交易中的机器学习：理论、模型、实践和算法交易 - 页 2622 1...261526162617261826192620262126222623262426252626262726282629...3399 新评论 Valeriy Yastremskiy 2022.04.05 13:19 #26211 Replikant_mih #:这是一个好主意，只是我认为它在这里很重要。- 要建立大量的统计数据。- 对于一个人来说，交易一件事（一个系统）。- 该人保持客观，有系统地进行交易。在这种情况下，我认为，将获得一个良好的标记，因此有可能从中获得正常的利益。 最好是向交易所申请/如何获得)))的交易历史，并对其进行分析。） mytarmailS 2022.04.05 14:00 #26212 BillionerClub #: 如果一个人要交易，给ML什么是好的，什么是坏的，会怎么样？ 最好是在任何数据上进行模拟，并意识到这只是听起来很诱人。 Dmytryi Voitukhov 2022.04.05 17:17 #26213 mytarmailS #: 最好在任何数据上进行模拟，并理解它只是听起来很诱人。 我们正在向一个点靠拢。国家统计局只是从运行故事中学习。学习率相当高。其缺点是，基地的规模不足以在一年内积累模式。以前的结果变得模糊不清。在训练期间，在大的时间框架和低的交易频率下是可以做到的。但大的时间框架意味着更大的跌幅--没有TS保证100%的命中。其中一项任务是尽可能地利用市场动向。退出 - 在图表上，工作模式下的专家顾问定期加载基数，在策略测试器中，同时，培训模式下的专家顾问不断提高基数。我们这里的情况如此混乱... mytarmailS 2022.04.05 21:56 #26214 Dmytryi Voitukhov #:其中一项任务是尽可能地利用市场动向。退出 - 在图表上，专家顾问在工作模式下定期上传基础，同时在测试器中，专家顾问在培训模式下不断改进基础。我们这里的情况如此混乱... 我更深思熟虑地重读了它。基本上，所有的东西都是正确的，但神经元学是一个死胡同，有几个原因 Dmytryi Voitukhov 2022.04.06 03:21 #26215 mytarmailS #: 我更深思熟虑地重读了这篇文章。基本上，所有的事实，但神经元学是一个死胡同，有几个原因 正是如此。我被困于其中的一个。这个想法是，预测的准确性被输出层的概率阈值所过滤，但这样一来，交易的频率就会下降非常多，对情况的反应能力也会变差。对隐藏层进行过滤对结果影响不大。训练时，我使用固定的平等的停止和采取，以获得客观性。在工作模式下，在盈亏平衡后停止，从某个距离开始，收敛阈值被重置为0，以便处理所有图片。止损值是0到10，...，50和61条之间的平均运动。这个值与优化后的值大致相同。也许这里应该应用其他的东西？这种 "之 "字形的做法只会使情况更加恶化。你遇到了什么样的死锁，你有什么建议的解决方案？ mytarmailS 2022.04.06 07:27 #26216 Dmytryi Voitukhov #:正是如此。我被困于其中的一个。这个想法是，预测的准确性被输出层的概率阈值所过滤，但这样一来，交易的频率就会下降非常多，对情况的反应能力也会变差。对隐藏层进行过滤对结果影响不大。训练时，我使用固定的平等的停止和采取，以获得客观性。在工作模式下，在盈亏平衡后停止，从某个距离开始，收敛阈值被重置为0，以便处理所有图片。止损值是0到10，...，50和61条之间的平均运动。这个值与优化后的值大致相同。也许这里应该应用其他的东西？这种 "之 "字形的做法只会使情况更加恶化。你遇到过什么死锁，你有什么解决办法？ 固定的停止，采取，滑动窗口，输入时的表格数据，所有这些对非常不稳定的数据不起作用，原因很明显。从概念上讲，"关联规则 "对市场是有利的。但实施必须是不同的。 JeeyCi 2022.04.06 08:36 #26217 Maxim Dmitrievsky #:不是一个多标签，意义不同。迭代地排除坏信号，把那些被主模型预测得很好的信号留在一般的堆里，第二个模型学会把坏的和好的分开，禁止或允许第一个模型的交易。 这里可能也不需要第二种模式？- 交叉 验证 和网格搜索的模型选择...(在Keras中) 但也许只是混乱矩阵 会回答你的第二个问题（你的想法的第二个模型的目的）... ... 或 ...我只是怀疑你是否需要第二种模式......印象中 Cross Validation and Grid Search for Model Selection in Python stackabuse.com A typical machine learning process involves training different models on the dataset and selecting the one with best performance. However, evaluating the perfo... JeeyCi 2022.04.06 08:53 #26218 mytarmailS #: 固定的停止，采取，滑动窗口，输入时的表格数据，所有这些对非常不稳定的数据 都不起作用。 在一天结束时，交易员想从噪音中赚钱...可能的 周期性波动只能引起投资者的长期兴趣，而不是在不了解金融相互关系的情况下，而不是简单的统计。我认为，建立噪音模型更有趣（对交易员来说），但风险更大（对他的交易来说）...- 通常的风险-盈利性平衡 p.s. 除了从噪声（工作）中过滤出噪声（非工作）是一个真正的挑战（即把噪声污染 与噪声分开）...我在某处看到一篇文章，说我们应该寻找一个信号/噪声>2 的比率（用于工作噪声）--它看起来像一个普通的震荡器，是缠绕在TS模型的趋势分量上的...一切都是微不足道的（正如初学者被教导的那样--1个趋势指标，1个震荡器），在这样一个共同的参考点中，人们可以把任何偏好的信息和计算放在交易者更倾向于信任的地方--就在这里，我们看到了TS中主观主义的领域......我认为...而这种琐事只应在TS模型中数字化，让机器人进行交易，而不是在终端前站上几天。 Временные ряды-Введение www.machinelearningmastery.ruwww.machinelearningmastery.ru Статьи, вопросы и ответы на тему: машинное обучение, нейронные сети, искусственный интеллект mytarmailS 2022.04.06 09:08 #26219 JeeyCi #:你在这里甚至不需要第二个模型，对吗？- 交叉 验证 和网格搜索的模型选择...但也许只是混乱矩阵会回答你的第二个问题（你的想法的第二个模型的目的）...... 或...我只是怀疑你是否需要第二种模式......印象中 所以这位女士认为我们不知道什么是跨界？))一千个人的面孔...而这篇 "文章 "只是一个杰作))))1）对于随机森林，你不需要做交叉验证，因为规则构建本身就能做到这一点，因为它是随机的......2）对于随机森林，你不需要对特征进行规范化处理，木材可以使用原始特征。这是在底部以下。 JeeyCi 2022.04.06 09:18 #26220 mytarmailS #: 1）对于随机森林 ，你不需要进行交叉验证。 我并不是要回答你的问题--你还是不识字...(( - 你分析你所读内容的能力长期以来一直受到我的质疑，或者说是缺乏这种能力，以及你对你的交易及其自动化的分析（你甚至没有混淆词语，你弄乱了上下文） p.s. 没有事先的依赖性分析，趋势分析就什么都不是......时间序列分析是统计学中在其他分析之后最后要做的事情......。-- 你不能满足于你的时间序列是非平稳的，而不去寻找依赖关系...- 只顾着抢答和狙击（可能以为自己很开心？）--不屑 于回答 反问 1...261526162617261826192620262126222623262426252626262726282629...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
这是一个好主意，只是我认为它在这里很重要。
- 要建立大量的统计数据。
- 对于一个人来说，交易一件事（一个系统）。
- 该人保持客观，有系统地进行交易。
在这种情况下，我认为，将获得一个良好的标记，因此有可能从中获得正常的利益。
最好是向交易所申请/如何获得)))的交易历史，并对其进行分析。）
如果一个人要交易，给ML什么是好的，什么是坏的，会怎么样？
最好在任何数据上进行模拟，并理解它只是听起来很诱人。
我们正在向一个点靠拢。国家统计局只是从运行故事中学习。学习率相当高。其缺点是，基地的规模不足以在一年内积累模式。以前的结果变得模糊不清。在训练期间，在大的时间框架和低的交易频率下是可以做到的。但大的时间框架意味着更大的跌幅--没有TS保证100%的命中。其中一项任务是尽可能地利用市场动向。退出 - 在图表上，工作模式下的专家顾问定期加载基数，在策略测试器中，同时，培训模式下的专家顾问不断提高基数。我们这里的情况如此混乱...
其中一项任务是尽可能地利用市场动向。退出 - 在图表上，专家顾问在工作模式下定期上传基础，同时在测试器中，专家顾问在培训模式下不断改进基础。我们这里的情况如此混乱...
我更深思熟虑地重读了这篇文章。基本上，所有的事实，但神经元学是一个死胡同，有几个原因
正是如此。我被困于其中的一个。这个想法是，预测的准确性被输出层的概率阈值所过滤，但这样一来，交易的频率就会下降非常多，对情况的反应能力也会变差。对隐藏层进行过滤对结果影响不大。训练时，我使用固定的平等的停止和采取，以获得客观性。在工作模式下，在盈亏平衡后停止，从某个距离开始，收敛阈值被重置为0，以便处理所有图片。止损值是0到10，...，50和61条之间的平均运动。这个值与优化后的值大致相同。也许这里应该应用其他的东西？这种 "之 "字形的做法只会使情况更加恶化。你遇到了什么样的死锁，你有什么建议的解决方案？
正是如此。我被困于其中的一个。这个想法是，预测的准确性被输出层的概率阈值所过滤，但这样一来，交易的频率就会下降非常多，对情况的反应能力也会变差。对隐藏层进行过滤对结果影响不大。训练时，我使用固定的平等的停止和采取，以获得客观性。在工作模式下，在盈亏平衡后停止，从某个距离开始，收敛阈值被重置为0，以便处理所有图片。止损值是0到10，...，50和61条之间的平均运动。这个值与优化后的值大致相同。也许这里应该应用其他的东西？这种 "之 "字形的做法只会使情况更加恶化。你遇到过什么死锁，你有什么解决办法？
不是一个多标签，意义不同。迭代地排除坏信号，把那些被主模型预测得很好的信号留在一般的堆里，第二个模型学会把坏的和好的分开，禁止或允许第一个模型的交易。
这里可能也不需要第二种模式？- 交叉 验证 和网格搜索的模型选择...(在Keras中)
但也许只是混乱矩阵 会回答你的第二个问题（你的想法的第二个模型的目的）...
... 或
...我只是怀疑你是否需要第二种模式......印象中
固定的停止，采取，滑动窗口，输入时的表格数据，所有这些对非常不稳定的数据 都不起作用。
在一天结束时，交易员想从噪音中赚钱...可能的 周期性波动只能引起投资者的长期兴趣，而不是在不了解金融相互关系的情况下，而不是简单的统计。我认为，建立噪音模型更有趣（对交易员来说），但风险更大（对他的交易来说）...- 通常的风险-盈利性平衡
p.s.
除了从噪声（工作）中过滤出噪声（非工作）是一个真正的挑战（即把噪声污染 与噪声分开）...我在某处看到一篇文章，说我们应该寻找一个信号/噪声>2 的比率（用于工作噪声）--它看起来像一个普通的震荡器，是缠绕在TS模型的趋势分量上的...一切都是微不足道的（正如初学者被教导的那样--1个趋势指标，1个震荡器），在这样一个共同的参考点中，人们可以把任何偏好的信息和计算放在交易者更倾向于信任的地方--就在这里，我们看到了TS中主观主义的领域......我认为...而这种琐事只应在TS模型中数字化，让机器人进行交易，而不是在终端前站上几天。
你在这里甚至不需要第二个模型，对吗？- 交叉 验证 和网格搜索的模型选择...
但也许只是混乱矩阵会回答你的第二个问题（你的想法的第二个模型的目的）...
... 或
...我只是怀疑你是否需要第二种模式......印象中
，你不需要进行交叉验证。
我并不是要回答你的问题--你还是不识字...(( - 你分析你所读内容的能力长期以来一直受到我的质疑，或者说是缺乏这种能力，以及你对你的交易及其自动化的分析（你甚至没有混淆词语，你弄乱了上下文）
p.s.
没有事先的依赖性分析，趋势分析就什么都不是......时间序列分析是统计学中在其他分析之后最后要做的事情......。-- 你不能满足于你的时间序列是非平稳的，而不去寻找依赖关系...- 只顾着抢答和狙击（可能以为自己很开心？）--不屑 于回答 反问