交易中的机器学习:理论、模型、实践和算法交易 - 页 3095 1...308830893090309130923093309430953096309730983099310031013102...3399 新评论 Maxim Dmitrievsky 2023.06.04 07:01 #30941 我已经多次指出,以 Python 为例,GPT 有时比在互联网上搜索更方便。在同一个 Pandas 中,有一百万个短语,你不可能全部记住,但它能很快给出答案,而 Google 则需要更长的时间。而且答案会根据问题的上下文立即给出,而不仅仅是一个抽象的例子。还不错。 Vladimir Perervenko 2023.06.04 07:21 #30942 Renat Fatkhullin #: 我们可能会向公众发布以前编写的 R 软件包。我们应该对其进行修订,并添加缺失的功能。 之前发布的 Python 软件包呈现出爆炸式增长,并且还在继续增长。这是我们始料未及的。 这将是一个非常好的决定。如果需要,我愿意参与测试。 祝好运 mytarmailS 2023.06.04 07:53 #30943 Vladimir Perervenko #:这将是一个非常好的解决方案。如有需要,我随时准备参与测试。 祝好运 我也愿意参与。 Maxim Dmitrievsky 2023.06.05 02:22 #30944 采用文章中建议的方法,您就无法通过不同的型号来选择最佳型号(ptu 风格)。这是https://en.wikipedia.org/wiki/Multiple_comparisons_problem。 Maxim Dmitrievsky 2023.06.05 07:08 #30945 mytarmailS #:一个实验涉及一辆车我一直在为超配而苦恼,我曾多次嘀咕--去看看 Kozul。所有这些技术都来自那里,普拉多的灵感(部分)也来自那里。这是统计学对 ML 的一种概括。 你可以根据给定的标准(tritment)对模型进行推断。这是关于消除数据中的偏差和方差,以便更好地处理新数据。 Forester 2023.06.05 07:17 #30946 Maxim Dmitrievsky #: 按照文章中建议的方法,您无法通过不同的型号来选择最佳型号(ptu 风格)。这是 https://en.wikipedia.org/wiki/Multiple_comparisons_problem。 我还是想知道更多细节......您打算如何从成千上万的选项中选择一个模型? 这个软件包主要是评估在选定的预测因子上成功训练选定目标的可能性。如果大多数模型都是成功的,那么选定的模型也很可能是成功的。 没有选择一个特定的模型(我的理解)。应该用另一种方法来选择,文章中没有讨论。还有很多注意事项和限制(好几页纸),其中一些我已经叙述过了。 mytarmailS#: 在文章中,只有一个 TC 参与了实验。 那里的模型是不同的,因为它们有不同的指标参数。但指标集可以是相同的。我认为这就是混淆之处。 你可以说--策略是相同的,但模型(变体)是不同的 Maxim Dmitrievsky 2023.06.05 07:21 #30947 Forester #:不过,我还是很想知道更多细节......你打算如何从成千上万的选项中选择一个模型? 这个软件包主要是评估在选定的预测因子上成功训练选定目标的可能性。如果大多数模型都是成功的,那么选定的模型也很可能是成功的。 没有选择一个特定的模型(我的理解)。应该用另一种方法来选择,文章中没有讨论。还有很多注意事项和限制(几页纸),其中一些我已经叙述过了。那里的模型是不同的,因为它们有不同的指标参数。但指标集可以是相同的。我想这就是困惑所在。 如果所有指标都是好的,你只能从好的指标中选择。如果你把选择问题放在这种方式上,或者放在某个置信区间内,那么所有的指标都是好的。否则就是上述问题,需要付出更多努力。 我不知道谁具体做什么,所以这个问题对我来说很模糊。 mytarmailS 2023.06.05 07:38 #30948 做实验、写代码... 我试过了,成功了,然后我又想用哪种 TC 更好,等等,我又进一步深入...... 你会再花一年时间讨论理论,然后放弃,就这样结束了。 Forester 2023.06.05 07:42 #30949 我还是不明白。 Forester #: 但我不明白他们是如何在没有训练的情况下进行交叉验证的。他们只是输入一组准备好的回报,然后在 12000 个变体上进行混合。它应该在 12000 个 IS 中的每个 IS 上进行训练,并在每个相应的 OOS 上进行预测。 他们是否从托盘中输入回报? 在我看来,这是评估托盘平衡曲线平直度的选项之一。 Forester 2023.06.05 08:10 #30950 Maxim Dmitrievsky #:由于我们通过交叉验证消除了偏差(这是最主要的)和方差,模型开始在新数据上表现+-适当。然后就可以对其进行微调。 美丽的平衡线) 您也可以将其用于交易。 1...308830893090309130923093309430953096309730983099310031013102...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
我们可能会向公众发布以前编写的 R 软件包。我们应该对其进行修订,并添加缺失的功能。
这将是一个非常好的决定。如果需要,我愿意参与测试。
祝好运
这将是一个非常好的解决方案。如有需要,我随时准备参与测试。
祝好运
一个实验涉及一辆车
我一直在为超配而苦恼,我曾多次嘀咕--去看看 Kozul。所有这些技术都来自那里,普拉多的灵感(部分)也来自那里。
这是统计学对 ML 的一种概括。
你可以根据给定的标准(tritment)对模型进行推断。这是关于消除数据中的偏差和方差,以便更好地处理新数据。按照文章中建议的方法,您无法通过不同的型号来选择最佳型号(ptu 风格)。这是 https://en.wikipedia.org/wiki/Multiple_comparisons_problem。
我还是想知道更多细节......您打算如何从成千上万的选项中选择一个模型?
这个软件包主要是评估在选定的预测因子上成功训练选定目标的可能性。如果大多数模型都是成功的,那么选定的模型也很可能是成功的。
没有选择一个特定的模型(我的理解)。应该用另一种方法来选择,文章中没有讨论。还有很多注意事项和限制(好几页纸),其中一些我已经叙述过了。
那里的模型是不同的,因为它们有不同的指标参数。但指标集可以是相同的。我认为这就是混淆之处。
你可以说--策略是相同的,但模型(变体)是不同的
不过,我还是很想知道更多细节......你打算如何从成千上万的选项中选择一个模型?
这个软件包主要是评估在选定的预测因子上成功训练选定目标的可能性。如果大多数模型都是成功的,那么选定的模型也很可能是成功的。
没有选择一个特定的模型(我的理解)。应该用另一种方法来选择,文章中没有讨论。还有很多注意事项和限制(几页纸),其中一些我已经叙述过了。
那里的模型是不同的,因为它们有不同的指标参数。但指标集可以是相同的。我想这就是困惑所在。
如果所有指标都是好的,你只能从好的指标中选择。如果你把选择问题放在这种方式上,或者放在某个置信区间内,那么所有的指标都是好的。否则就是上述问题,需要付出更多努力。
我不知道谁具体做什么,所以这个问题对我来说很模糊。
做实验、写代码...
我试过了,成功了,然后我又想用哪种 TC 更好,等等,我又进一步深入......
你会再花一年时间讨论理论,然后放弃,就这样结束了。
但我不明白他们是如何在没有训练的情况下进行交叉验证的。他们只是输入一组准备好的回报,然后在 12000 个变体上进行混合。它应该在 12000 个 IS 中的每个 IS 上进行训练,并在每个相应的 OOS 上进行预测。
在我看来,这是评估托盘平衡曲线平直度的选项之一。
由于我们通过交叉验证消除了偏差(这是最主要的)和方差,模型开始在新数据上表现+-适当。然后就可以对其进行微调。
您也可以将其用于交易。