交易中的机器学习：理论、模型、实践和算法交易 - 页 3049 1...304230433044304530463047304830493050305130523053305430553056...3399 新评论 СанСаныч Фоменко 2023.04.26 11:50 #30481 Aleksey Nikolayev #:对于交易任务来说，RL 的概念不是多余的吗？我们有环境对代理的影响，但代理对环境有影响吗？我们可以人为地引入第二种影响，但这样做有意义吗？文章中的两个（或三个）观点对我们来说一点也不多余--那就是损失 函数应该准确反映我们的需求，而且应该是平滑的（单调 的）。在我们的例子中，它应该是利润，而且应该平稳地、单调地依赖于模型参数。也许可以通过某种方法（例如核平滑法）来实现利润的某种类似物的平滑性。但我很怀疑单调性。 交易的财务结果的基础是价格变动--一个非平稳的随机过程。 我们是否试图通过一些技巧将一个非平稳的随机过程变成一个平稳的单调过程？也许我们走得太远了？特别是如果我们考虑到在训练集之外的分类误差小于 20%（！）是非常难以实现的。也许我们应该从减少分类误差入手？ СанСаныч Фоменко 2023.04.26 12:08 #30482 阅读文章。 这篇文章对我们有什么好处？ 完全令人怀疑。 原因如下。 现在，我不记得有任何关于人工智能（MO）的出版物可以预测未来。他们教一个模型写手写字母。然后，他们尝试识别这些手写字母。但这个模型主要不是用来预测下一个字母是什么的。 这就是我们的问题所在。 我们正试图利用 MO（与我们在烛台组合方面所做的工作相同）在预测器中找到一些能够给出正确预测的模式。但是，我们无法保证找到的模式将来会给出正确的预测。"正确的 "模式会给出错误的预测，而 "错误的 "模式则会给出正确的预测。原因在于分类算法本身，它给出的是类的可验证性，而不是其价值。我们使用最原始的正则化 0.5 来划分类别。如果在训练过程中，"正确 "模式的概率 = 0.5000001，为什么我们要把这个概率作为类值呢？ 为了摆脱这种情况，我们开始种植菜园，但我们从中寻找模式的预测值要么不是静态的，要么是伪静态的，与价格的关系微乎其微！ mytarmailS 2023.04.26 12:10 #30483 Aleksey Nikolayev #:我们有环境对代理人的影响，但代理人对环境有影响吗？也许可以人为地引入第二种影响，但这有意义吗？ 这完全取决于手头的任务。 如果我们像绝大多数人那样预测一个现成的目标，那么我们对环境就没有影响，也就没有必要使用 RL。 但是，举例来说，如果头寸管理、止损、止盈...... 资产管理是我们（代理）管理的环境。 代理决定是否下单。 以什么价格下单 何时撤单或移动、 当当前仓位的损失超过 n 个点时，他将怎么办？ 如果连续五次亏损，他会怎么做？ 你看，这是一个完全不同层次的任务，有很多状态（输出），而不是 最原始的 向上/向下分类。 更简单地说，我们无法管理市场，但我们可以管理头寸和风险，因为我们可以！ 阿列克谢-尼古拉耶夫#： 也许可以通过某种方式（例如，通过类似核平滑的方法）实现利润的某种类似物的平滑性。但我很怀疑单调性。 我不太明白 "平滑性 "是什么意思，为什么 "平滑性 "是必要的....。 也许我们可以使用多标准优化来找到最佳解决方案。 Valeriy Yastremskiy 2023.04.26 16:16 #30484 mytarmailS #:这完全取决于手头的任务。如果我们像绝大多数人一样，预测一个现成的目标，那么我们对环境就没有任何影响，也就不需要 RL 本身....。但是，举例来说，如果我们的任务是位置管理、停车、起飞......资产管理就是我们（代理人）管理的环境...代理决定是否下单。 以什么价格下单、 以及何时取出或移动、 以及当当前仓位的损失超过 n 个点时，他会怎么做、以及当他连续五次亏损时该怎么办......你看，这是一个完全不同层次的任务，有很多状态（输出），而不是 原始的 上下分类更简单地说，我们无法管理市场，但我们可以管理头寸和风险，我们可以！我不太明白 "平滑性 "是怎么一回事，为什么需要它....。也许我们可以对搜索进行多标准优化。 我们可以将代理平均化。 Maxim Dmitrievsky 2023.04.26 16:19 #30485 Valeriy Yastremskiy #: 代理有可能是平均值。https://www.mql5.com/ru/code/22915 Aleksey Nikolayev 2023.04.26 19:56 #30486 СанСаныч Фоменко #:交易财务结果的基础是价格变动--一个非平稳的随机过程。我们是否试图通过一些技巧将非平稳随机过程变成平稳单调 的过程？也许我们走得太远了？特别是如果我们考虑到在训练集之外的分类误差小于 20%（！）是非常难以实现的。也许我们应该从减少分类误差入手？ 我说的是通过训练模型最小化损失函数的特性。更准确地说，是它的理想形式。 Aleksey Nikolayev 2023.04.26 19:58 #30487 mytarmailS #:我不太明白光滑度是怎么形成的，为什么需要光滑度。 这是优化的基础。平滑度使梯度优化成为可能。否则，就只能用蛮力算法了。 mytarmailS 2023.04.26 20:11 #30488 Aleksey Nikolayev #:这是优化的基础 是的，我知道，但最近他们在讨论资本曲线本身的平滑性，所以我并没有深入探讨这些问题，这就是我问你什么意思的原因。 mytarmailS 2023.04.27 10:38 #30489 离题。 最棒的交易之一 黄金 风险/回报 24 分之 1 spiderman8811 2023.04.27 13:15 #30490 mytarmailS #:跑题了...有史以来最好的交易之一黄金风险/回报 24 分之 1"水体 "是个不错的选择） 1...304230433044304530463047304830493050305130523053305430553056...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
对于交易任务来说，RL 的概念不是多余的吗？我们有环境对代理的影响，但代理对环境有影响吗？我们可以人为地引入第二种影响，但这样做有意义吗？
文章中的两个（或三个）观点对我们来说一点也不多余--那就是损失 函数应该准确反映我们的需求，而且应该是平滑的（单调 的）。在我们的例子中，它应该是利润，而且应该平稳地、单调地依赖于模型参数。
也许可以通过某种方法（例如核平滑法）来实现利润的某种类似物的平滑性。但我很怀疑单调性。
交易的财务结果的基础是价格变动--一个非平稳的随机过程。
我们是否试图通过一些技巧将一个非平稳的随机过程变成一个平稳的单调过程？也许我们走得太远了？特别是如果我们考虑到在训练集之外的分类误差小于 20%（！）是非常难以实现的。也许我们应该从减少分类误差入手？
阅读文章。
这篇文章对我们有什么好处？
完全令人怀疑。
原因如下。
现在，我不记得有任何关于人工智能（MO）的出版物可以预测未来。他们教一个模型写手写字母。然后，他们尝试识别这些手写字母。但这个模型主要不是用来预测下一个字母是什么的。
这就是我们的问题所在。
我们正试图利用 MO（与我们在烛台组合方面所做的工作相同）在预测器中找到一些能够给出正确预测的模式。但是，我们无法保证找到的模式将来会给出正确的预测。"正确的 "模式会给出错误的预测，而 "错误的 "模式则会给出正确的预测。原因在于分类算法本身，它给出的是类的可验证性，而不是其价值。我们使用最原始的正则化 0.5 来划分类别。如果在训练过程中，"正确 "模式的概率 = 0.5000001，为什么我们要把这个概率作为类值呢？
为了摆脱这种情况，我们开始种植菜园，但我们从中寻找模式的预测值要么不是静态的，要么是伪静态的，与价格的关系微乎其微！
我们有环境对代理人的影响，但代理人对环境有影响吗？也许可以人为地引入第二种影响，但这有意义吗？
这完全取决于手头的任务。
如果我们像绝大多数人那样预测一个现成的目标，那么我们对环境就没有影响，也就没有必要使用 RL。
但是，举例来说，如果头寸管理、止损、止盈......
资产管理是我们（代理）管理的环境。
代理决定是否下单。
以什么价格下单
何时撤单或移动、
当当前仓位的损失超过 n 个点时，他将怎么办？
如果连续五次亏损，他会怎么做？
你看，这是一个完全不同层次的任务，有很多状态（输出），而不是 最原始的 向上/向下分类。
更简单地说，我们无法管理市场，但我们可以管理头寸和风险，因为我们可以！
也许可以通过某种方式（例如，通过类似核平滑的方法）实现利润的某种类似物的平滑性。但我很怀疑单调性。
我不太明白 "平滑性 "是什么意思，为什么 "平滑性 "是必要的....。
也许我们可以使用多标准优化来找到最佳解决方案。
这完全取决于手头的任务。
如果我们像绝大多数人一样，预测一个现成的目标，那么我们对环境就没有任何影响，也就不需要 RL 本身....。
但是，举例来说，如果我们的任务是位置管理、停车、起飞......
资产管理就是我们（代理人）管理的环境...
代理决定是否下单。
以什么价格下单、
以及何时取出或移动、
以及当当前仓位的损失超过 n 个点时，他会怎么做、
以及当他连续五次亏损时该怎么办......
你看，这是一个完全不同层次的任务，有很多状态（输出），而不是 原始的 上下分类
更简单地说，我们无法管理市场，但我们可以管理头寸和风险，我们可以！
我不太明白 "平滑性 "是怎么一回事，为什么需要它....。
也许我们可以对搜索进行多标准优化。
代理有可能是平均值。
交易财务结果的基础是价格变动--一个非平稳的随机过程。
我们是否试图通过一些技巧将非平稳随机过程变成平稳单调 的过程？也许我们走得太远了？特别是如果我们考虑到在训练集之外的分类误差小于 20%（！）是非常难以实现的。也许我们应该从减少分类误差入手？
我说的是通过训练模型最小化损失函数的特性。更准确地说，是它的理想形式。
我不太明白光滑度是怎么形成的，为什么需要光滑度。
这是优化的基础。平滑度使梯度优化成为可能。否则，就只能用蛮力算法了。
这是优化的基础
是的，我知道，但最近他们在讨论资本曲线本身的平滑性，所以我并没有深入探讨这些问题，这就是我问你什么意思的原因。
离题。
最棒的交易之一
黄金
风险/回报 24 分之 1
跑题了...
有史以来最好的交易之一
黄金
风险/回报 24 分之 1