交易中的机器学习：理论、模型、实践和算法交易 - 页 3033 1...302630273028302930303031303230333034303530363037303830393040...3399 新评论 Aleksey Vyazmikin 2023.04.15 11:59 #30321 Forester #: 结论并不明显。有没有像几何问题那样的证明？每个点与直线的偏差是显而易见的选项。我现在主要用它。 A 最大值线总是高于回归线。趋势线的波动越大，移动到 180 度（如果天平没有亏损）的幅度就越大，如果天平已经亏损，则进一步移动到 270 度。 通过这两个角度的比较，我们可以评估余额动态的稳定性。它告诉我们，相对于余额的有条件线性增长，价格波动了多少。还可以规划期望矩阵，并建立一个与之相对的理想线性余额（非目标值），并以同样的方式计算偏差。 蓝线是新的回归趋势线。 Forester 2023.04.15 12:14 #30322 Aleksey Vyazmikin #: A 线 - 最大值总是高于回归线。趋势线的波动越大，向 180 度（如果资产负债表未出现亏损）的移动就越强，如果资产负债表出现亏损，则进一步向 270 度移动。通过这两个角度的比较，我们可以评估资产负债表动态的稳定性。它告诉我们，相对于余额的有条件线性增长，价格波动了多少。还可以规划预期矩阵，并根据预期矩阵建立理想的线性平衡（非目标），并以同样的方式计算偏差。蓝线是新的回归趋势线。 最好不要用眼睛画线，而是用公式。，我认为，如果你把你的线，除了最大点外，增加它的传播（不稳定性），回归线将保持不变。但稳定性会降低。 Aleksey Vyazmikin 2023.04.15 12:45 #30323 Forester #: 最好不要用眼睛画线，而是用公式来画。 我认为，如果把你的线扩大（不稳定），除了最大点之外，回归线将保持不变。但稳定性会降低。 这个话题总是这样--你告诉人们一个想法，他们没有经过测试就立即开始称赞。 Forester 2023.04.15 13:04 #30324 Aleksey Vyazmikin #: 这就是这个主题的一贯特点--你告诉人们一个想法，而他们没有进行测试，就立即开始称赞它。 我没有称赞它，我只是表达了我的怀疑，因为结果并不明显。 在图中，你并没有增大原线的差值，而是画了一条完全不同的线。 如果你精确地增大差值，第一条回归线肯定会对应不止一个变体的图形。例如，如果每个点与回归线的距离较高，则增加其距离的 10%，如果较低，则减去其距离的 10%。其他 5%、20%、30% 等变式会产生许多稳定性不同的变式，但回归线几乎相同或完全相同。 就是这样： 除了最大点之外，您还需要从下往上进行补偿，以使回归线完全一致。我相信你能找到的。好吧，我不打算这么做。我将处理一个显而易见的方案，这是我之前表达过的。 Aleksey Vyazmikin 2023.04.15 14:00 #30325 Forester #:我不是在称赞，我是在表示怀疑，因为结果并不明显。 在图上，你没有增加原线的跨度，而是画了一条完全不同的线。 我是根据您的标准绘制的--最大摆动和更大摆动的重合。我不明白哪里出了问题。 Forester#: 如果您确切地增加了跨度，那么第一条回归线肯定会对应不止一个图形变体。 当然，这种方法只给出相对估计值，并不意味着恢复平衡图表的走势。 Forester#: 举例来说，如果每个点距离回归线较高，则增加其距离的 10%；如果较低，则减去其距离的 10%。其他 5%、20%、30% 等选项会产生许多稳定性不同但回归线几乎或完全相同的变体。 为了清楚起见，我添加了 +30% 和 -30% - 你可以看到有平行线到达最大值。水蓝色回归线与黑色交叉，因此程度较小--平衡性较好。 Forester#: 除了最大点之外，还需要从下往上进行补偿，使线条完全重合。我相信你能找到的。我不会这么做。我将采用一个显而易见的方案，也就是我之前提出的方案。 你想怎么做就怎么做吧--你自己的版本总是更好的。 我想出了一个简单有效的方法--也许不是最好的，但很管用。 如果你从零开始做平衡，你也可以看到水蓝色更好--最大线的角度显示了这一点，而回归线几乎是平行的。 Maxim Dmitrievsky 2023.04.15 15:16 #30326 您能用两个词再说一遍您是做什么的吗？) Forester 2023.04.15 15:23 #30327 Aleksey Vyazmikin #:我是按照您的标准画的--最大值和较大波动的重合。我看不出有什么问题。当然，这种方法只是给出了一个相对估计值，并不意味着恢复了平衡图表的运动。为了清楚起见，我添加了 +30% 和 -30% - 你可以看到最大值有平行线。水蓝色回归线与黑色交叉，因此程度较小，平衡性较好。你想怎么做就怎么做吧--你自己的变体总是更好的。我想出了一个有效的简单方法--也许不是最好的，但相当有效。如果从零开始进行平衡，你还可以看到水蓝色更好--最大线的角度就说明了这一点，而回归线几乎是平行的。 您将第 2 条线向上移动了。而我建议的是更大的差值（见我的图）。回归线上方的应该更高（你做到了），下方的应该更低（你也做得更高了）。 但我不需要。只有当您自己感兴趣时... Forester 2023.04.15 15:24 #30328 Maxim Dmitrievsky #: 您能用两个词再说一遍您是做什么的吗？) 平衡） Aleksey Nikolayev 2023.04.15 15:40 #30329 Maxim Dmitrievsky #: 您能用两个词再说一遍您是做什么的吗？) 发明自己的夏普（Sharpe）和索蒂诺（Sortino））与二十一点和其他必要) Aleksey Vyazmikin 2023.04.15 16:05 #30330 Forester #:您将第二条线向上移动了。我建议的是更大的差值（见我的图）。回归线上方的应该更高（你做到了），下方的应该更低（你也做到了）。 但我不需要。只有当您自己感兴趣时...我完全按照你写的做了。 N P.P. 余额 1 T.L.Reg. 偏差 校正 余额 2 1 0 4,075 -4,075 -2,8525 0 2 5 4,4929 0,5071 0,65923 5,15213 3 7 4,9108 2,0892 2,71596 7,62676 4 5 5,3287 -0,3287 -0,23009 5,09861 5 3 5,7466 -2,7466 -1,92262 3,82398 6 8 6,1645 1,8355 2,38615 8,55065 7 10 6,5824 3,4176 4,44288 11,02528 8 9 7,0003 1,9997 2,59961 9,59991 9 8 7,4182 0,5818 0,75634 8,17454 10 7 7,8361 -0,8361 -0,58527 7,25083 11 9 8,254 0,746 0,9698 9,2238 12 8 8,6719 -0,6719 -0,47033 8,20157 13 9 9,0898 -0,0898 -0,06286 9,02694 14 8 9,5077 -1,5077 -1,05539 8,45231 15 9 9,9256 -0,9256 -0,64792 9,27768 Machine learning in trading: Gogetter EA Gogetter EA 1...302630273028302930303031303230333034303530363037303830393040...3399 新评论 原因: 取消 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
结论并不明显。有没有像几何问题那样的证明？每个点与直线的偏差是显而易见的选项。我现在主要用它。
A 最大值线总是高于回归线。趋势线的波动越大，移动到 180 度（如果天平没有亏损）的幅度就越大，如果天平已经亏损，则进一步移动到 270 度。
通过这两个角度的比较，我们可以评估余额动态的稳定性。它告诉我们，相对于余额的有条件线性增长，价格波动了多少。还可以规划期望矩阵，并建立一个与之相对的理想线性余额（非目标值），并以同样的方式计算偏差。
蓝线是新的回归趋势线。
A 线 - 最大值总是高于回归线。趋势线的波动越大，向 180 度（如果资产负债表未出现亏损）的移动就越强，如果资产负债表出现亏损，则进一步向 270 度移动。
通过这两个角度的比较，我们可以评估资产负债表动态的稳定性。它告诉我们，相对于余额的有条件线性增长，价格波动了多少。还可以规划预期矩阵，并根据预期矩阵建立理想的线性平衡（非目标），并以同样的方式计算偏差。
蓝线是新的回归趋势线。
，我认为，如果你把你的线，除了最大点外，增加它的传播（不稳定性），回归线将保持不变。但稳定性会降低。
最好不要用眼睛画线，而是用公式来画。 我认为，如果把你的线扩大（不稳定），除了最大点之外，回归线将保持不变。但稳定性会降低。
这个话题总是这样--你告诉人们一个想法，他们没有经过测试就立即开始称赞。
这就是这个主题的一贯特点--你告诉人们一个想法，而他们没有进行测试，就立即开始称赞它。
我没有称赞它，我只是表达了我的怀疑，因为结果并不明显。
在图中，你并没有增大原线的差值，而是画了一条完全不同的线。
如果你精确地增大差值，第一条回归线肯定会对应不止一个变体的图形。例如，如果每个点与回归线的距离较高，则增加其距离的 10%，如果较低，则减去其距离的 10%。其他 5%、20%、30% 等变式会产生许多稳定性不同的变式，但回归线几乎相同或完全相同。
就是这样：
除了最大点之外，您还需要从下往上进行补偿，以使回归线完全一致。我相信你能找到的。好吧，我不打算这么做。我将处理一个显而易见的方案，这是我之前表达过的。
我不是在称赞，我是在表示怀疑，因为结果并不明显。
在图上，你没有增加原线的跨度，而是画了一条完全不同的线。
我是根据您的标准绘制的--最大摆动和更大摆动的重合。我不明白哪里出了问题。
如果您确切地增加了跨度，那么第一条回归线肯定会对应不止一个图形变体。
当然，这种方法只给出相对估计值，并不意味着恢复平衡图表的走势。
举例来说，如果每个点距离回归线较高，则增加其距离的 10%；如果较低，则减去其距离的 10%。其他 5%、20%、30% 等选项会产生许多稳定性不同但回归线几乎或完全相同的变体。
为了清楚起见，我添加了 +30% 和 -30% - 你可以看到有平行线到达最大值。水蓝色回归线与黑色交叉，因此程度较小--平衡性较好。
除了最大点之外，还需要从下往上进行补偿，使线条完全重合。我相信你能找到的。我不会这么做。我将采用一个显而易见的方案，也就是我之前提出的方案。
你想怎么做就怎么做吧--你自己的版本总是更好的。
我想出了一个简单有效的方法--也许不是最好的，但很管用。
如果你从零开始做平衡，你也可以看到水蓝色更好--最大线的角度显示了这一点，而回归线几乎是平行的。
我是按照您的标准画的--最大值和较大波动的重合。我看不出有什么问题。
当然，这种方法只是给出了一个相对估计值，并不意味着恢复了平衡图表的运动。
为了清楚起见，我添加了 +30% 和 -30% - 你可以看到最大值有平行线。水蓝色回归线与黑色交叉，因此程度较小，平衡性较好。
你想怎么做就怎么做吧--你自己的变体总是更好的。
我想出了一个有效的简单方法--也许不是最好的，但相当有效。
如果从零开始进行平衡，你还可以看到水蓝色更好--最大线的角度就说明了这一点，而回归线几乎是平行的。
您将第 2 条线向上移动了。而我建议的是更大的差值（见我的图）。回归线上方的应该更高（你做到了），下方的应该更低（你也做得更高了）。
但我不需要。只有当您自己感兴趣时...
您能用两个词再说一遍您是做什么的吗？)
您能用两个词再说一遍您是做什么的吗？)
发明自己的夏普（Sharpe）和索蒂诺（Sortino））与二十一点和其他必要)
您将第二条线向上移动了。我建议的是更大的差值（见我的图）。回归线上方的应该更高（你做到了），下方的应该更低（你也做到了）。
但我不需要。只有当您自己感兴趣时...
我完全按照你写的做了。