交易中的机器学习：理论、模型、实践和算法交易 - 页 573 1...566567568569570571572573574575576577578579580...3399 新评论 Maxim Dmitrievsky 2018.01.15 12:08 #5721 尤里-阿索连科。 也就是说，就像势头一样。所以它的尾巴就会跳动。原因是不使用原始报价进行回归问题，因为模型不能推断，你需要预测，例如，非报价的震荡器读数。 Yuriy Asaulenko 2018.01.15 12:08 #5722 德米特里-费多尔琴科。 用不同的预测器折磨了六个月，包括增量的任何东西到任何东西，预测器的数量。而且我使用了不同的模型。还有RF，还有SVM，还有MLP...我甚至还试过老年时代，下到了M1。我在验证样本上能够达到的最大准确率是53%，在训练样本上是100.0%。这对交易来说是不够的。我需要至少57%的准确率才能获利。要么是我的手歪了，要么是别的原因。有没有人取得了更好的效果？我只是很好奇。 好吧，实际上50%的正确预测对于交易来说并不是太糟糕。例如，利润/损失率=2/1。这取决于你如何做）。 Sergey 2018.01.15 12:08 #5723 谢尔盖。你好。请给我一些建议。如何将一个已经准备好的模型（该模型是在python中使用xgboost创建的）整合到metatrader中？我可以google的唯一选择是在python中把模型保存到一个文本文件中，然后用R把它加载到mql中。还有其他选择吗？你有任何实施的例子吗？提前感谢!我选择了"命名管道"作为最简单和最通用的解决方案。也就是说，现在mt和python脚本以客户-服务器的方式相互通信。互相发送请求/回复。 Yuriy Asaulenko 2018.01.15 12:13 #5724 马克西姆-德米特里耶夫斯基。 这里的重点是不要拿原始报价来做回归问题，因为模型不能推断，你需要预测，例如，非报价的震荡器读数。 我明白了，但你不能用动量来预测任何事情，因为新数据的到来和旧数据的退出具有相同的权重，而且有-50的滞后。也就是说，我们不确定什么发生了变化，从哪个三角洲出现了--是尾巴掉下来了还是鼻子升起来了......。 Maxim Dmitrievsky 2018.01.15 12:14 #5725 马克西姆-德米特里耶夫斯基。 可以将其转换回报价，这里的重点是不采取裸露的报价进行回归任务，因为模型不能推断，有必要预测，例如，在非报价上的震荡器读数。 或简单的增量。+ 我只是检查了模型是否足够，否则SanSanych一直说它是一个响声。很明显，有一个错误，但增量的一般类型保持不变。而这不是模型本身的错误，而是因为它是基于预测器建立的，那里也有一个错误。 Yuriy Asaulenko 2018.01.15 12:17 #5726 马克西姆-德米特里耶夫斯基。 +刚刚检查了模型的充分性，因为SanSanych一直说它是一个拨浪鼓很明显，这里有一个错误，但增量的一般形式被保留了。而这并不是模型本身的错误，而是因为它是用预测器建立的，本身就存在着错误。嗯，这是可以理解的。如果你不知道确切的点的数量，你可以得到一个很好的近似模型。顺便说一句，它能很好地记忆一切。我的意思是，也许我应该在俄罗斯调整一些东西（一个专家的意见））。 Maxim Dmitrievsky 2018.01.15 12:30 #5727 尤里-阿索连科。嗯，这是可以理解的。我对RF不熟悉，但NS只是吃引号就可以了，只是希望能把它们代入规范化。如何规范化是非常重要的......如果超过了采样限制，NS也会出问题，我给你发了一篇文章的链接......对于RF来说，本质上是一样的，但更糟糕的是，它只是去了一个costant。它只与回归任务有关，而分类并不重要。而且将样本归一化为某个符号也是非常有用的，例如去掉最后的噪声......一次就能学会，这就更容易、更快。或者你可以故意设置一个高门槛的规范化和过滤范围，在这里你可以得到一个完整的策略分支 Yuriy Asaulenko 2018.01.15 12:33 #5728 马克西姆-德米特里耶夫斯基。 如何归一化是非常重要的......而NS如果超过了采样界限也会出问题，我给你发了一篇文章的链接......这与RF基本相同，但更糟糕的是，它只是进入了一个costant。它只与回归任务有关，而分类并不重要。如果你配给得当，而不是愚蠢地配给，它就不会超出范围）。顺便问一句，马克西姆，你真的相信对市场进行任何稳定的预测 是可能的吗？ Maxim Dmitrievsky 2018.01.15 12:37 #5729 尤里-阿索连科。如果你正确配给，而不是愚蠢地配给，它就不会超出范围）。顺便说一句，马克西姆，你真的相信市场上任何一种稳定的预测 都是可能的吗？在某些市场是的，几乎是肯定的......或在某些市场阶段......这是可能的，但不总是，你至少需要好的过滤器。在我看来，如果你调整到某个长期的市场周期......那是先验的存在。但如何自动做到这一点是个问题。 Yuriy Asaulenko 2018.01.15 12:41 #5730 马克西姆-德米特里耶夫斯基。 在某些市场是的，几乎是肯定的......或在某些市场阶段......也许，但不总是，你至少需要好的过滤器。又是过滤器。那么谁来制作过滤器呢？那么这些特定的阶段是什么呢？你如何检测它们？-用算法检测它们？这不是沙皇的事。我如此相信：留在DM中--让它自己揭示一切。 1...566567568569570571572573574575576577578579580...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
也就是说，就像势头一样。所以它的尾巴就会跳动。
原因是不使用原始报价进行回归问题，因为模型不能推断，你需要预测，例如，非报价的震荡器读数。
用不同的预测器折磨了六个月，包括增量的任何东西到任何东西，预测器的数量。而且我使用了不同的模型。还有RF，还有SVM，还有MLP...我甚至还试过老年时代，下到了M1。我在验证样本上能够达到的最大准确率是53%，在训练样本上是100.0%。这对交易来说是不够的。我需要至少57%的准确率才能获利。要么是我的手歪了，要么是别的原因。有没有人取得了更好的效果？我只是很好奇。
你好。
请给我一些建议。如何将一个已经准备好的模型（该模型是在python中使用xgboost创建的）整合到metatrader中？
我可以google的唯一选择是在python中把模型保存到一个文本文件中，然后用R把它加载到mql中。
还有其他选择吗？你有任何实施的例子吗？
提前感谢!
我选择了"命名管道"作为最简单和最通用的解决方案。也就是说，现在mt和python脚本以客户-服务器的方式相互通信。互相发送请求/回复。
这里的重点是不要拿原始报价来做回归问题，因为模型不能推断，你需要预测，例如，非报价的震荡器读数。
可以将其转换回报价，这里的重点是不采取裸露的报价进行回归任务，因为模型不能推断，有必要预测，例如，在非报价上的震荡器读数。 或简单的增量。
+ 我只是检查了模型是否足够，否则SanSanych一直说它是一个响声。
很明显，有一个错误，但增量的一般类型保持不变。而这不是模型本身的错误，而是因为它是基于预测器建立的，那里也有一个错误。
+刚刚检查了模型的充分性，因为SanSanych一直说它是一个拨浪鼓
很明显，这里有一个错误，但增量的一般形式被保留了。而这并不是模型本身的错误，而是因为它是用预测器建立的，本身就存在着错误。
嗯，这是可以理解的。
如果你不知道确切的点的数量，你可以得到一个很好的近似模型。顺便说一句，它能很好地记忆一切。
我的意思是，也许我应该在俄罗斯调整一些东西（一个专家的意见））。
嗯，这是可以理解的。
我对RF不熟悉，但NS只是吃引号就可以了，只是希望能把它们代入规范化。
如何规范化是非常重要的......如果超过了采样限制，NS也会出问题，我给你发了一篇文章的链接......对于RF来说，本质上是一样的，但更糟糕的是，它只是去了一个costant。它只与回归任务有关，而分类并不重要。
而且将样本归一化为某个符号也是非常有用的，例如去掉最后的噪声......一次就能学会，这就更容易、更快。或者你可以故意设置一个高门槛的规范化和过滤范围，在这里你可以得到一个完整的策略分支
如何归一化是非常重要的......而NS如果超过了采样界限也会出问题，我给你发了一篇文章的链接......这与RF基本相同，但更糟糕的是，它只是进入了一个costant。它只与回归任务有关，而分类并不重要。
如果你配给得当，而不是愚蠢地配给，它就不会超出范围）。
顺便问一句，马克西姆，你真的相信对市场进行任何稳定的预测 是可能的吗？
如果你正确配给，而不是愚蠢地配给，它就不会超出范围）。
顺便说一句，马克西姆，你真的相信市场上任何一种稳定的预测 都是可能的吗？
在某些市场是的，几乎是肯定的......或在某些市场阶段......这是可能的，但不总是，你至少需要好的过滤器。
在我看来，如果你调整到某个长期的市场周期......那是先验的存在。但如何自动做到这一点是个问题。
在某些市场是的，几乎是肯定的......或在某些市场阶段......也许，但不总是，你至少需要好的过滤器。
又是过滤器。那么谁来制作过滤器呢？那么这些特定的阶段是什么呢？你如何检测它们？-用算法检测它们？这不是沙皇的事。
我如此相信：留在DM中--让它自己揭示一切。