交易中的机器学习:理论、模型、实践和算法交易 - 页 2390 1...238323842385238623872388238923902391239223932394239523962397...3399 新评论 [删除] 2021.04.09 17:30 #23891 Aleksey Vyazmikin: 我完全忘了,你有负责交易方向的类,而我有允许/不允许交易的类--这就是为什么你感觉不到图表的作用:))这就是通过列举预测者之间关系的多样性来解决寻找模式的问题, 增量只是不稳定的,需要扩大范围,至少要给他们增加一个每日ATR(3)。 但不是以这种野蛮的方式。 等待一个星期,然后打破你的眼睛去看图表。 说没有规律性的东西更容易) Aleksei Kuznetsov 2021.04.09 17:35 #23892 Aleksey Vyazmikin: 我完全忘了,你有负责交易方向的类,而我有允许/不允许交易的类--这就是为什么你感觉不到图表的作用:))如果我没有弄错的话,我更愿意通过列举预测因子的各种相关性来寻找模式。 只是增量不稳定,需要扩大范围,至少要为日线图增加ATR(3)。,如果M1有训练,则ATR在D1的周期为3?对于1440个柱子来说,这个指标的值将是相同的。或者你正在进行D1训练? Aleksey Vyazmikin 2021.04.09 17:43 #23893 Maxim Dmitrievsky: 但不是以同样野蛮的方式 等待一个星期的时间来计算,然后打破我的眼睛去看照片 预选是基于一系列的标准,而图则更需要了解模型在特定网络上的质量。当然,图表会根据目标而改变。 例如,如果模型普遍显示盈利,但在概率中间有强烈的盈利失败,例如由0.6,我不会采取这样的模型,如果这些失败是在分布的两端,我可以简单地限制响应(解释为一个),例如,0.65。 虽然很明显,与上一个相比,这个模型本身不是很好(没有明显的两个驼峰)。 Aleksey Vyazmikin 2021.04.09 17:47 #23894 elibrarius: D1的ATR,周期为3?,如果在M1的训练中?对于1440个柱子来说,这个指标的值将是相同的。或者你正在进行D1训练? 是的,这将是一个相同的 - 这是波动的定义,模型应该定义例如2-3个波动期,对这些波动期的点数应该有不同的解释,因为对某些范围来说,它是趋势的开始,对另一些则是结束。另外,我简单地将这样的数值输入ATR,这样,具有不同波动性的大块就变得有可比性。 [删除] 2021.04.09 17:51 #23895 Aleksey Vyazmikin: 预选是基于一系列的标准,而图表更多的是为了了解模型在特定网络上的质量。当然,图表会根据目标而改变。例如,如果模型一般显示盈利,但在概率中间有强烈的盈利跌落,例如由0.6,我不会采取这样的模型,如果这些跌落是在分布的两端,我就采取和限制响应(解释为一个),例如,像我在这里做的那样,到0.65。虽然你可以看到模型本身不是很好(没有明显的两个驼峰),与上一个相比。这都是胡说八道,需要新的突破性想法 没有他们,我连一根手指都不会动 iwelimorn 2021.04.11 11:19 #23896 马克西姆-德米特里耶夫斯基。 我昨天试着根据视频中你的想法做了一个生成式对抗算法。有一个生成器代理,负责研磨交易,有一个鉴别器代理,负责评估交易的正确性并删除负面的交易。数据集的选择是使用离散步长的滑动窗口。不幸的是,我还没能得到一个稳定的学习过程,因为在5-7次迭代时,判别器删除了整个数据集)))。我试着在训练前重新取样,两个代理都按照你的想法,但不是很好。我今晚将尝试逆转或随机化交易,而不是删除它们。我理解删除无效的标签比修改或随机化标签更有效,但我想运行一个不可逆的学习过程。 [删除] 2021.04.11 12:17 #23897 welimorn: 我昨天试着根据视频中你的想法做了一个生成式对抗算法。有一个生成器代理,负责研磨交易,有一个鉴别器代理,负责评估交易的正确性并删除负面的交易。数据集的选择采用离散步长的滑动窗口。不幸的是,我还没能得到一个稳定的学习过程,因为在5-7次迭代时,判别器删除了整个数据集)))。我试着在训练前重新取样,两个代理都按照你的想法,但不是很好。我今晚将尝试逆转或随机化交易,而不是删除它们。我理解删除无效的标签比修改或随机化标签更有效,但我想运行一个不可逆的学习过程。 那是很快的,我打探了一下,把它放在一边)我将完成我的版本,让我们看看 退化的发生与预测的一样--有趣。我们有理由考虑如何处理这个问题。 我前几天读到了关于因果推理的文章,想把它应用到搜索中去......但似乎这不是我们的主题 Z.I.用一个元模型(没有迭代学习)在5年内得到了这个结果。训练了5个月。 将思考如何附加迭代性(重做文章中的例子)。 [删除] 2021.04.11 14:21 #23898 顺便说一下,Python 3.9在控制台中明显比3.8快,换成了它 iwelimorn 2021.04.11 14:24 #23899 Maxim Dmitrievsky: 那是很快的,我打探了一下,把它放在一边 )我会完成我的版本,我们会看到。退化正在发生,正如预测的那样--有趣。我们有理由考虑如何处理这个问题。我前几天读到了关于因果推理的文章,想把它应用到搜索中去......但似乎这不是我们的主题Z.I.用一个元模型(没有迭代学习)在5年内得到了这个结果。训练了5个月。将思考如何附加迭代性(重做文章中的例子)。 看起来很酷,但还不清楚。如果你不介意告诉我元模型是什么?或者建议在哪里阅读?也许你已经在这个主题中写过了? 我刚刚离开这里很久了,没能跟上这个话题。 [删除] 2021.04.11 14:26 #23900 welimorn: 它看起来很酷,但目前还不清楚。如果你不介意告诉我这是什么样的冰毒模型,或者在哪里可以读到它,也许你已经在这个主题中写过了? 我刚刚离开这里很久了,还没有机会关注这个话题。 它是允许/拒绝开放交易的第二个模型。 即有2个型号在生产中 1...238323842385238623872388238923902391239223932394239523962397...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
我完全忘了,你有负责交易方向的类,而我有允许/不允许交易的类--这就是为什么你感觉不到图表的作用:))
这就是通过列举预测者之间关系的多样性来解决寻找模式的问题, 增量只是不稳定的,需要扩大范围,至少要给他们增加一个每日ATR(3)。
但不是以这种野蛮的方式。
等待一个星期,然后打破你的眼睛去看图表。
说没有规律性的东西更容易)
我完全忘了,你有负责交易方向的类,而我有允许/不允许交易的类--这就是为什么你感觉不到图表的作用:))
如果我没有弄错的话,我更愿意通过列举预测因子的各种相关性来寻找模式。 只是增量不稳定,需要扩大范围,至少要为日线图增加ATR(3)。
,如果M1有训练,则ATR在D1的周期为3?对于1440个柱子来说,这个指标的值将是相同的。或者你正在进行D1训练?
但不是以同样野蛮的方式
等待一个星期的时间来计算,然后打破我的眼睛去看照片预选是基于一系列的标准,而图则更需要了解模型在特定网络上的质量。当然,图表会根据目标而改变。
例如,如果模型普遍显示盈利,但在概率中间有强烈的盈利失败,例如由0.6,我不会采取这样的模型,如果这些失败是在分布的两端,我可以简单地限制响应(解释为一个),例如,0.65。
虽然很明显,与上一个相比,这个模型本身不是很好(没有明显的两个驼峰)。
D1的ATR,周期为3?
,如果在M1的训练中?对于1440个柱子来说,这个指标的值将是相同的。或者你正在进行D1训练?
是的,这将是一个相同的 - 这是波动的定义,模型应该定义例如2-3个波动期,对这些波动期的点数应该有不同的解释,因为对某些范围来说,它是趋势的开始,对另一些则是结束。另外,我简单地将这样的数值输入ATR,这样,具有不同波动性的大块就变得有可比性。
预选是基于一系列的标准,而图表更多的是为了了解模型在特定网络上的质量。当然,图表会根据目标而改变。
例如,如果模型一般显示盈利,但在概率中间有强烈的盈利跌落,例如由0.6,我不会采取这样的模型,如果这些跌落是在分布的两端,我就采取和限制响应(解释为一个),例如,像我在这里做的那样,到0.65。
虽然你可以看到模型本身不是很好(没有明显的两个驼峰),与上一个相比。
这都是胡说八道,需要新的突破性想法
没有他们,我连一根手指都不会动我昨天试着根据视频中你的想法做了一个生成式对抗算法。有一个生成器代理,负责研磨交易,有一个鉴别器代理,负责评估交易的正确性并删除负面的交易。数据集的选择是使用离散步长的滑动窗口。不幸的是,我还没能得到一个稳定的学习过程,因为在5-7次迭代时,判别器删除了整个数据集)))。我试着在训练前重新取样,两个代理都按照你的想法,但不是很好。我今晚将尝试逆转或随机化交易,而不是删除它们。我理解删除无效的标签比修改或随机化标签更有效,但我想运行一个不可逆的学习过程。
我昨天试着根据视频中你的想法做了一个生成式对抗算法。有一个生成器代理,负责研磨交易,有一个鉴别器代理,负责评估交易的正确性并删除负面的交易。数据集的选择采用离散步长的滑动窗口。不幸的是,我还没能得到一个稳定的学习过程,因为在5-7次迭代时,判别器删除了整个数据集)))。我试着在训练前重新取样,两个代理都按照你的想法,但不是很好。我今晚将尝试逆转或随机化交易,而不是删除它们。我理解删除无效的标签比修改或随机化标签更有效,但我想运行一个不可逆的学习过程。
那是很快的,我打探了一下,把它放在一边)我将完成我的版本,让我们看看
退化的发生与预测的一样--有趣。我们有理由考虑如何处理这个问题。
我前几天读到了关于因果推理的文章,想把它应用到搜索中去......但似乎这不是我们的主题
Z.I.用一个元模型(没有迭代学习)在5年内得到了这个结果。训练了5个月。
将思考如何附加迭代性(重做文章中的例子)。
那是很快的,我打探了一下,把它放在一边 )我会完成我的版本,我们会看到。
退化正在发生,正如预测的那样--有趣。我们有理由考虑如何处理这个问题。
我前几天读到了关于因果推理的文章,想把它应用到搜索中去......但似乎这不是我们的主题
Z.I.用一个元模型(没有迭代学习)在5年内得到了这个结果。训练了5个月。
将思考如何附加迭代性(重做文章中的例子)。
看起来很酷,但还不清楚。如果你不介意告诉我元模型是什么?或者建议在哪里阅读?也许你已经在这个主题中写过了?
我刚刚离开这里很久了,没能跟上这个话题。
它看起来很酷,但目前还不清楚。如果你不介意告诉我这是什么样的冰毒模型,或者在哪里可以读到它,也许你已经在这个主题中写过了?
我刚刚离开这里很久了,还没有机会关注这个话题。
它是允许/拒绝开放交易的第二个模型。
即有2个型号在生产中