交易中的机器学习:理论、模型、实践和算法交易 - 页 2075

 
elibrarius:

很多人都试过。包括我在内。简单的MA可以做,复杂的带通滤波器也可以做。
任何可以从酒吧NS/森林建立的东西都可以很容易地复制

你说的容易是什么意思?

我不能轻易这么做。

我刚刚试图重建一个14时期的CCI,它是只用爪子建造的。

我在一个大小为20的方形窗口中得到了一个克劳斯的回报。

所以回报率很低))。


但是,如果我把原始的(不是返回者)规范化为每个观察的0-1边缘,看起来会好一些


 
elibrarius

任何可以从酒吧建造的东西,NS/森林都可以轻易复制。

也许我错了,但逻辑告诉我,树不能进行计算,这意味着它们不能从数字中创造一个新的对象,但网络可以转换数字系列,并创造一个新的特征来学习。

 
Aleksey Vyazmikin:

也许我弄错了,但从逻辑上看,树不能进行计算,这意味着它们不能从数字中创造出一个新的对象,但网络可以转化数字系列,创造出一个新的学习特征。

是的,这是真的,简单地说,网络能够在自己内部进行插值 (发明(在好的和坏的意义上))。

和木材只能调整好

 
mytarmailS:

这项工作没有什么用处,但作为一个结果,我们可以判断我们对数据的处理/规范化程度,以及总体上的质量,知道网格不工作不是因为它是哑巴,而是因为我们没有很好地表示数据,或者反之亦然,这也不错。

就这样,一个简单的实验,但你获得了理解))。

 
Aleksey Vyazmikin:

也许我错了,但逻辑告诉我,树不能进行计算,这意味着它们不能从数字中创造一个新的对象,但网络可以转化数字系列,并创造一个新的学习特征。

他们不能计算,他们就像一个访问速度非常快的数据库--他们只记得。
他们会记得,SSI或任何其他指标在这样的输入组合下有这样那样的价值。如果没有这样的组合,树会找到最接近的组合,结果CCI会有一个小的误差。如果有一个森林,它将平均几个组合,可能会比一棵树更准确。

我曾经看到过 "基于神经网络的数据库 "这个说法。我认为神经网络也只记得。

 
mytarmailS:

你说的容易是什么意思? 你能给我数字 或更多细节吗?

我很不容易

我刚刚试图用14期和只用爪子重建一个CCI。

我在一个大小为20的方形窗口中得到了一个克劳斯的回报。

所以回报率很低))。


但是,如果我把原始的(不是返回者)归一化为每个观察的0-1边缘,看起来已经更好了


在数字上或细节上,我无法做到。大约两年前,我在Darch神经网络上做过,用的是Vladimir Perervenko文章中的带通滤波器。

 

这就像锆石导弹......谁先想到怎么做,谁就赢了。

我们将不得不看到不同的分类器,也许有一天我们会得到幸运。

 
Maxim Dmitrievsky:

这就像锆石导弹......谁先想到怎么做,谁就赢了。

我们需要看到不同的分类器,也许有一天我们会很幸运。

你应该把所有的东西都写成随机演练,并从中学习,选择你想学习的东西+遗传学来缩短搜索时间,然后离开电脑几个月....。

 
Maxim Dmitrievsky:

这就像锆石导弹......谁先想到怎么做,谁就赢了。

我们需要看到不同的分类器,也许有一天我们会很幸运。

在我看来,开发商自己在市场报价 上尝试他们的新产品。如果他们有明显的优势,他们几乎不会把它们放在公共领域,而是把它们卖给银行或基金,或者自己做基金。
 
elibrarius:
我认为开发商自己在市场报价 上尝试他们的新产品。如果有明显的优势,他们几乎不会把它放在公共领域,而是会把它卖给银行或基金会,或者自己做基金会。

几乎所有MO的新发展都被量化的人抓住了......即时的。这是一个在哪里应用的问题。

我们在这方面远远落后,至少落后5年)。