交易中的机器学习：理论、模型、实践和算法交易 - 页 283

[toxic]

弗拉基米尔-佩雷文科。

俗称 "之字形 "的指标并不偷看或移动任何地方。

当然，当然...

祝好运

[toxic]

桑桑尼茨-弗门科。
我对 "波动性 "一词的含义很感兴趣。你到底把什么作为衡量波动性的标准？

回归者的均方根值，对不起，我说的不准确，不是数值，而是它的归一化变化，就像回归者的（SDt-SDt-1）/SDt-1一样。

[Mihail Marchukajtes]

弗拉基米尔-佩雷文科。

至于在训练中使用哪种ZigZag值，有三个选项。

1. 所有
2. 峰值周围的例子权重都增加了（如果模型允许使用例子权重的矢量）。
3. 仅有峰值附近的几个数值

根据你使用的模型，如果模型允许预学习，你可以依次使用一个或两个或全部三个。

祝好运

你还忘了一个选项。

4.ZigZag不用于预测。:-)即使作为一个目标函数，它也不是一个低劣的函数。最简单和最正确的方法，我向你保证。对于预测：超过10个柱子的变化百分比预测1个柱子前进。对于分类来说，信号的利润为1不0.这是基本的，所以也有一堆目标函数，但如果你预测这两个不是一个低劣的。这是关于条目，我作为一名外科医生告诉你。

[Vladimir Perervenko]

这是个 反问句。

当然了，当然了...

========================================

它应该被理解为。"我收回我对桑桑尼茨的错误所说的话。错了"？还是什么？

这个问题是反问句。

[Vladimir Perervenko]

Mihail Marchukajtes:

你忘了另一个选项。

4.ZigZag不用于预测。:-)即使作为一个目标函数，它也不是一个低劣的函数。最简单和最正确的方法，我向你保证。对于预测：超过10个柱子的变化百分比预测1个柱子前进。对于分类来说，信号的利润为1不0.这是基本的，所以也有一堆目标函数，但如果你预测这两个不是一个低劣的。这是所有关于投入的问题，我作为一名外科医生告诉你。

谢谢你，医生。每个人都有自己的经验和方法。

祝好运

[toxic]

弗拉基米尔-佩雷文科。

这应该被理解为。"我收回我对桑桑尼茨的错误所说的话。犯了一个错误"？还是什么？

这个问题是 反问句。

正是如此!你让我大开眼界，了解到了真相！你是我的朋友。在萨芬的 "聪明 "书中不止一次的重复，越是复杂的系统，越是高概率的过度potgoning，我是一个傻瓜，不仅使用了大量的指标，而且还焊接了成千上万的参数的神经网络，原来ZigZag不是potstvyat，可以盲目的交易他的膝盖！！！。

谢谢！！！。只是不要告诉别人这是一个圣杯!

[Mihail Marchukajtes]

弗拉基米尔-佩雷文科。

谢谢你的医生。每个人都有自己的经验和方法。

祝好运

伙计们，我不是在吹嘘或什么，但我从2006年起就一直与网络密切合作。主要是先上NS，然后上Predicchine。我们呈 "之 "字形，网格从网格开始，指标从指标开始。我们已经做了很多不同的事情。相信我。我记得Wizard在这里，他是个老顽固（无意冒犯）。在一个封闭的论坛上有一个倡议小组，一些真正的专家聚在一起。对我来说，这一切都始于2007年，所以刚刚尝试了一切。它有一个非常恼人的特点--当前的膝盖，是重新画的，事实上你不知道什么时候开始分析市场以迎接反转。当然，我是分类的坚持者，但我也在从事预测工作。这就是为什么如果你是一个市场预测者，试着预测10个柱子的变化百分比，至少要提前一个柱子。如果这个结果不好，让我们一起思考如何获得好的数据。更准确地说，我知道什么数据导致了价格。这就是我想尝试的。

想象一下，我有10个指标的输入和输出变量。所有这些都是关于某个历史时期的。我使用MT4优化器来调整这部分的指标参数，以便在这部分获得利润。然后我把同样的指标和调整后的参数 应用于雷舍托夫优化器的输入。你怎么看？归纳的力量不仅没有增加，甚至还恶化了。这是因为学习和归纳并不是一回事。所以要想一想为什么会发生这样的事情。似乎某地的指标单独产生了很好的结果，但当NS应用于输入时，其概括性并不理想。为什么这样，对我来说，这个问题仍然是个谜。因此，也许这里有人可以打光。谢谢!

[СанСаныч Фоменко]

Mihail Marchukajtes:

伙计们，我不是在吹牛，但我自2006年以来一直与网络密切合作。主要是先上NS，然后上Predicchine。我们做了 "之 "字形，从一个网格到一个网格，从一个指标到一个指标。我们已经做了很多不同的事情。相信我。我记得Wizard在这里，他是个老顽固（无意冒犯）。在一个封闭的论坛上有一个倡议小组，一些真正的专家聚在一起。对我来说，这一切都始于2007年，所以刚刚尝试了一切。它有一个非常恼人的特点--当前的膝盖，是重新画的，事实上你不知道什么时候开始分析市场以迎接反转。当然，我是分类的坚持者，但我也在从事预测工作。这就是为什么如果你是一个市场预测者，试着预测10个柱子的变化百分比，至少要提前一个柱子。如果这个结果不好，让我们一起思考如何获得好的数据。更准确地说，我知道什么数据导致了价格。这就是我想尝试的。

想象一下，我有10个指标的输入和输出变量。所有这些都是关于某个历史时期的。我使用MT4优化器来调整这部分的指标参数，以便在这部分获得利润。然后我把同样的指标和调整后的参数 应用于雷舍托夫优化器的输入。你怎么看？归纳的力量不仅没有增加，甚至还恶化了。这是因为学习和归纳并不是一回事。所以要想一想为什么会发生这样的事情。似乎某地的指标单独产生了很好的结果，但当NS应用于输入时，其概括性并不理想。为什么这样，对我来说，这个问题仍然是个谜。因此，也许这里有人可以打光。谢谢你!

我在这里说明一下：预测器没有预测能力，对目标变量来说是噪音。这就是为什么模型被重新训练，而重新训练的模型与它的未来使用没有关系。噪声就是噪声，在一个应用中，有一个结果，在另一个应用中，有另一个结果。

[СанСаныч Фоменко]

RMS。
回归者的均方根值，对不起，我说得不准确，不是数值，而是它的归一化变化，就像回归者的（SDt-SDt-1）/SDt-1一样。

如果你的观点更进一步，你应该把GARCH给出的系数--波动性的一个非常准确的特征。

[toxic]

桑桑尼茨-弗门科。
如果你发展你的想法，你应该采取GARCH给出的系数，这是一个非常准确的波动性特征。

你可以，但作为一个输入元特征，GARCH是线性的（IOF），而且是基于非常原始的特征，也就是说，不是非常聪明。此外，波动率本身并不直接使用，我不交易期权，因为它们在forza上的流动性很低，它是作为一个更高级别的模型的输入。