交易中的机器学习：理论、模型、实践和算法交易 - 页 45

[Alexey Burnakov]

安德烈-迪克

好吧，这在历史上是一个非常好的交易表现!恭喜你。

有没有人见过公开发行或出售的外汇系统，在五年内获得利润？我可能只是在这里或代码库中发布这个产品作为证明。我对几年内平坦的曲线不感兴趣，因为从市场上看，有几百个百分点。因为它们都是硬装的。我在给自己做，避开装修。而且可以对这个系统进行足够的改进，将FS提高一个半或两个系数。

而无论如何，这个主题是关于机器学习的，这意味着要创造未经训练的产品。而百分比计算是另一回事。

我将尝试另一种方法来训练机器，我想它仍有可能改进。

[mytarmailS]

Alexey Burnakov:
你如何从一个预测器的范围内做出多个预测器？我不明白这一点。

哦，这是非常简单的）聚类...

1）让我们把每个预测器归类到，比如说，50个聚类（此外，聚类可以而且应该分两种类型进行：1）"原样 "聚类，按数字值对预测器进行聚类；第二种类型2）对归一化的预测器进行聚类，将其作为图像进行聚类） 一起，我们就会得到人类视觉的一切，我们不仅会知道预测器的数字 "真实 "值，还会知道图像 - 曲线，斜率

2)我们创建一个表，其中的列是群组，50个群组--->50个列--->50个预测器，用一些算法检查这些预测器的重要性，我们发现50个预测器中只有1-5个是重要的，我们保留它们

3）采取下一个预测器，对其进行聚类，并重复步骤1和2

理论上，预测器内的这种选择应能将识别质量提高几个数量级。

但也有一些弊端

1）昂贵的计算方法

2）如果每个预测器被逐一拆分，其内容将与其他预测器的内容分开评估，那么就不可能评估预测器之间的相关性，必须想办法解决。

[Alexey Burnakov]

mytarmailS:

哦，这是非常简单的）聚类...

1）我们把每个预测器归类，比如说，50个聚类（而聚类可以而且应该分为两种类型：1）"原样 "聚类，将预测器的数值聚类；2）将归一化的预测器聚类，将其作为图像聚类） 一起，我们就会得到人类视觉的一切，我们不仅会知道预测器的数字 "真实 "值，还会知道图像 - 曲线、斜坡

2) 我们创建一个表，其中的列是群组，50个群组--->50个列--->50个预测器，用一些算法检查这些预测器的重要性，我们发现50个预测器中只有1-5个是重要的，我们保留它们

3）采取下一个预测器，对其进行聚类，并重复步骤1和2

理论上，预测器内的这种选择应能将识别质量提高几个数量级。

但也有一些弊端

1）昂贵的计算方法

2）如果每个预测因子被逐一分解，其内容将与其他预测因子的内容分开评估，那么就不可能评估预测因子之间的相关性，必须通过某种方式来解决。

这是一种尝试的方式。其实有一个方法。你做一个输出预测器的点图。理想情况下，会有一个很好的依赖性。但如果在某些区段（通常在尾部），依赖关系是模糊的，这些观察结果就会被排除。

[mytarmailS]

阿列克谢-伯纳科夫。
你可以试试这种方式。一般来说，有一种方法。你做一个输出预测器的点图。理想情况下，会有良好的依赖性。但是，如果在某些区段（通常是在尾部）的依赖性是模糊的，这些观察就会被排除。

这个方法叫什么？

rc里有吗？

如何解决第2个问题？

我想讨论一下，这可能确实非常有效。

[Alexey Burnakov]

mytarmailS:

这个方法叫什么？

rc里有吗？

如何解决第2个问题？

希望进行讨论，这确实可能是非常有效的。

2.它是这样解决的。变量被带到了一个离散的形式。假设有50个级别。我们创建了49个新的变量，并对其进行了等级编码。然后我们应用例如线性回归 的方法，看看其重要性。

[mytarmailS]

阿列克谢-伯纳科夫。

顺便说一句，到底有没有人对这个感兴趣，我不明白。你是否需要一个训练有素的机器人，在5年内通过验证，并获得利润？

这样的

我放假回来了，我可以把文件准备好，贴出来，谁需要就自己去改进。

我对你如何逐点创建机器人感兴趣，如果这不难的话...

1）根据你的方法选择功能

2) 你做了这个模型

就这样了？

[Alexey Burnakov]

mytarmailS:

我对你如何逐点创建机器人感兴趣，如果这不难的话...

1) 根据你的方法选择功能

2) 你建立了这个模型

就这样了？

这是一个总是有效的一般方案。

在GBM运行后，我通过重要性对特征进行删减。我还尝试了不同数量的选题。机器是通过GBM训练的，我尝试了不同的健身函数。采用交叉验证法。其参数也有所不同。而且还有一些更细微的差别。

总的来说，我得到了这样一个结果，它证明了更复杂并不总是更好。在欧元兑美元上，该模型只使用了5个预测因子，而且只有两次交叉验证的失误。

[mytarmailS]

非常有趣的神经网络http://gekkoquant.com/2016/05/08/evolving-neural-networks-through-augmenting-topologies-part-3-of-4/，你认为可以让它自我交易并从错误中学习吗？如果是这样，怎么做，欢迎大家讨论

[Vladimir Perervenko]

mytarmailS:
非常有趣的神经网络http://gekkoquant.com/2016/05/08/evolving-neural-networks-through-augmenting-topologies-part-3-of-4/，你认为可以让它自我交易并从自己的错误中学习吗？如果是这样，该如何做。

如果开发者说，该网络可以取代强化学习算法，这就很有希望。

需要进行实验。但这个话题很有意思。

[mytarmailS]

弗拉基米尔-佩雷文科。

如果开发者说该网络可以取代强化学习算法，那就很有希望。

需要进行实验。但这是一个有趣的话题。

我同意，这很有趣...但是，从意识形态开始，到代码本身，几乎没有任何东西是我清楚的，有太多的东西，许多运算符我甚至不知道。

如果有人能解释这一切，至少通过基本的例子，如何在交易中使用它，这对我这样没有经验的人来说将是一个很好的尝试。