交易中的机器学习：理论、模型、实践和算法交易 - 页 445

[Vladimir Perervenko]

桑桑尼茨-弗门科。

我正在努力掌握一个非常具体的模型--GARCH。它吸引我的地方是，原始序列被分解成各个组成部分，然后对这些组成部分分别进行建模。而分解为组件是直观的，与模型的再训练直接相关。因为我只对模型的再训练能力感兴趣（我可以在TA中创建训练过的专家顾问，寿命最长为6个月），这就是决定选择GARCH的原因。

我不知道在NS中是否有任何方法可以允许粗大的尾巴、扭结......。在我看来，NS模型本身与原始cotier的问题一点关系都没有。

在GARCH中，在拟合模型的同时，我可以运行测试，作为未来产生的模型将与训练数据上的行为完全相同的基础。目前，我不知道如何拟合GARCH，其参数的概率在90%以上。

你使用的是哪种软件包？我希望你使用fGarch？

好运。

[СанСаныч Фоменко]

弗拉基米尔-佩雷文科。

你使用哪种软件包？希望是fGarch?

好运。

地毯

[Forester]

亲爱的NS、脚手架和其他MoD方法的用户。
收到预测后，你如何交易？
有一些变种。
1）我们得到一个信号，打开，等待反向信号--即旋转前交易，没有TP和SL。
2) p. 1 +反转，如果信号没有反转，而是跟随前一个信号
3) 项目1 + TP和SL（如何选择TP和SL - 使用MT优化器或手动）。
4）第2点+TP和SL
5）任何一个点+尾随，有很多类型的尾随，哪一种？(你是如何选择尾随参数的--用MT优化器还是手动）？

你有其他的变体吗？

[Yuriy Asaulenko]

elibrarius。

亲爱的NS、脚手架和其他MO方法的用户。
收到预测后，你如何交易？
有一些变种。
1）我们得到一个信号，打开，等待反向信号--即预先交易，没有TP和SL。
2）P.1+股，如果信号不反转，但尾风信号
3) 第1点+TP和SL（如何选择TP和SL - 使用MT优化器或手动）。
4）第2点+TP和SL
5）任何一个点+尾随，有很多类型的尾随，哪一种？(你是如何选择尾随参数的--用MT优化器还是手动）？

其他的选择是什么？

我应该直接警告你，我还没有一个工作的MO系统）。但意识形态仍然是一样的，类似于我在逻辑上的系统。

1.原则上不做任何预测。即，真正会去的地方和内容--没有假设。当报价中的情况在统计上适合某项交易时，就会收到该信号。当然，这也可能是错误的。是的，在我的系统中，思想是MO不应该取代，而是补充基于逻辑的系统。

2.接下来是通常的交易支持。为了简单起见，我们可以考虑尾随。没有TP和SL。有一个保护性的停止装置，用于处理紧急情况，如断开互联网和其他意外事情。

其他交易者可能有不同的方法。我不知道这一点。

[Грааль]

elibrarius:

亲爱的NS、脚手架和其他MoD方法的用户。
收到预测后，你如何交易？
有两种变体：
1）我们得到一个信号，开仓，等待反向信号--即没有TP和SL的预转交易
2）点1+加仓，如果信号没有反向，而是前一个
3）点1+TP和SL，（如何选择TP和SL--用MT优化器或手动）
4）点2+TP和SL
5）任意点+追踪，追踪有很多类型，是哪一种？(你如何选择尾随参数--用MT优化器或手动）。

你有一些其他的变体吗？

我把预测作为在投资组合中保持多少资金和什么方向的一个指标。如果我打算手动交易，我宁愿使用TP/CL，机器人技术将是无用的，甚至是有害的。

[Dr. Trader]

埃利布留斯。

亲爱的NS、脚手架和其他MO方法的用户。
收到预测后，你如何交易？

我正在努力解决第一点。

圣杯。

TP/CL是用于手动交易的，对于机器人来说，它毫无意义，甚至是有害的。

我对TP/SL有困难，不清楚。如果你把几乎任何工作中的机器人，开始优化它的取和停，它就开始在新的数据上亏损。这样的优化会导致过去的特定点数和缩水的超额完成，而这种情况不会再发生，机器人会等着它们。
但是，如果在优化机器人之前，设定一些恒定的TP和SL值，并对其其他参数进行优化，那么它有很大的机会，一切都会变好。
这很奇怪，只要改变一下是在开始还是在最后优化TP/SL的顺序，结果就完全不同。

[Maxim Dmitrievsky]

我使用SL，固定，是通过优化器。如果我的交易量是15，那么在测试器中当然是过度拟合；如果是200以上，并且止损在25到40点内被优化，那么我相信它没有过度拟合，只是在寻找最佳值。我不通过普通的拖曳+在相反的信号下平仓，也通过优化器在狭窄的范围内放置止盈和平仓订单。我不能没有止损，如果只是从投资组合来看，但没有止损也是一样。我们可以优化任何东西，如果TS的解决方案的数量是有限的，并且规定了一个体面的测试期，那么它就不会是一个伟大的拟合。如果TS不受解决方案变体的限制，那么它当然会是一种超配。随着优化周期的增加，信号被平滑化，就像噪音被自己消除了一样，但这里仍然取决于NS（神经元的数量），如果非常少，那么分类将太粗糙，系统将是低调的，如果很多，那么可能会出现过拟合，尽管它更多地取决于预测器而不是NS，如果解决方案空间（预测器的组合选项）是有限的，那么将不会出现过拟合。

[СанСаныч Фоменко]

交易员博士。

我的TP/SL在某种程度上是复杂和不可理解的。如果我们把几乎任何一个正在工作的机器人，开始优化采取和停止，在新的数据中，机器人开始疯狂地赔钱。这样的优化会导致过去的特定点数和缩水的超额完成，而这种情况不会再发生，机器人会等着它们。
但是，如果在优化机器人之前，设定一些恒定的TP和SL值，并对其其他参数进行优化，那么它有很大的机会，一切都会变好。
这很奇怪，只要改变一下是在开始还是在最后优化TP/SL的顺序，结果就完全不同。

进入和退出一个位置应该由一个适当的决策算法处理，如森林、NS或只是一堆指标。

SL根本不应该与位置问题有任何关系。SL不是一个交易系统参数，它不需要进行优化。

SL是一种风险管理。在绝对任何决定头寸的系统中，都会对余额的最大允许缩减量做出决定。这是一个心理安慰的问题，用过的钱的地位（最后的，不遗憾失去......）。数字已经确定，就这样了。30%的数字是在信号中使用的。它是从哪里来的？不知从何而来。有人优化了它吗？如果你在你的EA中设置了算法SL=30%的缩减，它将是70%的资金保护。

[Maxim Dmitrievsky]

桑桑尼茨-弗门科。

进入和退出一个位置应该由一个适当的决策算法处理，如森林、NS或只是一堆指标。

SL根本不应该与位置问题有任何关系。SL不是一个交易系统参数，它不需要进行优化。

SL是一种风险管理。在绝对的任何仓位决策系统中，都会对余额的最大允许缩减量做出决定。这是一个心理安慰的问题，用过的钱的地位（最后的，不遗憾失去......）。数字已经确定，就这样了。30%的数字是在信号中使用的。它是从哪里来的？不知从何而来。有人优化了它吗？如果你在你的EA中设置了算法SL=30%的缩减，它将是70%的资金保护。

因此，你故意限制TC变体的空间，SL是系统的一部分，以及有折叠或平均化。这导致了巨大的不平衡，当系统可能采取一个巨大的SL和停止，而你可能做许多小的亏损交易，由于预期的回报而不是由于没有停止而获得利润。

任何系统都有一个错误，这个错误是由止损点限制的，没有别的。

这里没有心理学，也不应该有心理学，有的系统特性在前进的道路上是可以重现的，当系统停止工作时，有严格的容忍度，损失最小，没有30%。如果你得到30%--这就是告别。对我来说，10%的跌幅是你能承受的最大限度，如果超过了这个限度，那么在大多数情况下，这就是不归路。此外，如果我们谈论的是一个定期需要重新训练的系统，也就是说，你无法预测它在很长一段时间内的稳定性。

[Vizard_]

交易员博士。
如果你把几乎任何工作中的机器人，开始优化取和停，机器人就开始疯狂地消耗新的数据。

它只是对超额样本的波动性（交易之间）进行调整。如果它在未来发生变化，当然，CP会将...如果我们做一个预测模型并在优化过程中考虑到它
但我们不需要它，滚动再投资是我们的全部))))。而报告人Fomenko将告诉我们关于分散性、异方差等问题))

http://radikal.ru/video/Eq6HXmqO3mH