交易中的机器学习：理论、模型、实践和算法交易 - 页 2778 1...277127722773277427752776277727782779278027812782278327842785...3399 新评论 Valeriy Yastremskiy 2022.10.06 12:35 #27771 СанСаныч Фоменко #:相同的 RSI，但有一些细微差别。再次强调：重要的不是预测因子列表，而是选择这些预测因子的算法。当窗口移动时，提到的 RSI 可能会被使用，也可能不会被使用。这就是问题所在，也是一系列问题中的第一个。 一般来说，系列参数的平均方法是可以理解的，其创造者的逻辑也是清晰的（当然并不总是，也不完全））。)，指标就是在此基础上创建的。滞后的原因是显而易见的。而消除滞后的可能性并不明确。 我不知道，这里有一个想法（不是我的想法）。) 从价格指标和指标中生成规则，并通过交易信号查看结果。 但这并不是有意义的重新选择/选择信号。 可以从价格及其相邻货币的平均值中 生成信号。 总的来说，我还不了解选择算法。 很明显，在不同的时间尺度上，它是极值的水平、跳动速度、趋势、趋势走廊的宽度、价格返回走廊边界的频率.....。 [删除] 2022.10.06 12:39 #27772 Valeriy Yastremskiy #:我不明白，是否可以通过从相对于中心的左侧部分减去右侧部分来分离出强反弹，并将它们分成几组？为什么是较长的相关性？更明显、更强的可能是？一般来说，这可能与时间或事件绑定有关。但窗口大小应该经过训练，以某种方式获得。事件的形式化问题还没有解决，显然只有时间问题。 你在这张图上看到了什么，什么模式？ СанСаныч Фоменко 2022.10.06 12:48 #27773 Valeriy Yastremskiy #:一般来说，数列参数的平均方法是可以理解的，其创建者的逻辑也是清晰的（当然并不总是 而且也不完全））。)，指标就是在此基础上创建的。滞后的原因是显而易见的。而消除滞后的可能性并不明确。我不知道，这里有一个想法（不是我的想法）。) 从价格指标和指标中生成规则，并通过交易信号查看结果。但这并不是一个有意义的搜索/选择信号的方法。也许可以从价格及其相邻货币的平均值 中提取信号。 总的来说，我还不了解选择算法。显然，这些都是在不同时间尺度上 的极值水平、跳动速度、趋势、趋势走廊的宽度、价格返回走廊边界的频率.....。 我已经写了一百次了：根据特质（预测因子）与目标变量之间的信息联系程度。 [删除] 2022.10.06 12:56 #27774 СанСаныч Фоменко #:我看的不是分形，而是图表。 它用图表回复了我的信息，但它只是在酒精的狂热下对话题撒尿。它本来说的是分形。 这就是聋子电话的工作原理，通过一连串的小丑。 [删除] 2022.10.06 13:05 #27775 Maxim Dmitrievsky #:你在这张图上看到了什么，什么模式？ 如果用通常的滑动窗口，你不会在这里发现任何稳定的依赖关系 但如果这样画从红点开始的时间将是可逆的，从该点向前移动的增量将相互关联，滞后性越来越大。离点越远，滞后越大。 相关性将是负的，但如果我们从该点开始镜像图形，相关性将是正的。 事实证明，在这种情况下，我们应该将其作为一个参考点，并以此为基础建立一个预测窗口。这就是所谓的滞后窗口。 从技术上讲，这可以通过不同的方式实现。 Valeriy Yastremskiy 2022.10.06 13:17 #27776 СанСаныч Фоменко #:第 100 次：根据特质（预测因子）与目标变量之间的信息联系程度。 这就是通过最佳结果进行选择。我问的是初选算法。你为什么认为剩下的可能特征信息量不如最初选择的特征信息量大？ 如果是过度拟合，根据信息量关系的结果进行选择，根据天真进行初选，这是一种方法。一种正常的方法是，如果被选中的包括结果，那么这个想法就是可行的。 有没有初始选择预测因子的算法？我想了解其中的逻辑。如何初步了解特质与目标之间的关系。 我有/我们有)))到目前为止，同样的过度选择、堆积、尝试、理解切割，走得更远)))) Valeriy Yastremskiy 2022.10.06 13:43 #27777 Maxim Dmitrievsky #:如果采用通常的滑动窗口，就不会在那里找到稳定的依赖关系但如果这样画从红点开始的时间将是可逆的，从该点开始的未来增量将相互关联，滞后性越来越大。离点越远，滞后越大。相关性将是负的，但如果我们将从该点开始的图形做镜像，相关性将是正的。事实证明，在这种情况下，我们应该将其作为一个参考点，并以此为基础建立一个预测窗口。这就是所谓的滞后窗口。从技术上讲，这可以通过不同的方式实现。 嘿嘿，你想在镜像中观看分形))))))总得找到参照点和边缘))))))。 不错的想法，甚至是水面上一些圆圈的感觉，反作用的影响)))) Valeriy Yastremskiy 2022.10.06 13:51 #27778 Maxim Dmitrievsky #:它用图形回复了我的信息，只是醉翁之意不在酒。 最初，我们谈论的是分形。这就是聋子电话的工作原理，通过一连串的小丑。 你们怎么这么擅长（听不见）对方的声音。答案是关于乌拉德的图形，但我没听懂分形的部分)))))。但这根本不是理由......)))) [删除] 2022.10.06 14:01 #27779 Valeriy Yastremskiy #:你们怎么这么擅长（不）听对方说话。我想答案是关于乌拉德的图形的，但我不懂分形，要么)))))。但这根本不是理由......)))) 乌拉多用一张图回复了我关于分形的帖子，尽管没有人问他这个问题有一个信息的时间顺序https://www.mql5.com/ru/forum/86386/page2774#comment_42491865然后我回答了 Sanych 如何通过非标准滑动窗口改进自相关图。 Valeriy Yastremskiy 2022.10.06 14:11 #27780 Maxim Dmitrievsky #: 乌拉多给我回了一张图，是对我关于分形的帖子的回复，尽管没有人问过他这个问题 有一个信息的时间顺序 https://www.mql5.com/ru/forum/86386/page2774#comment_42491865 然后我回答了 Sanych 如何通过非标准滑动窗口改进自相关图。 没关系))))) 嘿，我完全把它理解为对 Sanych 的回答)))))。 1...277127722773277427752776277727782779278027812782278327842785...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
相同的 RSI，但有一些细微差别。
再次强调：重要的不是预测因子列表，而是选择这些预测因子的算法。当窗口移动时，提到的 RSI 可能会被使用，也可能不会被使用。这就是问题所在，也是一系列问题中的第一个。
一般来说，系列参数的平均方法是可以理解的，其创造者的逻辑也是清晰的（当然并不总是，也不完全））。)，指标就是在此基础上创建的。滞后的原因是显而易见的。而消除滞后的可能性并不明确。
我不知道，这里有一个想法（不是我的想法）。) 从价格指标和指标中生成规则，并通过交易信号查看结果。
但这并不是有意义的重新选择/选择信号。
可以从价格及其相邻货币的平均值中 生成信号。
总的来说，我还不了解选择算法。
很明显，在不同的时间尺度上，它是极值的水平、跳动速度、趋势、趋势走廊的宽度、价格返回走廊边界的频率.....。
我不明白，是否可以通过从相对于中心的左侧部分减去右侧部分来分离出强反弹，并将它们分成几组？为什么是较长的相关性？更明显、更强的可能是？
一般来说，这可能与时间或事件绑定有关。但窗口大小应该经过训练，以某种方式获得。
事件的形式化问题还没有解决，显然只有时间问题。
你在这张图上看到了什么，什么模式？
一般来说，数列参数的平均方法是可以理解的，其创建者的逻辑也是清晰的（当然并不总是 而且也不完全））。)，指标就是在此基础上创建的。滞后的原因是显而易见的。而消除滞后的可能性并不明确。
我不知道，这里有一个想法（不是我的想法）。) 从价格指标和指标中生成规则，并通过交易信号查看结果。
但这并不是一个有意义的搜索/选择信号的方法。
也许可以从价格及其相邻货币的平均值 中提取信号。
总的来说，我还不了解选择算法。
显然，这些都是在不同时间尺度上 的极值水平、跳动速度、趋势、趋势走廊的宽度、价格返回走廊边界的频率.....。
我已经写了一百次了：根据特质（预测因子）与目标变量之间的信息联系程度。
我看的不是分形，而是图表。
它用图表回复了我的信息，但它只是在酒精的狂热下对话题撒尿。它本来说的是分形。
这就是聋子电话的工作原理，通过一连串的小丑。
你在这张图上看到了什么，什么模式？
如果用通常的滑动窗口，你不会在这里发现任何稳定的依赖关系
但如果这样画从红点开始的时间将是可逆的，从该点向前移动的增量将相互关联，滞后性越来越大。离点越远，滞后越大。
相关性将是负的，但如果我们从该点开始镜像图形，相关性将是正的。
事实证明，在这种情况下，我们应该将其作为一个参考点，并以此为基础建立一个预测窗口。这就是所谓的滞后窗口。
从技术上讲，这可以通过不同的方式实现。
第 100 次：根据特质（预测因子）与目标变量之间的信息联系程度。
这就是通过最佳结果进行选择。我问的是初选算法。你为什么认为剩下的可能特征信息量不如最初选择的特征信息量大？
如果是过度拟合，根据信息量关系的结果进行选择，根据天真进行初选，这是一种方法。一种正常的方法是，如果被选中的包括结果，那么这个想法就是可行的。
有没有初始选择预测因子的算法？我想了解其中的逻辑。如何初步了解特质与目标之间的关系。
我有/我们有)))到目前为止，同样的过度选择、堆积、尝试、理解切割，走得更远))))
如果采用通常的滑动窗口，就不会在那里找到稳定的依赖关系
但如果这样画从红点开始的时间将是可逆的，从该点开始的未来增量将相互关联，滞后性越来越大。离点越远，滞后越大。
相关性将是负的，但如果我们将从该点开始的图形做镜像，相关性将是正的。
事实证明，在这种情况下，我们应该将其作为一个参考点，并以此为基础建立一个预测窗口。这就是所谓的滞后窗口。
从技术上讲，这可以通过不同的方式实现。
嘿嘿，你想在镜像中观看分形))))))总得找到参照点和边缘))))))。
不错的想法，甚至是水面上一些圆圈的感觉，反作用的影响))))
它用图形回复了我的信息，只是醉翁之意不在酒。 最初，我们谈论的是分形。
这就是聋子电话的工作原理，通过一连串的小丑。
你们怎么这么擅长（听不见）对方的声音。答案是关于乌拉德的图形，但我没听懂分形的部分)))))。但这根本不是理由......))))
你们怎么这么擅长（不）听对方说话。我想答案是关于乌拉德的图形的，但我不懂分形，要么)))))。但这根本不是理由......))))
乌拉多给我回了一张图，是对我关于分形的帖子的回复，尽管没有人问过他这个问题
没关系)))))
嘿，我完全把它理解为对 Sanych 的回答)))))。