交易中的机器学习：理论、模型、实践和算法交易 - 页 2555 1...254825492550255125522553255425552556255725582559256025612562...3399 新评论 [删除] 2022.01.28 19:55 #25541 mytarmailS#: 那么，为什么该班的预测不正确呢？因为报价不是模型所期望的，错误的分布。如果我们从正确的分布中产生报价，可能是好的... 试试吧，我不记得我是否做过，我也有类似的想法 但过去和未来之间可能没有联系。也就是说，n个酒吧的未来状态不容易预测，可能比1-2步更难。 mytarmailS 2022.01.28 20:13 #25542 Maxim Dmitrievsky#: 试试吧，我不记得我是否做过，我也有类似的想法 但很可能在过去和未来之间没有任何联系。也就是说，n条的未来状态不容易预测，甚至可能比1-2步的未来状态更难。 理论上说：预测未来的分布几乎与预测系列的移动平均线相同，这比预测价格本身更容易，有更多的惯性......如果我有心情，也许我明天会试一下。 Aleksey Nikolayev 2022.01.28 20:28 #25543 Maxim Dmitrievsky#: 假设模型在未来也必须工作，总会有各种错误（包括噪音），而挑战在于如何找到一个平衡。因此，在本质上，我们谈论的是同一件事。实际上，我是以不同的方式解决这个问题的，所以我在写引导性问题 如果你从全球的角度来看，我同意你的观点。无论最后采取哪一套算法--使用时的问题总是一样的。 顺便说一下，今天fxsaber在他的博客中表达了一个有点类似的想法（弹出指标值 远离典型值的交易）。 Rorschach 2022.01.28 21:43 #25544 我读过一本70年代的书，它说如果没有自 相关，那么就不可能有预测。在这个问题上有什么更现代的东西吗？ Valeriy Yastremskiy 2022.01.28 22:36 #25545 Aleksey Nikolayev#: 从全球角度来看，我同意你的观点。无论最后使用哪一套算法--使用时的问题总是一样的。顺便说一下，今天fxsaber在他的博客中表达了一个有点类似的想法（剔除指标值 远离典型值的交易）。 我完全同意。具有动态宽度的走廊的波动意味着在预测和其概率方面的平衡选择。 Sceptorist 2022.01.29 00:00 #25546 作为一个新人，在测试器/优化器中优化EA 是否是一种MO？ Farkhat Guzairov 2022.01.29 01:46 #25547 Sceptorist#: 你能告诉一个新手在测试器/优化器中优化EA 是否是MO？ 优化更像是训练一个神经网络的过程。 过去甚至有自动优化的解决方案，以获得最相关的集合。 [删除] 2022.01.29 05:00 #25548 关于模型选择的讲座 这样就不会有误解了，可以这么说 Aleksey Nikolayev 2022.01.29 07:26 #25549 Sceptorist#: 一个新手，在测试器/优化器中优化EA 是MO吗？ MO只是一套算法。对其中一些人来说，测试人员的优化已经足够好了。例如，如果你需要找到KNN中的最佳K。但大多数算法都有自己特定的优化方式。例如，神经网络中的梯度下降。 一般来说，答案取决于将特定模型与给定的优化算法（蛮力和遗传优化）相适应的能力。 Aleksey Nikolayev 2022.01.29 08:43 #25550 Maxim Dmitrievsky#: 关于模型选择的讲座因此，可以说没有任何误解。 沃龙佐夫可能是俄罗斯最好的国防部专家。因此，该课程必然是好的，但由于它是为IT人士开设的，它省略了对我们来说基本而重要的数学。我已经多次注意到，对于交易中的数学方法的应用，很少有适合其基本的、简化的形式。 MO是基于（例如见Tibshirani）这样一个假设，即预测因子和反应的联合分布是恒定的P（X,Y）。从中可以计算出条件概率Py(Y|X)，由此可以计算出回归的Y=f(X)。最终，这种回归被一些MO模型所近似。在物理世界中，这一理论或多或少是有效的。但在交易方面则不然。事实证明，P(X,Y)会随着时间发生不可预测的变化（非平稳性），整个理论 就有点崩溃了。 最流行的方法是直接忽略非平稳性，然后对结果感到惊讶并抱怨MO）。 1...254825492550255125522553255425552556255725582559256025612562...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
那么，为什么该班的预测不正确呢？因为报价不是模型所期望的，错误的分布。如果我们从正确的分布中产生报价，可能是好的...
试试吧，我不记得我是否做过，我也有类似的想法
但过去和未来之间可能没有联系。也就是说，n个酒吧的未来状态不容易预测，可能比1-2步更难。试试吧，我不记得我是否做过，我也有类似的想法
但很可能在过去和未来之间没有任何联系。也就是说，n条的未来状态不容易预测，甚至可能比1-2步的未来状态更难。假设模型在未来也必须工作，总会有各种错误（包括噪音），而挑战在于如何找到一个平衡。因此，在本质上，我们谈论的是同一件事。
实际上，我是以不同的方式解决这个问题的，所以我在写引导性问题
如果你从全球的角度来看，我同意你的观点。无论最后采取哪一套算法--使用时的问题总是一样的。
顺便说一下，今天fxsaber在他的博客中表达了一个有点类似的想法（弹出指标值 远离典型值的交易）。
从全球角度来看，我同意你的观点。无论最后使用哪一套算法--使用时的问题总是一样的。
顺便说一下，今天fxsaber在他的博客中表达了一个有点类似的想法（剔除指标值 远离典型值的交易）。
我完全同意。具有动态宽度的走廊的波动意味着在预测和其概率方面的平衡选择。
你能告诉一个新手在测试器/优化器中优化EA 是否是MO？
优化更像是训练一个神经网络的过程。
过去甚至有自动优化的解决方案，以获得最相关的集合。
关于模型选择的讲座
这样就不会有误解了，可以这么说
一个新手，在测试器/优化器中优化EA 是MO吗？
MO只是一套算法。对其中一些人来说，测试人员的优化已经足够好了。例如，如果你需要找到KNN中的最佳K。但大多数算法都有自己特定的优化方式。例如，神经网络中的梯度下降。
一般来说，答案取决于将特定模型与给定的优化算法（蛮力和遗传优化）相适应的能力。
关于模型选择的讲座
因此，可以说没有任何误解。
沃龙佐夫可能是俄罗斯最好的国防部专家。因此，该课程必然是好的，但由于它是为IT人士开设的，它省略了对我们来说基本而重要的数学。我已经多次注意到，对于交易中的数学方法的应用，很少有适合其基本的、简化的形式。
MO是基于（例如见Tibshirani）这样一个假设，即预测因子和反应的联合分布是恒定的P（X,Y）。从中可以计算出条件概率Py(Y|X)，由此可以计算出回归的Y=f(X)。最终，这种回归被一些MO模型所近似。在物理世界中，这一理论或多或少是有效的。但在交易方面则不然。事实证明，P(X,Y)会随着时间发生不可预测的变化（非平稳性），整个理论 就有点崩溃了。
最流行的方法是直接忽略非平稳性，然后对结果感到惊讶并抱怨MO）。