交易中的机器学习:理论、模型、实践和算法交易 - 页 3189

 
Aleksey Vyazmikin #:

有了这样的表达能力,读诗或在市场上卖黄瓜都不错。

建设性的批评在哪里?

就是这样,有什么好批评的?)你知道自己做了什么以及为什么吗?如果意识到了,为什么还要在论坛上问呢?)

我看到有人试图把之前努力后留下的数字放到某个地方。
 

嗯,还有一个不太科学的补充--样本中收集的指标必须与利润有某种关联。在完全左翼特征的基础上与 SB 产生差异,在我看来是没有意义的。

那么,简化计算方案,除了加快速度外,还能使人更确信没有错误,并相应地降低自欺欺人的可能性。

 
Aleksey Nikolayev #:

提出简化的模拟计算方案。

为了对结果的意义有一定的(不是绝对的)信心,真实数据的结果至少应在样本的 5%尾部(左侧或右侧)。但样本至少要有几千个。

如果我把实验条件改成下面这样:

1.1. 在原始样本中,我们找到将来要用到的量子片段,这样就形成了一个量子表 - 接下来我们只用它来工作。

2.随机生成一个与原始样本参数相同的目标样本 - 1000 个周期。

3.计算与原始变体相比,有多少量子段被选中。它们可能相同,也可能更少。

4.通过标准偏差进行评估。如果标准差很小,那么随机目标就有很大机会进入所选的量子段。

您怎么看?

 
Aleksey Nikolayev #:

嗯,还有一个不太科学的补充--样本中收集的指标必须与利润有某种关联。在我看来,根据一个完全左翼的特征将其与 SB 区分开来是毫无意义的。

即改变指标,使利润与原来的相当?我不太明白你的意思。

 
Maxim Dmitrievsky #:
这就是终点,有什么好批评的?)你意识到自己的行为和原因了吗?如果意识到了,为什么还要在论坛上问?)

我看到有人试图把之前努力后留下的数字放在某处。

现在是你不明白我在做什么,我可以看到这一点,因为我正在评估对你的问题和断言的反馈。

等你弄明白了,我们再继续对话。

 
Aleksey Vyazmikin #:

现在是你不明白我在做什么,而我在评估对你的问题和断言的反馈时也很明显。

等你弄明白了,我们再继续对话。

你在寻找与 sb 上的序列不同的序列。

那是因为没人找到过。用增量的符号来计算熵就够了,别再胡扯了。
 
Aleksey Vyazmikin #:

如果我将实验条件改为以下内容:

1.在原始样本上我们找到量子片段,这些量子片段应该被进一步使用,这样就形成了一个量子表 - 接下来我们只使用它。

2.随机生成一个与原始样本参数相同的目标样本 - 1000 个周期。

3.计算与原始变体相比,有多少量子段被选中。它们可能相同,也可能更少。

4. 通过标准偏差进行估算。如果标准差较小,随机目标就有很大机会进入被选中的量子段。

您怎么看?

将其与利润联系起来,至少要近似地联系起来,并将实际利润与随机利润样本进行比较。检查样本的平均利润是否等于零。检查实际利润相对于样本的正相关性--三西格玛法则。

我不准备详谈您的任务,因为我自己的任务也很繁重。

 
Aleksey Vyazmikin #:

即改变目标,使利润与原来的相当?我不知道是什么意思。

你们的计算器是为了盈利吗?有相应的计划吗?把它简化到极致,这样你就可以计算(哪怕是粗略地计算)一个快速样本,然后检查真实结果是否命中样本的尾部。

你愿意要求别人深入研究你的思维模式,却又完全不愿意深入研究蒙特卡洛这样简单而广为人知的想法,这让人感到厌烦。

我想我已经受够了。

 
Aleksey Nikolayev #:

你总是要求别人进入你的思维模式,而你却完全不愿意进入蒙特卡洛这样简单而广为人知的想法,这让人感到厌烦。

我觉得我受够了。

我自己说得再好不过了。
我很久以前就意识到,酒壶在吹口哨。
忽略它是最好的解决办法,你会因此更健康。
 
Maxim Dmitrievsky #:
您要寻找的序列与 sb 上的序列不同。您找不到任何序列。

那是因为没人找到。用增量符号来计算熵就足够了,不用再忍受废话。

关于严格序列,我只是举例说明。我还写道,解决这个问题可以提高模型的稳定性。但解决方法可以不同。

即使不解决上述问题--选择正确的量子表也能提高学习效果,这是我在几十个样本上测试过的。

然后,我展示了如何快速进行训练预处理,从不连贯数据中清除样本。你可以从图片上看到,用这种方法甚至可以在新数据上建立一个有利可图的模型。

总而言之,这种方法是可行的,开发这种方法是我的目标。

因此,说它不可行就是否认现实。

我不相信价格是纯粹的 SB 形式,其本质至少无法部分解析。如果它是纯粹的 SB,那么整个分支就是一个错误。