交易中的机器学习：理论、模型、实践和算法交易 - 页 622 1...615616617618619620621622623624625626627628629...3399 新评论 Alexander_K2 2018.01.28 14:07 #6211 尤里-阿索连科。(我有一个盘口。)我有一个盘口。如果你花了一天或更多时间，你根本不需要杯子或丝带。对于每天的10个交易，我不能没有它。我搞不清楚如何在外汇市场上做到这一点)。你不能这样做，尤里。因为概率密度函数 是这样的，人们必须在样本量大于10.000的外汇市场工作。事实上--在日记上。由增量形成的分布是稳定的，而且是无限可分的。这就是为什么许多人在看到市场分崩离析时，急于在几分钟内进行交易，离开市场时比教堂里的老鼠还穷。相比之下，我在每日市场上的交易不多，尽管你的方法绝对正确，我今天终于确定了（你明白我的意思吗？- 我不打算详细地告诉你）。 Yuriy Asaulenko 2018.01.28 14:39 #6212 亚历山大_K2。永远不要，尤里。因为概率密度函数 是这样的，你必须在样本量超过10,000的外汇工作。事实上--在日记上。由增量形成的分布是稳定的，可无限分割的。这就是为什么许多人在看到市场分崩离析时，急于在几分钟内进行交易，离开市场时比教堂里的老鼠还穷。相比之下，我在每日市场上没有看到很多交易，尽管你的方法绝对正确，我今天终于确定了（你明白我的意思吗？- 我不打算详细地告诉你--你不妨自己去做）。对我来说，我认为短期交易（每天或更多）是一个死胡同。我认为短期交易是一个死胡同的选择，我甚至有一个拙劣的理由）。我将只使用分钟，而且只在日内穿插使用黄牛。这是为市场服务的。关于外汇，我不能说得很清楚。但人们成功地进行了抽签，似乎是这样。据我所知，在股票和外汇市场上，大多数的工作策略都是剥头皮或平仓方法。 toxic 2018.01.28 14:59 #6213 尤里-阿索连科。 我想知道为什么不是Python？可能是同一个R？我不明白。我不会为迈克尔说话，他能够论证他的选择，但我可以猜测可能是因为python和R是高级语言，它们就像matlab或 "数学"，而不是语言本身，它们对于熟悉它们是非常酷的，但在生产中，当你需要与独家算法斗争时，没有机会，这就像在滑板车上赢得一级方程式。 toxic 2018.01.28 15:06 #6214 桑桑尼茨-弗门科。 的确如此。既然有这种对知识的渴望，你就拿着排名，从头开始研究似乎适合的东西。一件事是学生在githab上发表的文章和初级科学家的文章数量，另一件事是严肃的投资公司（银行、对冲基金等）用什么来编码机器学习算法。"顶级 "的样本偏向于前者，因为后者不宣传他们做什么和怎么做，除了在顶部，甚至分散注意力，导致一个优雅的死胡同。 Yuriy Asaulenko 2018.01.28 15:22 #6215 我不 知道。我不会为迈克尔说话，他能够论证他的选择，但我可以猜测可能是因为python和R是高级解释语言，它们就像matlab或 "数学"，而不是语言本身，这对于学习来说非常酷，但在生产中，当你需要与独家算法斗争时，没有机会，这就像在滑板车上赢得一级方程式。我已经忘记了，是杰夫吗？因此，Java也是一种解释性语言--它被编译为非机器代码并在JVM上运行。与Java类似，Python也是经过编译的，同样是在虚拟机 上运行。Python的优势在于它就像一种脚本语言，所有的库都已经在编译的C++中。而在Python中，有价值的是庞大的库，而不是Python本身。R也是一种脚本语言，所有的主要工作都是由编译过的C++语言的包来完成的。一般来说，Java是相当慢的。它看起来一点也不像一级方程式）。我不知道他为什么如此热衷于此）。对我来说，如果策略不是黄牛的pipsqueak，就没有必要击败任何人，业绩根本不起作用。至于迈克尔，这是他的选择。我们有点像在讨论语言）。SZZY 我曾在某处看到过不同语言的MO算法的性能比较。Java和Python就在附近。 СанСаныч Фоменко 2018.01.28 15:28 #6216 马克西姆-德米特里耶夫斯基。 现在，我可以得到一些链接或解释吗？:) 我可以为外汇做一个我对具体的结果感兴趣，而不是假设。我在互联网上找到了关于报价工具交易的一切。我应该寻找VAR、VECM、vars包，它一如既往地有参考价值。SETAR上的进入边界挂上了，但谷歌要帮忙--文献和具体应用....如果你能克服差价，也许可以分享。它是如此美丽而不张扬，让人难以移开视线。 附加的文件： VAR_SVAR_SVEC_Models.zip 284 kb Maxim Dmitrievsky 2018.01.28 15:36 #6217 桑桑尼茨-弗门科。 寻找VAR、VECM、vars包，并在其中一如既往地寻找参考资料。基金会的入境界线挂上了，但谷歌要帮忙--文献和具体应用....如果你能克服差价，也许可以分享。在没有传播的情况下，它是如此美丽，很难将你的目光从它身上移开。谢谢，我会看看的。奇怪的是--配对交易的价差似乎从未成为问题AAA...是自回归+多元回归...有点...有意思，可以自己做。我以后再谈这个问题。 Alexander_K2 2018.01.28 15:36 #6218 尤里-阿索连科。我，所以短期（天和更多）认为这是一个死胡同。而且甚至还有一个拙劣的理由）。只有几分钟，而且只有盘中穿插的黄牛。这是为市场服务的。关于外汇，我不能说得很清楚。但人们成功地进行了抽签，似乎是这样。而且，据我所知，大多数工作策略都是股票和外汇的剥头皮或平仓方法。 再次看一下美元兑日元的增长分布。右边的图表是 "记忆"。它只在增量>=17点时消失。而+-17点的置信区间约为该分布的99.5%或28.900点。这就是应该交易的量。所有其他情况都只是这个巨大分布的特殊情况，显然会导致失败。 Yuriy Asaulenko 2018.01.28 15:39 #6219 亚历山大_K2。 再次看一下美元兑日元的增量分布。右边的图是 "记忆"。它只在增量>=17点时消失。而+-17点的置信区间约为该分布的99.5%或28.900点。这就是应该交易的量。所有其他情况都只是这个巨大分布的特殊情况，并导致损失。 我认为，我们应该去你的分支机构。否则它很快就会占据整个论坛）。当我准备好回答时，我会写在那里。还没有进入这个话题。 СанСаныч Фоменко 2018.01.28 15:44 #6220 Cpp:我不会为迈克尔说话，他自己能够论证他的选择，但我可以猜测可能是因为python和R是高级解释语言，它们就像matlab或 "数学"，更像是一套库的接口，像一个命令行，而不是语言本身，学习起来非常酷，但在生产中，当你需要与独家算法斗争时，没有机会，这就像在滑板车上赢得一级方程式。有毒。一件事是学生在githab上发表的文章和初级科学家的文章数量，另一件事是严肃的投资公司（银行、对冲基金等）用什么来编码机器学习算法；"顶级 "的选择是向前者倾斜的，因为后者不宣传他们做什么，甚至分散注意力，导致一个优雅的死角。人们应该总是看根，正如经典所教导我们的那样。而R的速度是一个大问题。表面上有一个解释者。研究时的一个优雅的事情。根据我的经验，根本就不需要调试器。但速度似乎要好一些。但这只是表象--让我们一探究竟。速度的细微差别。1.如果你拿任何一个计算量大的R包来说，R是只为调用库而写的，它使用的是Fortran和C库。选择了最大的速度，而这一点能否被超越是值得怀疑的。2.此外，对于那些从C语言过渡到R语言的人来说，R是一种矩阵语言，缺乏标量的概念。而英特尔库是在向量和矩阵操作背后。此外，R代码本身是非常有容量的，因为如此。3.加载计算机的所有内核和处理器是相应工具包的规范。4.在R语言中开发的产品在 "服务器-客户端 "方案上完美运行。5.你可以在R语言中编写一个非常强大的程序，可以处理任何特殊情况。纳标准的概念与适当的工具。6.R和Cpp相处得非常好，交流有很好的文档，所以如果你设法用R写一个大程序（这非常困难，因为它充满了现成的代码），你总是可以用Cpp重写所有或一些狭窄的部分。 1...615616617618619620621622623624625626627628629...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
(我有一个盘口。)我有一个盘口。
如果你花了一天或更多时间，你根本不需要杯子或丝带。对于每天的10个交易，我不能没有它。
我搞不清楚如何在外汇市场上做到这一点)。
你不能这样做，尤里。因为概率密度函数 是这样的，人们必须在样本量大于10.000的外汇市场工作。事实上--在日记上。由增量形成的分布是稳定的，而且是无限可分的。这就是为什么许多人在看到市场分崩离析时，急于在几分钟内进行交易，离开市场时比教堂里的老鼠还穷。
相比之下，我在每日市场上的交易不多，尽管你的方法绝对正确，我今天终于确定了（你明白我的意思吗？- 我不打算详细地告诉你）。
永远不要，尤里。因为概率密度函数 是这样的，你必须在样本量超过10,000的外汇工作。事实上--在日记上。由增量形成的分布是稳定的，可无限分割的。这就是为什么许多人在看到市场分崩离析时，急于在几分钟内进行交易，离开市场时比教堂里的老鼠还穷。
相比之下，我在每日市场上没有看到很多交易，尽管你的方法绝对正确，我今天终于确定了（你明白我的意思吗？- 我不打算详细地告诉你--你不妨自己去做）。
对我来说，我认为短期交易（每天或更多）是一个死胡同。我认为短期交易是一个死胡同的选择，我甚至有一个拙劣的理由）。
我将只使用分钟，而且只在日内穿插使用黄牛。
这是为市场服务的。关于外汇，我不能说得很清楚。但人们成功地进行了抽签，似乎是这样。据我所知，在股票和外汇市场上，大多数的工作策略都是剥头皮或平仓方法。
我想知道为什么不是Python？可能是同一个R？我不明白。
我不会为迈克尔说话，他能够论证他的选择，但我可以猜测可能是因为python和R是高级语言，它们就像matlab或 "数学"，而不是语言本身，它们对于熟悉它们是非常酷的，但在生产中，当你需要与独家算法斗争时，没有机会，这就像在滑板车上赢得一级方程式。
的确如此。既然有这种对知识的渴望，你就拿着排名，从头开始研究似乎适合的东西。
一件事是学生在githab上发表的文章和初级科学家的文章数量，另一件事是严肃的投资公司（银行、对冲基金等）用什么来编码机器学习算法。"顶级 "的样本偏向于前者，因为后者不宣传他们做什么和怎么做，除了在顶部，甚至分散注意力，导致一个优雅的死胡同。
我不会为迈克尔说话，他能够论证他的选择，但我可以猜测可能是因为python和R是高级解释语言，它们就像matlab或 "数学"，而不是语言本身，这对于学习来说非常酷，但在生产中，当你需要与独家算法斗争时，没有机会，这就像在滑板车上赢得一级方程式。
我已经忘记了，是杰夫吗？因此，Java也是一种解释性语言--它被编译为非机器代码并在JVM上运行。
与Java类似，Python也是经过编译的，同样是在虚拟机 上运行。Python的优势在于它就像一种脚本语言，所有的库都已经在编译的C++中。而在Python中，有价值的是庞大的库，而不是Python本身。R也是一种脚本语言，所有的主要工作都是由编译过的C++语言的包来完成的。
一般来说，Java是相当慢的。它看起来一点也不像一级方程式）。我不知道他为什么如此热衷于此）。对我来说，如果策略不是黄牛的pipsqueak，就没有必要击败任何人，业绩根本不起作用。
至于迈克尔，这是他的选择。我们有点像在讨论语言）。
SZZY 我曾在某处看到过不同语言的MO算法的性能比较。Java和Python就在附近。
现在，我可以得到一些链接或解释吗？:) 我可以为外汇做一个
我对具体的结果感兴趣，而不是假设。
我在互联网上找到了关于报价工具交易的一切。
我应该寻找VAR、VECM、vars包，它一如既往地有参考价值。SETAR上的进入边界
挂上了，但谷歌要帮忙--文献和具体应用....
如果你能克服差价，也许可以分享。它是如此美丽而不张扬，让人难以移开视线。
寻找VAR、VECM、vars包，并在其中一如既往地寻找参考资料。基金会的入境界线
挂上了，但谷歌要帮忙--文献和具体应用....
如果你能克服差价，也许可以分享。在没有传播的情况下，它是如此美丽，很难将你的目光从它身上移开。
谢谢，我会看看的。奇怪的是--配对交易的价差似乎从未成为问题
AAA...是自回归+多元回归...有点...有意思，可以自己做。我以后再谈这个问题。
我，所以短期（天和更多）认为这是一个死胡同。而且甚至还有一个拙劣的理由）。
只有几分钟，而且只有盘中穿插的黄牛。
这是为市场服务的。关于外汇，我不能说得很清楚。但人们成功地进行了抽签，似乎是这样。而且，据我所知，大多数工作策略都是股票和外汇的剥头皮或平仓方法。
右边的图表是 "记忆"。它只在增量>=17点时消失。而+-17点的置信区间约为该分布的99.5%或28.900点。这就是应该交易的量。所有其他情况都只是这个巨大分布的特殊情况，显然会导致失败。
再次看一下美元兑日元的增量分布。
右边的图是 "记忆"。它只在增量>=17点时消失。而+-17点的置信区间约为该分布的99.5%或28.900点。这就是应该交易的量。所有其他情况都只是这个巨大分布的特殊情况，并导致损失。
我不会为迈克尔说话，他自己能够论证他的选择，但我可以猜测可能是因为python和R是高级解释语言，它们就像matlab或 "数学"，更像是一套库的接口，像一个命令行，而不是语言本身，学习起来非常酷，但在生产中，当你需要与独家算法斗争时，没有机会，这就像在滑板车上赢得一级方程式。
一件事是学生在githab上发表的文章和初级科学家的文章数量，另一件事是严肃的投资公司（银行、对冲基金等）用什么来编码机器学习算法；"顶级 "的选择是向前者倾斜的，因为后者不宣传他们做什么，甚至分散注意力，导致一个优雅的死角。
人们应该总是看根，正如经典所教导我们的那样。
而R的速度是一个大问题。
表面上有一个解释者。研究时的一个优雅的事情。根据我的经验，根本就不需要调试器。但速度似乎要好一些。但这只是表象--让我们一探究竟。
速度的细微差别。
1.如果你拿任何一个计算量大的R包来说，R是只为调用库而写的，它使用的是Fortran和C库。选择了最大的速度，而这一点能否被超越是值得怀疑的。
2.此外，对于那些从C语言过渡到R语言的人来说，R是一种矩阵语言，缺乏标量的概念。而英特尔库是在向量和矩阵操作背后。此外，R代码本身是非常有容量的，因为如此。
3.加载计算机的所有内核和处理器是相应工具包的规范。
4.在R语言中开发的产品在 "服务器-客户端 "方案上完美运行。
5.你可以在R语言中编写一个非常强大的程序，可以处理任何特殊情况。纳标准的概念与适当的工具。
6.R和Cpp相处得非常好，交流有很好的文档，所以如果你设法用R写一个大程序（这非常困难，因为它充满了现成的代码），你总是可以用Cpp重写所有或一些狭窄的部分。