交易中的机器学习：理论、模型、实践和算法交易 - 页 3010 1...300330043005300630073008300930103011301230133014301530163017...3399 新评论 Forester 2023.04.09 17:36 #30091 Forester #:不幸的是没人发现它，否则我就会在热带岛屿上，而不是在这里))))。是的，即使是 1 棵树或倒退也能找到一个模式，只要它在那里并且没有改变。很简单。我可以取消生成几十个数据集。我现在正在探索 TP=50 和 SL=500。老师的标注平均有 10%的误差。如果有 20%，那就是梅花模型了。 所以重点不在于分类误差，而在于所有盈亏相加的结果。如图所示，顶级模型的误差为 9.1%，误差为 8.3%也能赚点。 图表中只显示了 OOS，由 Walking Forward 获得，每周重训一次，5 年共重训 264 次。 有意思的是，模型在 0 时工作，分类误差为 9.1%，50/500=0.1，即应该是 10%。事实证明，1% 的误差（每条最小误差，实际误差会更大）。 该测试使用的是 CME 欧元兑美元的真实交易量：100 个交易条的累计交易量、Delta、背离和收敛。 在不改变任何模型设置的情况下，删除了 405 列 CME 数据（价格三角和之字形仍然保留），总共删除了 115 列，结果略有改善。也就是说，原来有时会在分割时选择成交量，但在 OOS 时它们变成了噪音。 为了便于比较，我把有成交量的图表放在顶部，没有成交量的图表放在底部。 我希望带 CME 的体积能带来额外的信息/规律性，从而提高学习效率。但正如你所看到的，尽管图表非常相似，但无成交量的模型更好一些。 这是我第二次采用 CME 方法（3 年前尝试过），但同样没有成功。 还有人试过在训练中加入交易量吗？结果一样吗？还是你让他们有所改进？ Rorschach 2023.04.09 17:49 #30092 Forester #:该测试使用的是 CME 欧元兑美元的真实交易量：100 条的累计交易量、三角、背离和收敛。 在不改变任何模型设置的情况下，删除了 405 列 CME 数据（价格三角和之字形仍然保留），总共删除了 115 列，结果略有改善。也就是说，原来有时在分割时会选择成交量，但在 OOS 时却变成了噪音。 为了便于比较，我将有成交量的图表放在上面，没有成交量的图表放在下面。我希望有 CME 的图卷会带来额外的信息/规律，从而提高学习效率。但正如你所看到的，尽管图表非常相似，但无体积的模型更好一些。 这是我第二次使用 CME（3 年前尝试过），但同样没有成功。 还有人试过在训练中加入交易量吗？结果一样吗？还是你让他们给了改进？ 你有没有试过我们的市场，似乎效率较低？ 或者谷物期货，那里可能有一些季节性周期。 Forester 2023.04.09 17:56 #30093 Rorschach #: 你试过我们的市场吗？ 效率比较低，不是吗？ 没有，利差也没那么有趣 但也许有一天会的我会去的 mytarmailS 2023.04.09 18:11 #30094 Forester #:我们希望有中小型企业的卷册能提供更多的信息/法律，从而改善学习曲线。但正如你所看到的，没有卷的模型略胜一筹......而且它们确实提供了大量信息，只是笨模型无法捕捉到这些信息 Forester 2023.04.09 18:20 #30095 mytarmailS #:它们携带着大量信息，只是愚蠢的模型无法接受这些信息 什么模型能承受？你试过了吗？比单纯的价格提高了多少？ mytarmailS 2023.04.09 18:25 #30096 Forester #: 你能搞到什么模型？ 恐怕没有，只有大脑。我不是开玩笑，我说的都是经验之谈。 СанСаныч Фоменко 2023.04.09 19:10 #30097 Forester #:该测试使用的是 CME 欧元兑美元的真实交易量：100 条的累计交易量、三角、背离和收敛。 在不改变任何模型设置的情况下，删除了 405 列 CME 数据（价格三角和之字形仍然保留），总共删除了 115 列，结果略有改善。也就是说，原来有时会在分割时选择成交量，但在 OOS 时它们变成了噪音。 为了便于比较，我将有成交量的图表放在上面，没有成交量的图表放在下面。我希望有 CME 的图卷会带来额外的信息/规律，从而提高学习效率。但正如你所看到的，尽管图表非常相似，但无体积的模型更好一些。 这是我第二次使用 CME（3 年前尝试过），但同样没有成功。 还有人试过在训练中加入交易量吗？结果一样吗？还是你让他们给了改进？ 你完全误解了我的帖子：不存在 "希望 "这回事，要么有性状适合度的数值估计，要么就没有。对性状在未来的适应性有一个数字估计。 СанСаныч Фоменко 2023.04.09 19:13 #30098 Maxim Dmitrievsky #: 教师是一组特质和标签，而不是您写的那样：)或者说，教师是一个普通人，或者是生成这些数据的算法😀 模型的选择很重要，你必须选择一个强大的模型。但是，既然所有强模型都具有相同的强特性，那么在它们之间做出选择就不再不重要了。 有时，了解正确的定义有助于正确思考。 我看到你有一种不可抑制的欲望，想朝我的方向吐口水，但你必须保存你的唾液，还是只做记号？ СанСаныч Фоменко 2023.04.09 19:17 #30099 mytarmailS #:首先，你必须意识到模型内部充满了垃圾...如果把一个训练有素的木质模型分解成内部规则和这些规则的统计数据，就会发现：就像并分析 错误 规则误差与样本中出现频率的关系得出那么我们对这个区域感兴趣在这一区域，规则非常有效，但却非常罕见，以至于我们有理由怀疑对其进行统计的真实性，因为 10-30 次观测并不是统计。 对我来说，这就是拟合的方式。完善模型中的规则就是完善模型 "看到 "的东西。 Maxim Dmitrievsky 2023.04.09 19:40 #30100 СанСаныч Фоменко #:我看到你有一种不可抑制的欲望，想朝我的方向吐口水，但你的口水应该留着，还是只用来做记号？ 这是对胡言乱语的正常反应，是国防部的基本常识。 就像胡说八道，胡说八道，胡说八道，胡说八道。 1...300330043005300630073008300930103011301230133014301530163017...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
不幸的是没人发现它，否则我就会在热带岛屿上，而不是在这里))))。
是的，即使是 1 棵树或倒退也能找到一个模式，只要它在那里并且没有改变。
很简单。我可以取消生成几十个数据集。我现在正在探索 TP=50 和 SL=500。老师的标注平均有 10%的误差。如果有 20%，那就是梅花模型了。
所以重点不在于分类误差，而在于所有盈亏相加的结果。
如图所示，顶级模型的误差为 9.1%，误差为 8.3%也能赚点。
图表中只显示了 OOS，由 Walking Forward 获得，每周重训一次，5 年共重训 264 次。
有意思的是，模型在 0 时工作，分类误差为 9.1%，50/500=0.1，即应该是 10%。事实证明，1% 的误差（每条最小误差，实际误差会更大）。
该测试使用的是 CME 欧元兑美元的真实交易量：100 个交易条的累计交易量、Delta、背离和收敛。
在不改变任何模型设置的情况下，删除了 405 列 CME 数据（价格三角和之字形仍然保留），总共删除了 115 列，结果略有改善。也就是说，原来有时会在分割时选择成交量，但在 OOS 时它们变成了噪音。
为了便于比较，我把有成交量的图表放在顶部，没有成交量的图表放在底部。
我希望带 CME 的体积能带来额外的信息/规律性，从而提高学习效率。但正如你所看到的，尽管图表非常相似，但无成交量的模型更好一些。
这是我第二次采用 CME 方法（3 年前尝试过），但同样没有成功。
还有人试过在训练中加入交易量吗？结果一样吗？还是你让他们有所改进？
该测试使用的是 CME 欧元兑美元的真实交易量：100 条的累计交易量、三角、背离和收敛。
在不改变任何模型设置的情况下，删除了 405 列 CME 数据（价格三角和之字形仍然保留），总共删除了 115 列，结果略有改善。也就是说，原来有时在分割时会选择成交量，但在 OOS 时却变成了噪音。
为了便于比较，我将有成交量的图表放在上面，没有成交量的图表放在下面。
我希望有 CME 的图卷会带来额外的信息/规律，从而提高学习效率。但正如你所看到的，尽管图表非常相似，但无体积的模型更好一些。
这是我第二次使用 CME（3 年前尝试过），但同样没有成功。
还有人试过在训练中加入交易量吗？结果一样吗？还是你让他们给了改进？
你有没有试过我们的市场，似乎效率较低？
或者谷物期货，那里可能有一些季节性周期。
你试过我们的市场吗？ 效率比较低，不是吗？
我们希望有中小型企业的卷册能提供更多的信息/法律，从而改善学习曲线。但正如你所看到的，没有卷的模型略胜一筹......
你能搞到什么模型？
该测试使用的是 CME 欧元兑美元的真实交易量：100 条的累计交易量、三角、背离和收敛。
在不改变任何模型设置的情况下，删除了 405 列 CME 数据（价格三角和之字形仍然保留），总共删除了 115 列，结果略有改善。也就是说，原来有时会在分割时选择成交量，但在 OOS 时它们变成了噪音。
为了便于比较，我将有成交量的图表放在上面，没有成交量的图表放在下面。
我希望有 CME 的图卷会带来额外的信息/规律，从而提高学习效率。但正如你所看到的，尽管图表非常相似，但无体积的模型更好一些。
这是我第二次使用 CME（3 年前尝试过），但同样没有成功。
还有人试过在训练中加入交易量吗？结果一样吗？还是你让他们给了改进？
你完全误解了我的帖子：不存在 "希望 "这回事，要么有性状适合度的数值估计，要么就没有。对性状在未来的适应性有一个数字估计。
教师是一组特质和标签，而不是您写的那样：)或者说，教师是一个普通人，或者是生成这些数据的算法😀
我看到你有一种不可抑制的欲望，想朝我的方向吐口水，但你必须保存你的唾液，还是只做记号？
首先，你必须意识到模型内部充满了垃圾...
如果把一个训练有素的木质模型分解成内部规则和这些规则的统计数据，就会发现：
就像
并分析 错误 规则误差与样本中出现频率的关系
得出
那么我们对这个区域感兴趣
在这一区域，规则非常有效，但却非常罕见，以至于我们有理由怀疑对其进行统计的真实性，因为 10-30 次观测并不是统计。
对我来说，这就是拟合的方式。完善模型中的规则就是完善模型 "看到 "的东西。
我看到你有一种不可抑制的欲望，想朝我的方向吐口水，但你的口水应该留着，还是只用来做记号？
这是对胡言乱语的正常反应，是国防部的基本常识。
就像胡说八道，胡说八道，胡说八道，胡说八道。