或重新优化参数（无需等待缩减）的一种直观理解。原则上，它可以是基于新闻的相当理性的决定，但不一定。 一般来说，"TS算法的一部分 "总是保留在交易者的脑海中，这表明不可能将其完全正规化。如果我们试图将其形式化，就会导致无休止的递归--改变 算法的算法，改变 算法的算法......。等。 我同意瓦莱里的观点，原因在于非平稳性。它不能通过去趋势化、切换到增量和计量经济学的其他类似方法来消除。 Aleksey Vyazmikin 2020.10.24 19:51 #20356 Rorschach: 我不知道，让我们做第一个。 在样本中，所有极点都参与了培训，最后一个是目标吗？ Aleksey Nikolayev 2020.10.24 20:04 #20357 Valeriy Yastremskiy: 获得考虑到最简单的模型元素的复杂属性的模型--交易者) 不过，我还是希望 "晶体管不能测量英雄的宽阔心胸") 我不希望最终落入历史的垃圾堆中) Igor Makanu 2020.10.24 20:17 #20358 mytarmailS: TC是指你将所有信息和处理选项浓缩为一个单一的二进制YES/NO决定。TS是一个过滤器，过滤器是不同的，自适应的，智能的，原始的 ... 你在写测试策略，你需要回到上一个步骤--你想找到什么？ Aleksey Nikolayev: 让我这样说吧：TS是一种算法，它的某些部分总是存在于交易者的头脑中。这可能只是对何时将专家顾问 切换到虚拟 交易或重新优化参数（无需等待缩减）的一种直观理解。原则上，它可以是基于新闻的相当理性的决定，但不一定。一般来说，"TS算法的一部分 "总是保留在交易者的脑海中，这表明不可能将其完全正规化。如果我们试图将其形式化，就会导致无休止的递归--改变 算法的算法，改变 算法的算法......。等。我同意瓦莱里的观点，原因在于非平稳性。它不能通过去趋势化、过渡到增量和计量经济学中的其他类似方法来消除。 所以我们不能正式确定TC的概念？ 所以，事实证明，TC是灵感？ 还是在演奏乐器？ 或者让我们回到我们的...- 事实证明，TS首先是对市场信息的分析和决策。 Rorschach 2020.10.24 20:21 #20359 Aleksey Vyazmikin: 在样本中，所有列都参与了训练，最后一列是目标吗？ 最后一列是目标，其余为输入。 Mikhail Mishanin 2020.10.24 20:35 #20360 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。然后你必须说明，NS需要一天的时间来学习（就像最近的文章一样），而且不能在这样的架构上进行研究（因为mql的特性或天知道其他什么）。 为什么突然出现这种全球悲观情绪？)))我 "看了看 "他们在NeuroShell Day Pro的所有现代套餐之前是如何训练的。即使如此，我得到的结果也是很有力的，我不知道它内部是如何运作的，而且很难，几乎不可能，把它连接到MT4。 我同意，最好能在GPU上安装螺栓。 问题是他们是什么样的NS，以及他们是在什么范式下建立/学习的，我的NS正在发展。 是的，第一个健壮的变体甚至可以训练一天（尽管实际上在一台古老的家用笔记本电脑上需要8小时）。但在一个月后，再回到以牺牲第一种变体的稳健性为代价的进一步进化的必要性上，就有必要了。也就是说，即使在现实生活中事先有十个工作工具，也会有一个新的变体。 现在关于架构，我们以NEAT算法为基础，加入我们自己的特点。在输出端，架构将不断发展，包括架构。 所以它是这样的。 同时，我建议阅读有关微生物学的书籍/讲座等。 而在争端中，不幸的是一个是傻瓜（无知识的争论），另一个是混蛋（有知识的争论），我更喜欢用论据/推理来交换意见。 毕竟，最主要的是产生影响，让他们见鬼去吧--我们走吧))。 1...202920302031203220332034203520362037203820392040204120422043...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
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，有必要描述代理人的个人行为规则。少数人游戏 "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？"）而是问 "这些白痴代理人究竟如何在市场上制造危机？"）因此，那里所谓的 "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。但如果你仔细观察TS的整个生命周期，你可以很容易地想出 "TS算法过度优化的算法 "之类的想法，以此类推，无穷无尽）。
我正在慢慢阅读关于这个问题的文章，我得出的结论是，我们将得到具有最简单的模型元素的复杂属性的模型--商人)
原子被一块一块地拆开)
让我们在可信度和未来有用性的基础上看看信息搜索情况。
- TS的生命周期有多长？（交易员的民间传说， 测试超过10年10夜，"吸 "出一个交易员的手指，谁把每个人的手指颠倒 -我们不应该 把它考虑在内）。
- 什么是优化/重新配置的任务？
TS生活在一个静止的系列上，一个系列的静止性是指一个数学模型以可接受的误差来描述这个系列的能力，当误差大于可接受的误差时，就认为这个系列可以由另一个模型来描述，就会出现滞后。我同意亚历克斯-尼古拉耶夫的观点，战略就是要通过对新数据的分析来改变/形成新的行为。
我还是想强调一下算法的概念和TS之间的差异。相反，TS不是一些固定的代码，而是改变它的过程）"把专家顾问放在图表上，然后忘记它"，在我看来，这是一个无法实现的理想)
你不能通过例外或否定的方法将你的搜索形式化
那么我们又回到了讨论的开始，什么是抽象的TS？ 或者说，交易员 应该寻找什么？
SZZ：用算法就更容易了，这个概念早就被形式化了，或者说它被形式化为程序的概念：程序是数据和处理这些数据的算法，即数据+算法=程序。我希望听到对TS的同样的最低限度的定义
TS是基于静止数列的，数列的静止性是指一个数学模型能够以可接受的误差描述这个数列，如果误差超过可接受的误差，则认为数列可能被其他模型所描述，并出现滞后。我同意亚历克斯-尼古拉耶夫的观点，战略就是要通过对新数据的分析来改变/形成新的行为。
但我试图为TS找到一个共同的定义--你可以寻找很多东西，至少测试仪中美丽的平衡图被每个人寻找，甚至被很多人发现，但正如对信号服务的观察和活跃的 论坛参与者 所显示的--这不是你在寻找（评估）TS时应该寻找的东西。
然后，什么是抽象的TS？ 或者说， 研究人员应该寻找什么？
TS是指在大量的信息和其处理的变体中，你将它们全部浓缩为一个单一的二进制YES/NO决定。
TS是一个过滤器，有不同的过滤器，自适应的、智能的、原始的......。
排除法或否定法不会使搜索正式化
然后我们又回到了讨论的起点：什么是抽象的TS？ 或者说， 研究者应该寻找什么？
SZZ：用算法更容易，这个概念早就被形式化了，或者说它被形式化为程序的概念：程序是数据和处理这些数据的算法，即数据+算法=程序。我希望听到对TC同样的极简定义。
让我这样说吧--TS是一种算法，它的某些部分总是在交易员的头脑中。这可能只是对何时将专家顾问 切换到虚拟 交易或重新优化参数（无需等待缩减）的一种直观理解。原则上，它可以是基于新闻的相当理性的决定，但不一定。
一般来说，"TS算法的一部分 "总是保留在交易者的脑海中，这表明不可能将其完全正规化。如果我们试图将其形式化，就会导致无休止的递归--改变 算法的算法，改变 算法的算法......。等。
我同意瓦莱里的观点，原因在于非平稳性。它不能通过去趋势化、切换到增量和计量经济学的其他类似方法来消除。
我不知道，让我们做第一个。
在样本中，所有极点都参与了培训，最后一个是目标吗？
获得考虑到最简单的模型元素的复杂属性的模型--交易者)
不过，我还是希望 "晶体管不能测量英雄的宽阔心胸")
我不希望最终落入历史的垃圾堆中)
TC是指你将所有信息和处理选项浓缩为一个单一的二进制YES/NO决定。
TS是一个过滤器，过滤器是不同的，自适应的，智能的，原始的 ...
你在写测试策略，你需要回到上一个步骤--你想找到什么？
让我这样说吧：TS是一种算法，它的某些部分总是存在于交易者的头脑中。这可能只是对何时将专家顾问 切换到虚拟 交易或重新优化参数（无需等待缩减）的一种直观理解。原则上，它可以是基于新闻的相当理性的决定，但不一定。
一般来说，"TS算法的一部分 "总是保留在交易者的脑海中，这表明不可能将其完全正规化。如果我们试图将其形式化，就会导致无休止的递归--改变 算法的算法，改变 算法的算法......。等。
我同意瓦莱里的观点，原因在于非平稳性。它不能通过去趋势化、过渡到增量和计量经济学中的其他类似方法来消除。
所以我们不能正式确定TC的概念？
所以，事实证明，TC是灵感？ 还是在演奏乐器？
或者让我们回到我们的...- 事实证明，TS首先是对市场信息的分析和决策。
在样本中，所有列都参与了训练，最后一列是目标吗？
最后一列是目标，其余为输入。
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。
然后你必须说明，NS需要一天的时间来学习（就像最近的文章一样），而且不能在这样的架构上进行研究（因为mql的特性或天知道其他什么）。
为什么突然出现这种全球悲观情绪？)))我 "看了看 "他们在NeuroShell Day Pro的所有现代套餐之前是如何训练的。即使如此，我得到的结果也是很有力的，我不知道它内部是如何运作的，而且很难，几乎不可能，把它连接到MT4。
我同意，最好能在GPU上安装螺栓。
问题是他们是什么样的NS，以及他们是在什么范式下建立/学习的，我的NS正在发展。
是的，第一个健壮的变体甚至可以训练一天（尽管实际上在一台古老的家用笔记本电脑上需要8小时）。但在一个月后，再回到以牺牲第一种变体的稳健性为代价的进一步进化的必要性上，就有必要了。也就是说，即使在现实生活中事先有十个工作工具，也会有一个新的变体。
现在关于架构，我们以NEAT算法为基础，加入我们自己的特点。在输出端，架构将不断发展，包括架构。
所以它是这样的。
同时，我建议阅读有关微生物学的书籍/讲座等。
而在争端中，不幸的是一个是傻瓜（无知识的争论），另一个是混蛋（有知识的争论），我更喜欢用论据/推理来交换意见。
毕竟，最主要的是产生影响，让他们见鬼去吧--我们走吧))。