交易中的机器学习：理论、模型、实践和算法交易 - 页 2184

新评论
 
mytarmailS:

说真的...

有了我，就会轻松100倍

我把通道看成图像的算法，到目前为止对我来说比较容易，而且它可以扩展到不同的TFs

嗯，是的，用它们来聚合是很方便的。我认为由ZZ建立--描述价格运动的性质是有用的。

mytarmailS:

那么，削减的内容是什么？

我没有在全球范围内分析预测器的有效性--到目前为止，我已经做了，我看到了对战略的依赖性。

总的来说，现在我继续研究预测器的选择，它们对某一特定TS的有用性。在量子分析方面，我从4个预测器中选择了100个预测器，结果是相当的，但在最后一种情况下，我已经理解了选择的有效性，因为我在没有训练的情况下进行选择--仅仅是通过分析，正如我之前写的那样，但改善结果的目的--它并不总是更好，比简单地搜索具有相同数量量子的所有模型预测器的网格。

例如，你可以很简单地选择一个预测器--拿着预测器，看看每个样本（即使是训练和测试样本）的每个量子上的反应（百分比1）如何变化。

如果每个量子的偏差模块 的平均三角洲很小，那么要么量化是正确的，预测器是有用的，但如果不是，那么即使是一个好的预测器也是无用的，可能它根本就没有用。

斐波那契水平 规则 :)

 
Valeriy Yastremskiy:

这里不同，看所有标准的TFs 132条。(或者按照建议的144个）。在我看来，1000条之后，这一系列的记忆就会消失。也就是说，有必要看一下大型TFs的状态。但到目前为止，我还不知道如何准备不同TF的数据。

我在那里有另一个想法--通道正在建设中的一天，大的重建它太无聊了:)

 
Renat Akhtyamov:
这是国防部系列的一个主题吗？

当然是这样。

 
mytarmailS:

我在想，与其说是增量、零和余额什么的，不如说是让 AMO 来画通道。

我知道MO是什么。但什么是AMO？

 
Valeriy Yastremskiy:

有意义的规模，小TF是大TF的解读。

我不明白的是....

这是自然法则，是公理......。

 
elibrarius:

我知道AMO是什么。但什么是AMO？

同样的事情）机器学习算法AMO

只是，写MO并不总是正确的。


例如--我对 "机器学习 "进行了分类标签训练

我对 "机器学习 "进行了分类标签训练

这不是很花哨，是吗？

但AMO是好的。

 
mytarmailS:

不明白的地方....

这是一个自然法则，是一个公理......。

在极值的手动逻辑中））））)低位TF的极值显示了高位TF的蜡烛内部的行为。而如果它不是均匀的，即混乱的，不是趋势平等的，例如，没有信号表明趋势的开始。较高的TF的趋势由较低的TF的向上和向下的趋势组成。这是一个很好的确认。

在渠道方面也是如此。但我不能告诉你如何布局数据。

 
Renat Akhtyamov:
这是国防部系列的一个主题吗？

已经很清楚，这是一个猴子的工作。没有人怀疑这一点。

如果你的殉道者这周没有卖光，你就很幸运了。

我已经厌倦了你。事实上，我总是这样做。


 
Maxim Dmitrievsky:

已经很清楚，这是一个猴子的工作。事实上，没有人怀疑这一点。

如果你的狨猴这周没有被吸进去，请认为自己很幸运。

我已经厌倦了你。事实上，像往常一样。

来吧，伙计，让我看看你一直称之为圣杯 的东西。

你写文章，把别人的文章发在这里，搞乱人们的大脑，但你在市场上什么都不做......

特别是不要跟我扯淡，那是没用的，我不喜欢跟你说话。

;)

 

有没有人知道用一个值表示几个值的技术，并有可能转换回几个值？

准确度 几乎没有损失 的情况下

1...217721782179218021812182218321842185218621872188218921902191...3399
新评论