交易中的机器学习:理论、模型、实践和算法交易 - 页 2491

 
Mihail Marchukajtes#:
而作为回应,我将告诉你这个事件是什么,它是一个微笑标志的变化。现在我坐在那里实时观看,或者说我在星期四观看,当时大玩家从负号变成了正号,之后就开始猛烈的下跌。我认为我们应该从根本上看,即使没有神经网络,一切也会解决,如果我们给他们这个工具,它将是炸弹。它就像一个辛格的计算器,永远不会累,也不会犯错。

这是你的幻想,仅此而已。

 
mytarmailS#:

这是你的幻想,仅此而已。

不,它们是由实践证实的,但不是由机器证实的 :-(

 
Aleksey Vyazmikin#:

这不是一种简化,而是一种可以更快地工作的替代方法,而且可以批量使用多台计算机来寻找解决方案!"。

我说的是对他人的全球利益,可以说是为了普及它。

去吧,我很赞成

 
因此,将这些转化为实践是我现在的主要任务,它需要有Excel宏的知识,我希望这不会让任何人感到尴尬?
 
我是什么,比如说,不聪明或者对这个或那个不了解?只是Ubuntu上的Win系统的Excel出现了故障,导致主系统崩溃,我甚至无法启动,所以我不在工作电脑上练习它。但是我需要一个DDE和Excel方面的专家!
 
mytarmailS#:

好吧,我们的Misha也在做同样的事情,他的 "初始规则 "是 "TC序列",他从那里训练他的AMO。

你们在做同一件事(绝对的),你们只是用不同的名字称呼事物......

但你的方法更聪明,因为你可以选择任何 "起始规则"而他被绑在一个...

我正在考虑的新方法是在自动模式下找到这种规则,我称之为重大事件,然后为每个事件训练一个模型,最重要的是考虑到过去的事件对当前事件的影响,然后对未来的影响。这种影响用概率波来表示,可能有不同的长度和预测能力。因此,可以用基本的预测器将每个柱状体上的样本划分为重要事件的样本,然后将它们结合起来对每个柱状体起作用,从而形成一个复杂的模型。


mytarmailS#:

此外,我也做了同样的事情,特别是如果我想用1亿个预测器来填充我的AMO,没有压缩/狭窄规则/TC规则,技术上是不可能的。

为此,我发明了一个 "知识库",这样我就不必把一亿个预测器放在一个表中,AMO会在正确的时间从正确的文件夹中调用正确的预测器,但这一切仍处于思考阶段......

是否有可能在10万个预测器上进行训练?我正在通过量化做预测器的选择,检查每个预测器的量化的预测能力,通常能找到一些训练效果更好的样本。我计划在飞行中生成从其他地方得到的预测器,并立即检查它们,如果产生的样本有意义,则单独保存设置,并在将模型数据作为NS中的一个层输入之前作为额外的转换使用。

 
Mihail Marchukajtes#:
而作为回应,我将告诉你这个事件是什么,它是一个微笑标志的变化。现在我坐在那里实时观看,或者说我是在星期四观看的,当时大玩家从负号变成了正号,之后就开始猛烈的下跌。我认为我们应该从根本上看,即使没有神经网络,一切也会解决,如果我们给他们这个工具,它将是炸弹。它就像一个辛格计算器,永远不会累,也不会犯错!!!!。

这些测试显示了什么?毕竟,收集统计数据就足够了,然后再考虑在线整合的问题。

我的交易也很精彩--70%的交易都是盈利的,但是当情绪崩溃的时候,市场就会付出代价......

 
Aleksey Vyazmikin#:

这些测试显示了什么?毕竟,你需要做的是收集统计数据,然后考虑在线整合。

手 我的交易也很精彩--70%的交易都是盈利的,但当情绪崩溃时,市场就会付出代价...

我也有同样的情况 :-(

 
Aleksey Vyazmikin#:

这些测试显示了什么?毕竟,你需要做的是收集统计数据,然后考虑在线整合。

我的交易也很精彩--70%的交易都是盈利的,但是当情绪崩溃的时候,市场就会付出代价......

测试没有显示任何东西,因为没有数据收集,但如果我的手成功了,那么机器就会百分之百地做到。在真正的交易中,在关键的决定之前,会有一些细微的预期。滞后1-3个小节的小节决定,当微笑显示的不是现在是什么,而是下一个小节或在一个小节内将是什么,等等,并不总是有帮助,但当清除后你的微笑将其符号从+100变为-250时,在此清!!!!!。

而你自信地意识到,接下来只有卖出,看看序列的任何信号都被简单地解释为向下,仅此而已,最有效的战术!!!!!!!。

 
Aleksey Vyazmikin#:

我正在考虑的一个新方法是寻找这样的规则,我称之为重大事件。

嗯,对......现在想象一下:为了让一个趋势开始,我们需要一系列/一连串这样的 "重大事件"(SV),而许多SV发生在一个月前的当前价格,比如说。

你能想象吗?

而现在 -- >

Aleksey Vyazmikin# :

对10万个预测器进行训练有意义吗?

-- 想一想,有多少不同的计数器序列可以搜索,而且有数万亿个。

而且不能像你现在这样在滑动窗口(表格数据)中进行(和其他所有的),如果你在滑动窗口中取一个价格,2个预测器足以描述这一切,但这是无用的。