交易中的机器学习：理论、模型、实践和算法交易 - 页 2888 1...288128822883288428852886288728882889289028912892289328942895...3399 新评论 Aleksey Nikolayev 2023.01.06 11:51 #28871 Rorschach #:模式识别，谁想做这种事？或者通过下采样的小波。 在大部分资金都由可视化设备处理时，这种方法可能会奏效。现在则主要是 Matstat 和 MO。事实上，我们论坛上退休的可视化专家占多数，这一点不应引起混淆。 Andrey Dik 2023.01.06 11:55 #28872 Uladzimir Izerski #:在这里，识别模式或市场模式是第一块砖。它可以通过 MQL 工具完成，但使用 MO 时，这种方法将更加先进和渐进。 附注我们可以更大胆地展望未来。 MO 和 MQL 不兼容吗？）或者 MO 不能用 MQL 编写吗？ MO (ML) 不是一种编程语言，而是一个知识领域。 Uladzimir Izerski 2023.01.06 12:12 #28873 Aleksey Nikolayev #:当大部分资金都由可视化人员管理时，这种方法可能会奏效。现在，大部分资金都由 Matstats 和 MO 管理。事实上，我们论坛上的大多数人都是退休的可视化专家，这一点不应该让你感到困惑。 那么，可视化在哪里突然从人们的视线中隐藏或消失了呢？奇怪。 Andrey Dik#: MO 和 MQL 不兼容吗？ MO (ML) 不是一种编程语言，而是一个知识领域。 我指的是识别模型、其变体和预期。 Rorschach 2023.01.06 12:23 #28874 Aleksey Nikolayev #:当大部分资金由可视化人员管理时，这种方法可能会奏效。现在，大部分资金都由 Matstats 和 MO 管理。事实上，我们论坛上的大多数人都是退休的可视化专家，这一点不应该让你感到困惑。 我只是在抛出各种解决方案，我自己不会承担这样的任务。 关于 matstat。我知道这两者之间没有关联。欧洲的趋势性和亚洲的平缓性很容易用单位时间内的刻度数来解释。您和 zigzags 似乎得出了相同的结论。但是，在 smradlab 上，buybuy 对股票的相关性为正，而对外汇的相关性为负。我有一个合理的问题，他说的是实话吗？ mytarmailS 2023.01.06 12:34 #28875 如何让自己更长久地坚守岗位？ 谁在为此苦苦挣扎？我知道如何等待。我知道如何等待。我知道如何走进I don't know how to hold --主要问题是，进入后，经常会出现反向信号...如果你忽略它（继续持有），它几乎总是会触发。如果你不忽视它，运动就会发展（你本应持有它）。当然，这离题了，但又没有人可以问。从这些交易中，我们本可以挤出明显更多的资金 Aleksey Vyazmikin 2023.01.06 13:01 #28876 Aleksey Nikolayev #:当大部分资金由可视化人员管理时，这种方法可能会奏效。现在，大部分资金都由 Matstats 和 MO 管理。事实上，我们论坛上的大多数人都已退休，这一点不应引起混淆。 你在上面写道，国家通过中央银行在更大程度上影响着交易，而你在这里写道，matstat 和 MO 规则--你真的确定中央银行不使用技术分析吗？ 几年前，我发布了中央银行的 "方法论"，其中说明了建议在决策时使用哪些 "指标"，而早在 2014 年，俄罗斯中央银行行长就谈到了将 Mashka 360 作为交易决策的衡量标准。 Aleksey Vyazmikin 2023.01.06 13:08 #28877 mytarmailS #:当然是离题了，但我真的没有人可以问。你本可以从这些交易中得到更多。 你不可能从这些交易中榨取更多--平仓一般来说是正确的，但另一件事是，你需要考虑正确的获利点和盈亏平衡点。 如果没有相反方向的进场信号，您可以按照最后一个信号的方向进场，同时寻找最小止损点的设置。 mytarmailS 2023.01.06 13:10 #28878 Aleksey Vyazmikin #:几年前，我发布了中央银行的 "方法论"，其中说明了建议在决策时使用哪些 "指标"，而早在 2014 年，中央银行行长就谈到了将 Mashka 360 作为交易决策的衡量标准。 中央银行使用 Mashka 进行决策的方法？ 谢谢我好久没笑得这么开心了 Valeriy Yastremskiy 2023.01.06 13:29 #28879 elibrarius #:这没有什么区别，元素的排序顺序在转换过程中不会改变，也就是说，树的分叉位置不会改变。如果使用神经网络，应该是一样的，但我不确定....。 PS.不会的。首先，所有数据都是在 0...1 的范围内缩放的。其次，如果对任何序列进行对数化，顺序不会改变，但权重和偏移量会在这里使用。对具有相同权重和偏移量的序列进行对数化后，其效果会有所不同（可能会有数量级的差异）。但这与其说是优点，不如说是神经网络的缺点。 对于对数数据，权重当然会有所不同，与绝对或相对增量或数据系列相比，较小的数值会得到较少的考虑，较大的数值会得到较多的考虑。毕竟，这是针对不同的决策问题。 Valeriy Yastremskiy 2023.01.06 13:32 #28880 mytarmailS #:返回值为 x[i] - x[i-1] 之差有时需要 x[i ] - x[i-1044] 在我看来，第一个选项是等额/恒定/固定增量，第二个选项是动态增量。 1...288128822883288428852886288728882889289028912892289328942895...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
模式识别，谁想做这种事？
或者通过下采样的小波。
在大部分资金都由可视化设备处理时，这种方法可能会奏效。现在则主要是 Matstat 和 MO。事实上，我们论坛上退休的可视化专家占多数，这一点不应引起混淆。
在这里，识别模式或市场模式是第一块砖。
它可以通过 MQL 工具完成，但使用 MO 时，这种方法将更加先进和渐进。
附注
我们可以更大胆地展望未来。
MO 和 MQL 不兼容吗？）或者 MO 不能用 MQL 编写吗？
MO (ML) 不是一种编程语言，而是一个知识领域。
当大部分资金都由可视化人员管理时，这种方法可能会奏效。现在，大部分资金都由 Matstats 和 MO 管理。事实上，我们论坛上的大多数人都是退休的可视化专家，这一点不应该让你感到困惑。
那么，可视化在哪里突然从人们的视线中隐藏或消失了呢？奇怪。
MO 和 MQL 不兼容吗？
MO (ML) 不是一种编程语言，而是一个知识领域。
我指的是识别模型、其变体和预期。
当大部分资金由可视化人员管理时，这种方法可能会奏效。现在，大部分资金都由 Matstats 和 MO 管理。事实上，我们论坛上的大多数人都是退休的可视化专家，这一点不应该让你感到困惑。
我只是在抛出各种解决方案，我自己不会承担这样的任务。
关于 matstat。我知道这两者之间没有关联。欧洲的趋势性和亚洲的平缓性很容易用单位时间内的刻度数来解释。您和 zigzags 似乎得出了相同的结论。但是，在 smradlab 上，buybuy 对股票的相关性为正，而对外汇的相关性为负。我有一个合理的问题，他说的是实话吗？
如何让自己更长久地坚守岗位？ 谁在为此苦苦挣扎？
我知道如何等待。
我知道如何等待。
我知道如何走进
I don't know how to hold --
主要问题是，进入后，经常会出现反向信号...
如果你忽略它（继续持有），它几乎总是会触发。
如果你不忽视它，运动就会发展（你本应持有它）。
当然，这离题了，但又没有人可以问。
从这些交易中，我们本可以挤出明显更多的资金
当大部分资金由可视化人员管理时，这种方法可能会奏效。现在，大部分资金都由 Matstats 和 MO 管理。事实上，我们论坛上的大多数人都已退休，这一点不应引起混淆。
你在上面写道，国家通过中央银行在更大程度上影响着交易，而你在这里写道，matstat 和 MO 规则--你真的确定中央银行不使用技术分析吗？
几年前，我发布了中央银行的 "方法论"，其中说明了建议在决策时使用哪些 "指标"，而早在 2014 年，俄罗斯中央银行行长就谈到了将 Mashka 360 作为交易决策的衡量标准。
当然是离题了，但我真的没有人可以问。
你本可以从这些交易中得到更多。
你不可能从这些交易中榨取更多--平仓一般来说是正确的，但另一件事是，你需要考虑正确的获利点和盈亏平衡点。
如果没有相反方向的进场信号，您可以按照最后一个信号的方向进场，同时寻找最小止损点的设置。
几年前，我发布了中央银行的 "方法论"，其中说明了建议在决策时使用哪些 "指标"，而早在 2014 年，中央银行行长就谈到了将 Mashka 360 作为交易决策的衡量标准。
中央银行使用 Mashka 进行决策的方法？
谢谢我好久没笑得这么开心了
这没有什么区别，元素的排序顺序在转换过程中不会改变，也就是说，树的分叉位置不会改变。如果使用神经网络，应该是一样的，但我不确定....。
PS.不会的。首先，所有数据都是在 0...1 的范围内缩放的。其次，如果对任何序列进行对数化，顺序不会改变，但权重和偏移量会在这里使用。对具有相同权重和偏移量的序列进行对数化后，其效果会有所不同（可能会有数量级的差异）。但这与其说是优点，不如说是神经网络的缺点。对于对数数据，权重当然会有所不同，与绝对或相对增量或数据系列相比，较小的数值会得到较少的考虑，较大的数值会得到较多的考虑。毕竟，这是针对不同的决策问题。
返回值为 x[i] - x[i-1] 之差
有时需要 x[i ] - x[i-1044]
在我看来，第一个选项是等额/恒定/固定增量，第二个选项是动态增量。