交易中的机器学习：理论、模型、实践和算法交易 - 页 3363

新评论
 
mytarmailS #:

基本上有三种状态，分别是正常交易、非常好和只是好。

我知道这很简单。

这些值是恒定的还是动态的？

回答了这个问题。

 
fxsaber #:

我知道这很简单。

回答了这个问题。


以平均数为例，它有一个参数--周期。

这个参数可以是常数，也可以根据公式改变。

我是否可以理解为参数是一个常数？

 
mytarmailS #:

以平均值为例，它有一个参数--周期。

这个参数可以是一个常数，也可以根据一些公式来改变.....

我知道您将参数作为常数？

我不熟悉这个术语。在 MT5-tester 中优化了五个参数。

 
fxsaber #:

这样才能解释任何事情。显然，现在还没有什么具体的说法。我自己认为这是一种调整。因为向左 "漂移 "的起点与样本起点非常吻合。在这种情况下，OOS 当然可以这样解释。


欧元兑美元也是如此。右侧的 OOS 是 2023 年的最后四个月。OOS 是 2023 年的剩余时间。

还有其他解释吗？从图表中看不出任何具体信息，对吧

你可以通过一些 "狼来了 "来计算过度优化的正确几率。在一个月内，有多少次过度优化后远期获利，又有多少次出现亏损。这会给你带来一些财务上的信心和勇气。
 
Maxim Dmitrievsky #:
您可以通过一些 "狼式 "远期来计算正确的过度优化机会。在一个月内，有多少次超额优化是在远期获利的，有多少次是在亏损的。这将给您带来一些财务上的信心和勇气。

也许这种方法可以证实/反驳市场已经发生变化的假设，因此右侧的良好 OOS 并非侥幸。谢谢，我会考虑一下的。

 
mytarmailS #:


以平均数为例，它有一个参数--周期。

这个参数可以是一个常数，也可以根据一些公式来改变.....

我知道你把参数当作常量？

常量，优化后不会改变。
 
fxsaber #:

我不熟悉这个术语。MT5-tester 中的五个优化参数。

也许搜索参数和计算优化参数的公式是有意义的。基于优化结果。当然这很复杂。
 
Valeriy Yastremskiy #:
也许应该寻找一个参数和一个公式来计算优化后的参数。以优化结果为基础。当然，这很复杂。
+
这就是我想说的，但我希望他能理解。
人们只重视自己的猜测。
 
fxsaber #:

也许这种方法可以证实/反驳市场在 Sample 发生变化的假设，因此右侧的良好 OOS 并非侥幸。谢谢，我会考虑一下的。

是的，如果向后移动样本窗口，所有的 OOS 曲线都会发生变化，大致就像多项式回归一样，当你移动窗口时，它的预测值会疯狂跳跃。可选参数或多项式的度数越大，这种跳跃就越大。理想情况下，优化过程应该非常快，你可以用鼠标移动窗口并立即查看。我想你在最佳区间上已经做到了这一点。

在上一篇文章中，我就如何使 MO 的训练更加稳定提出了一个变式。也就是说，减少重复训练。但收益率会受到影响。

这就是偏差与方差的权衡，增加 TS 参数会导致新数据的漂移，而减少 TS 参数则会导致预测的方差增大。局部优化器无法理解这一点。
 
Maxim Dmitrievsky #:
是的，如果向后移动样本窗口，所有的 OOS 曲线都会发生变化，就像在多项式回归中，当你移动窗口时，它的预测值会疯狂地跳跃。选择参数或多项式的度数越大，这个问题就越严重。理想情况下，优化过程应该非常快，你可以用鼠标移动窗口并立即查看。

在上一篇文章中，我就如何使 MO 的训练更加稳定提出了一个变式。也就是说，减少重复训练。但盈利能力会受到影响。

这就是偏差与方差的权衡，即增加 TS 参数会导致新数据的漂移，而减少 TS 参数则会导致预测结果更加分散。本地优化器无法理解这一点。

一切都要简单得多。

他们对非平稳随机过程的某些部分进行了拟合，却没有意识到非平稳过程的任何部分都与非平稳过程的其他部分无关。因此，其他部分的结果是任意的：它们可能是好的，但也可能是坏的，但实际上，三明治总是在黄油中倒下。

顺便说一句，"分散 "的概念指的是静止随机过程。

1...335633573358335933603361336233633364336533663367336833693370...3399
新评论