交易中的机器学习：理论、模型、实践和算法交易 - 页 520 1...513514515516517518519520521522523524525526527...3399 新评论 Valerkatol 2017.11.09 14:40 #5191 理论家的整个问题是得出现实中不存在的理论。但现实有时类似于某种理论。现在只剩下确定有多相似？而这正是理论测试员的工作。 坦率地说，交易员就像一个测试员。他在他的经纪人那里测试一个策略或一个理论的存款（最无畏的人只是做而不使用任何理论:）） ...但胆小的人（如我）......。让我们这样说吧......沉浸在交易理论中！它到底是如何工作的呢？我们不能确定。 我们只能知道什么可能会影响。 我认为我们需要了解到底是什么在影响？例如加密货币的上涨？ 油桶的下跌。 日元的剧烈波动，等等。 我们从哪里获得这些信息？老实说......我不知道。我在看以前的经验......他们用来获取数据的资源就这样消失了，而且...所以基本面分析是为快速和无畏的交易者准备的。 好吧，我说说现实...我们所能做的...是为了抓住历史上的趋势和这种趋势的反复出现。我们可以直截了当地...1.在一定时间内抓住同样的东西（下降趋势、上升趋势、波段、停止、突破）。2.尝试一些对趋势有贡献的参数（阻力线、支撑）。3.对重大或已知事件的价格反应。我不知道还有什么能给我们一个信号？ 我们可以用参数在图表上画出价格......它看起来像一个萨满交易员在用手鼓跳舞！"。人们其实很喜欢 :) 嗯，萨满知道什么是什么 :) 当然，如果能从可靠的来源了解信息就更好了，但最近可靠性往往越来越低。 所以我们只是愚蠢地......复制我们的东西 :) 我们怎么能做到呢？ ...嗯......。...定义一点复制的参数 会是什么呢？ 是吗？会是什么呢？ Maxim Dmitrievsky 2017.11.09 15:57 #5192 尤里-阿索连科。我不知道这是怎么一回事？一切都与乐器上的一切相关联。而这是不可避免的，因为所有的东西都是由同一时间序列、同一数据的转换而得到的。顺便说一下，用PCA你可以尝试摆脱多重共线性，降低输入的维度，或进行奇异分解原则上，我对将NS与一段历史相适应没有任何问题，我对适应性模式和自我学习现在有问题。我还没有找到任何文章或其他信息能很好地涵盖这个主题......我有自己的小发展，但到目前为止效果并不理想。这就是为什么我关于射频和适应性系统的文章暂时停滞不前，因为我想尽可能多地涵盖适应性的主题现在我看到了自适应预测器的解决方案，它将在不同的图表上给出+-正确的信号，而基本的ns，事实上，将只训练一次或不经常训练，即我们应该摆脱问题--何时重新训练NS和重新训练本身的问题，当市场变化时预测器停止工作。 Yuriy Asaulenko 2017.11.09 16:15 #5193 马克西姆-德米特里耶夫斯基。顺便说一下，通过PCA，你可以尝试摆脱多重共线性，降低输入的维度，或进行奇异分解我对适应NS的一点历史没有问题，我现在对适应性模式和自我训练有问题。我还没有找到任何文章或其他信息能很好地涵盖这个主题......我有自己的小发展，但到目前为止效果并不理想。这就是为什么我关于射频和适应性系统的文章暂时停滞不前，因为我想尽可能多地涵盖适应性的主题在一个星期前的模型上得到了这个结果。x - 交易号码，y - p中的总利润，以固定手数进行交易。我必须说我很惊讶。我已经拼凑出一个真正的系统，大约有一个星期了。 Maxim Dmitrievsky 2017.11.09 16:24 #5194 尤里-阿索连科。我在一个星期前的模型上得到这个结果。x--交易数量，y--p中的总利润，交易的手数不变。我必须说我很惊讶。我已经铆足了劲儿做了一个星期的真正的系统。我有一个好主意，用真正的传播和政委，但我宁愿看到结果......+ 我将使用滑点进行短线交易。并转发 :) Yuriy Asaulenko 2017.11.09 16:30 #5195 马克西姆-德米特里耶夫斯基。 如果他们不习惯，他们将以与游戏开始时相同的方式使用。+ 如果交易是短线，则有滑点该模型似乎考虑到了这一切。据估计，每笔交易都会损失30便士，无论成功与否。(这些都是期货）--这对他们来说是个大问题。在调试期间不使用的数据上进行测试 在期货上调试 -6.17 - 在后来的期货上测试 -9.17.如果可能的话，一切都考虑到了）。然而，当然会有细微的差别。我想，像往常一样，）真实的情况会有些糟糕。现在我已经到了交易开启的时刻。我正在锻炼--我在网上看了大约一打交易的条目。似乎正在正确输入。 Forester 2017.11.10 09:03 #5196 NS的SOFTMAX版本在ALGLIB上有问题。所有的答案都偏向于第一个输出（对我来说是BUY）。 同样的NS数据--有3个输出的回归（有线性激活）给出了更可靠的结果。买入 卖出 NA 0.10302356, 0.01091621,0.88606040 0.09705416, 0.01083526, 0.89211080 0.08283979, 0.12548789,0.791672471.02522414,-0.00119697,-0.02403573 0.09498582, 0.01529507,0.889719171.01878489,-0.00111341,-0.01767998 0.07906346, 0.05960769,0.86132762 0.00201949, 0.00497863,0.99300189在>0.5会给出可信的答案。顺便说一句，Les也偏向于第1种输出。 Machine learning in trading: Grigoriy Chaunin 2017.11.10 09:10 #5197 你的输出神经元上的激活是什么？我看到的是负值。它不应该是。你应该在输出神经元中使用softmax激活。其数值在0-1范围内。 Forester 2017.11.10 09:15 #5198 格里戈里-乔宁。你的输出神经元上的激活是什么？我看到的是负值。它不应该是。你应该在输出神经元中使用softmax激活。其数值在0-1范围内。上面的例子是来自于线性输出的回归（作为一个工作变量）。在训练期间，我从0到1进行喂食。在softmax上，要么明显是1，要么少几百分之一；但都是在第1个输出上，其他2个输出总是=0。也就是说，ALGLIB中的softmax有问题...... Grigoriy Chaunin 2017.11.10 09:28 #5199 阅读关于神经元激活功能的文章。你可以为输出提供任何你喜欢的值，但错误的激活函数会产生负值。这通常是一个双曲切线。softmax损失函数在它身上将无法正常工作。尽管这在很大程度上取决于损失函数的库和实现。例如，在Tensorflow中，损失函数softmax的输出神经元不应该有任何激活函数。为了正确使用训练好的网络，我们应该增加softmax激活。我没有 和ALGLIB合作过，也许他们做错了什么。在任何情况下，使用softmax训练的网络都不应该给出负值。 Dr. Trader 2017.11.10 09:30 #5200 当其中一个班级与其他班级相比有非常多的训练实例时，就会出现这种情况。例如，买入时有2000个训练实例，卖出时只有1000个。该神经元总是可以返回 "买入"，在这种情况下，它有66%的时间是正确的。最好是使每一类的训练实例的数量相等。 1...513514515516517518519520521522523524525526527...3399 新评论 原因: 取消 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
理论家的整个问题是得出现实中不存在的理论。但现实有时类似于某种理论。现在只剩下确定有多相似？而这正是理论测试员的工作。 坦率地说，交易员就像一个测试员。他在他的经纪人那里测试一个策略或一个理论的存款（最无畏的人只是做而不使用任何理论:）） ...但胆小的人（如我）......。让我们这样说吧......沉浸在交易理论中！它到底是如何工作的呢？我们不能确定。 我们只能知道什么可能会影响。 我认为我们需要了解到底是什么在影响？例如加密货币的上涨？ 油桶的下跌。 日元的剧烈波动，等等。 我们从哪里获得这些信息？老实说......我不知道。我在看以前的经验......他们用来获取数据的资源就这样消失了，而且...所以基本面分析是为快速和无畏的交易者准备的。 好吧，我说说现实...我们所能做的...是为了抓住历史上的趋势和这种趋势的反复出现。我们可以直截了当地...
1.在一定时间内抓住同样的东西（下降趋势、上升趋势、波段、停止、突破）。
2.尝试一些对趋势有贡献的参数（阻力线、支撑）。
3.对重大或已知事件的价格反应。
我不知道还有什么能给我们一个信号？ 我们可以用参数在图表上画出价格......它看起来像一个萨满交易员在用手鼓跳舞！"。人们其实很喜欢 :) 嗯，萨满知道什么是什么 :) 当然，如果能从可靠的来源了解信息就更好了，但最近可靠性往往越来越低。 所以我们只是愚蠢地......复制我们的东西 :) 我们怎么能做到呢？ ...嗯......。...定义一点复制的参数 会是什么呢？ 是吗？会是什么呢？
我不知道这是怎么一回事？
一切都与乐器上的一切相关联。而这是不可避免的，因为所有的东西都是由同一时间序列、同一数据的转换而得到的。
顺便说一下，用PCA你可以尝试摆脱多重共线性，降低输入的维度，或进行奇异分解
原则上，我对将NS与一段历史相适应没有任何问题，我对适应性模式和自我学习现在有问题。我还没有找到任何文章或其他信息能很好地涵盖这个主题......我有自己的小发展，但到目前为止效果并不理想。这就是为什么我关于射频和适应性系统的文章暂时停滞不前，因为我想尽可能多地涵盖适应性的主题
现在我看到了自适应预测器的解决方案，它将在不同的图表上给出+-正确的信号，而基本的ns，事实上，将只训练一次或不经常训练，即我们应该摆脱问题--何时重新训练NS和重新训练本身的问题，当市场变化时预测器停止工作。
顺便说一下，通过PCA，你可以尝试摆脱多重共线性，降低输入的维度，或进行奇异分解
我对适应NS的一点历史没有问题，我现在对适应性模式和自我训练有问题。我还没有找到任何文章或其他信息能很好地涵盖这个主题......我有自己的小发展，但到目前为止效果并不理想。这就是为什么我关于射频和适应性系统的文章暂时停滞不前，因为我想尽可能多地涵盖适应性的主题
在一个星期前的模型上得到了这个结果。
x - 交易号码，y - p中的总利润，以固定手数进行交易。
我必须说我很惊讶。我已经拼凑出一个真正的系统，大约有一个星期了。
我在一个星期前的模型上得到这个结果。
x--交易数量，y--p中的总利润，交易的手数不变。
我必须说我很惊讶。我已经铆足了劲儿做了一个星期的真正的系统。
我有一个好主意，用真正的传播和政委，但我宁愿看到结果......+ 我将使用滑点进行短线交易。
并转发 :)
如果他们不习惯，他们将以与游戏开始时相同的方式使用。+ 如果交易是短线，则有滑点
该模型似乎考虑到了这一切。据估计，每笔交易都会损失30便士，无论成功与否。(这些都是期货）--这对他们来说是个大问题。在调试期间不使用的数据上进行测试 在期货上调试 -6.17 - 在后来的期货上测试 -9.17.如果可能的话，一切都考虑到了）。
然而，当然会有细微的差别。我想，像往常一样，）真实的情况会有些糟糕。
现在我已经到了交易开启的时刻。我正在锻炼--我在网上看了大约一打交易的条目。似乎正在正确输入。
NS的SOFTMAX版本在ALGLIB上有问题。所有的答案都偏向于第一个输出（对我来说是BUY）。
同样的NS数据--有3个输出的回归（有线性激活）给出了更可靠的结果。
买入 卖出 NA
0.10302356, 0.01091621,0.88606040
0.09705416, 0.01083526, 0.89211080
0.08283979, 0.12548789,0.79167247
1.02522414,-0.00119697,-0.02403573
0.09498582, 0.01529507,0.88971917
1.01878489,-0.00111341,-0.01767998
0.07906346, 0.05960769,0.86132762
0.00201949, 0.00497863,0.99300189
在>0.5会给出可信的答案。
顺便说一句，Les也偏向于第1种输出。
你的输出神经元上的激活是什么？我看到的是负值。它不应该是。你应该在输出神经元中使用softmax激活。其数值在0-1范围内。
你的输出神经元上的激活是什么？我看到的是负值。它不应该是。你应该在输出神经元中使用softmax激活。其数值在0-1范围内。
上面的例子是来自于线性输出的回归（作为一个工作变量）。在训练期间，我从0到1进行喂食。
在softmax上，要么明显是1，要么少几百分之一；但都是在第1个输出上，其他2个输出总是=0。也就是说，ALGLIB中的softmax有问题......
阅读关于神经元激活功能的文章。你可以为输出提供任何你喜欢的值，但错误的激活函数会产生负值。这通常是一个双曲切线。softmax损失函数在它身上将无法正常工作。尽管这在很大程度上取决于损失函数的库和实现。例如，在Tensorflow中，损失函数softmax的输出神经元不应该有任何激活函数。为了正确使用训练好的网络，我们应该增加softmax激活。我没有 和ALGLIB合作过，也许他们做错了什么。在任何情况下，使用softmax训练的网络都不应该给出负值。
当其中一个班级与其他班级相比有非常多的训练实例时，就会出现这种情况。例如，买入时有2000个训练实例，卖出时只有1000个。该神经元总是可以返回 "买入"，在这种情况下，它有66%的时间是正确的。最好是使每一类的训练实例的数量相等。