交易中的机器学习:理论、模型、实践和算法交易 - 页 3346 1...333933403341334233433344334533463347334833493350335133523353...3399 新评论 [删除] 2023.12.10 06:50 #33451 为了得出中间结论,无论是在 Kozula 和变分法中,还是在所有其他方向中,如贝叶斯分类器和广义线性模型,在应用于 MO 时,都会使用集合。在 kozul 中,出于某种原因,它们通常仅限于一个分类器或回归器(或两个),又称元勒纳。而在关于 catbust 和其他库的论文中,则使用了集合。科祖拉为什么没有揭示这一点,这有点奇怪。他们没有归纳出集合的情况。这基本上只是模型上的统计。虽然没有什么特别的魔力,但有时结果还是令人满意的。我还没有看到过任何关于这方面的通用参考书。这有点像 ML。此外,还有一个岔路口,即如何将所有这些应用于时间序列的分类,以及一个特殊的案例--用于交易的 BP 分类,后一个主题几乎没有在任何地方披露或提及。 fxsaber 2023.12.10 15:47 #33452 Maxim Dmitrievsky #: 其特殊之处在于,即使不知道真实的点差,在测试仪中人为地增加 点差时,也会有一部分交易失败。 点差增加多少,矩阵期望值就会降低多少。我不明白点差有什么问题。 nevar 2023.12.10 15:48 #33453 Maxim Dmitrievsky # : 谷歌的新产品 TSMixer 在基准测试中似乎优于 TimeGPT,我刚开始读它。 在每日和每小时数据中,NHITS 和 lightGBM 的有效值也低于 TimeGPT。 https://valeman.medium.com/what-truly-works-in-time-series-forecasting-the-results-from-nixtlas-mega-study-78eda5133622 您尝试过 Conformal Prediction 吗? https://valeman.medium.com/how-to-predict-full-probability-distribution-using-machine-learning-conformal-predictive-f8f4d805e420 https://github.com/valeman/awesome-conformal-prediction#papers-time-series GitHub - valeman/awesome-conformal-prediction: A professionally curated list of awesome Conformal Prediction videos, tutorials, books, papers, PhD and MSc theses, articles and open-source libraries. valemangithub.com A professionally curated list of awesome Conformal Prediction videos, tutorials, books, papers, PhD and MSc theses, articles and open-source libraries. - GitHub - valeman/awesome-conformal-predicti... [删除] 2023.12.10 17:30 #33454 fxsaber #:价差增加多少,矩阵期望值就会减少多少。我不明白价差问题。 如果有一种模型能在温室条件下工作。我希望它能适用于任何券商的任何价差。在交易标价中加入更大的点差并对其进行再训练似乎更容易,但却无济于事。在输出时,它拒绝在更大的价差下给出利润。因此,事实证明,该模式本身就是在价差水平上,或者如何解释它呢?也就是说,它不包括交易成本。 fxsaber 2023.12.10 17:40 #33455 Maxim Dmitrievsky #: 如果有一种模式可以在温室条件下使用。我希望它能适用于任何券商的任何价差。在交易标价中加入更大的点差并对其进行再训练似乎更容易,但却无济于事。它拒绝在输出时以更大的点差获利。 因此,在温室条件下的低垫预期。正是阿尔法的所在。 让我们用 "黄牛 "来代替 "模型"。比方说,他实际上在某些报价中获利。阿尔法在低预期中。 我们让行情变得更糟。把他训练成 OOS。因为阿尔法被破坏了。在训练期间,表面上也会有成千上万的交易。但没有阿尔法--注定要失败。 ZY 既然已经具备了从好的报价中获利的一切条件,为什么还要从坏的报价中获利呢? [删除] 2023.12.10 17:45 #33456 fxsaber #:因此,在温室条件下,期望矩阵很低。这正是阿尔法的位置。让我们把模型一词换成剥头皮者。比方说,他在某些行情中确实有利可图。阿尔法处于低期望值。我们让行情变得更糟。训练他 OOS。因为阿尔法被破坏了。在训练过程中,也会有成千上万的交易。但没有阿尔法 - 注定要失败。ZY 既然已经具备了在好行情中获利的一切条件,为什么还要在坏行情中获利呢? 不知为何,我讨厌那种认为糟糕的交易条件不给机会的想法。我想让他们也有机会。举例来说,为什么一个小的形态不会在其他时间框架内总结和扩展成一个更大的形态,而在其他时间框架内,价差并不那么具有决定性。我搞不清楚状况。 fxsaber 2023.12.10 17:48 #33457 Maxim Dmitrievsky #:因此,事实证明,模式本身是在价差的水平,或者如何解释它呢?也就是说,它不包括交易成本。 交易成本 - 滑点、流动性、佣金、掉期。价差是买入价/卖出价之间的差值(我故意不写差值)。 从午夜到凌晨 1 点,欧元兑英镑的最小点差是午夜前最大点差的几十倍。 而对于一些黄牛来说,这是一天中最美味的时刻。 [删除] 2023.12.10 17:53 #33458 fxsaber #:交易成本 - 滑点、流动性、佣金、掉期。价差是买入价/卖出价之间的差值(我故意不写差值)。从午夜到凌晨 1 点,欧元兑英镑的最小点差是午夜前最大点差的几十倍。对于一些剥头皮者来说,这是一天中最美味的时刻。 尽管如此,我们的交易模式 - 点差 - 其他费用 fxsaber 2023.12.10 17:57 #33459 Maxim Dmitrievsky #: 我们仍在交易模式 - 价差 - 其他费用 在逻辑中,我的任何 TS(即使是间接的)都不使用点差值。我不是唯一一个。 为什么要将两个买入价/卖出价形式的原始数据转换为价格/价差,然后在价格中寻找阿尔法,这对我来说是个谜。 谈论价差、时间框架和日本蜡烛图都是一回事。 fxsaber 2023.12.10 17:59 #33460 "你好,世界!"在理解源数据的领域--编写一个脚本,以显示历史区间的最大可能利润。 如果不具备这一点,就不清楚自己在做什么。 1...333933403341334233433344334533463347334833493350335133523353...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
其特殊之处在于,即使不知道真实的点差,在测试仪中人为地增加 点差时,也会有一部分交易失败。
点差增加多少,矩阵期望值就会降低多少。我不明白点差有什么问题。
在每日和每小时数据中,NHITS 和 lightGBM 的有效值也低于 TimeGPT。 https://valeman.medium.com/what-truly-works-in-time-series-forecasting-the-results-from-nixtlas-mega-study-78eda5133622
您尝试过 Conformal Prediction 吗?
https://valeman.medium.com/how-to-predict-full-probability-distribution-using-machine-learning-conformal-predictive-f8f4d805e420
https://github.com/valeman/awesome-conformal-prediction#papers-time-series
价差增加多少,矩阵期望值就会减少多少。我不明白价差问题。
如果有一种模式可以在温室条件下使用。我希望它能适用于任何券商的任何价差。在交易标价中加入更大的点差并对其进行再训练似乎更容易,但却无济于事。它拒绝在输出时以更大的点差获利。
因此,在温室条件下的低垫预期。正是阿尔法的所在。
让我们用 "黄牛 "来代替 "模型"。比方说,他实际上在某些报价中获利。阿尔法在低预期中。
我们让行情变得更糟。把他训练成 OOS。因为阿尔法被破坏了。在训练期间,表面上也会有成千上万的交易。但没有阿尔法--注定要失败。
ZY 既然已经具备了从好的报价中获利的一切条件,为什么还要从坏的报价中获利呢?
因此,在温室条件下,期望矩阵很低。这正是阿尔法的位置。
让我们把模型一词换成剥头皮者。比方说,他在某些行情中确实有利可图。阿尔法处于低期望值。
我们让行情变得更糟。训练他 OOS。因为阿尔法被破坏了。在训练过程中,也会有成千上万的交易。但没有阿尔法 - 注定要失败。
ZY 既然已经具备了在好行情中获利的一切条件,为什么还要在坏行情中获利呢?
交易成本 - 滑点、流动性、佣金、掉期。价差是买入价/卖出价之间的差值(我故意不写差值)。
从午夜到凌晨 1 点,欧元兑英镑的最小点差是午夜前最大点差的几十倍。
而对于一些黄牛来说,这是一天中最美味的时刻。
交易成本 - 滑点、流动性、佣金、掉期。价差是买入价/卖出价之间的差值(我故意不写差值)。
从午夜到凌晨 1 点,欧元兑英镑的最小点差是午夜前最大点差的几十倍。
对于一些剥头皮者来说,这是一天中最美味的时刻。
我们仍在交易模式 - 价差 - 其他费用
在逻辑中,我的任何 TS(即使是间接的)都不使用点差值。我不是唯一一个。
为什么要将两个买入价/卖出价形式的原始数据转换为价格/价差,然后在价格中寻找阿尔法,这对我来说是个谜。
谈论价差、时间框架和日本蜡烛图都是一回事。
"你好,世界!"在理解源数据的领域--编写一个脚本,以显示历史区间的最大可能利润。
如果不具备这一点,就不清楚自己在做什么。