交易中的机器学习：理论、模型、实践和算法交易 - 页 654 1...647648649650651652653654655656657658659660661...3399 新评论 Alexander_K2 2018.02.09 18:52 #6531 尤里-阿索连科。尤里，别担心--你的帮助和建议被我考虑到了，是它们让我无法完整地描述这个算法。我正在考虑如何处理它...我还不知道。就这样吧--我离开这个话题。不要责骂钢琴家，他尽其所能地演奏。 Alexander_K2 2018.02.09 20:07 #6532 Dr. Trader: 是的，博士--如果你还在和神经网络比赛，那就在转化的样本上做吧。你可以从那里读出均匀性或指数性。现在真的就是这样了。我还是回家吧--这里的气氛似乎有所改善。 pantural 2018.02.09 21:27 #6533 事实上，你们都在谈论错误的事情......。 这都是关于数据的问题，然后把MO的排气量落实到TS中，我认为最好是谈论如何把一个有NS的嘈杂的谓词，准确率刚刚超过50%，变成一个至少高于传播的TS。 Dmitriy Skub 2018.02.09 22:46 #6534 pantural。事实上，你们都在谈论错误的事情......。 这都是关于数据的问题，然后把MO的排气量落实到TS中，我认为最好是谈论如何把一个有NS的嘈杂的谓词，准确率刚刚超过50%，变成一个至少高于传播的TS。*** Renat Akhtyamov 2018.02.09 23:00 #6535 亚历山大_K2。作为目前的证据。 演示？ Maxim Dmitrievsky 2018.02.10 05:43 #6536 请不要把这个话题变成Renat Akhtyamov 的内心世界 Vizard_ 2018.02.10 07:24 #6537 雷纳特-阿赫蒂亚莫夫。 演示？那么14年之前的卢布在哪里？)))))) Dr. Trader 2018.02.10 07:43 #6538 pantural。事实上，你们都在谈论错误的事情......。 这都是关于数据的问题，然后把MO的排气量落实到TS中，我认为最好是谈论如何把一个有NS的嘈杂的谓词，准确率刚刚超过50%，变成一个至少高于传播的TS。我也一直在思考这个问题。 如果回归模型预测了每一栏的价格收益，并且R2得分在前测和回测中都高于零，这已经是一个好的开始。问题是，结果虽然稳定，但却很小，价差不能被打败。 从分析上看，问题在于R2对模型的大误差惩罚较重，而忽略了小误差和错误的交易方向。如果你看一下收益的分布，大多数价格变动只有几个点。而这个模型，不是预测这种小运动的正确方向，而是学习预测分布的长尾，因为它将获得更高的R2。因此，该模型可以在某种程度上预测大的运动，但在小的运动中，它总是在方向上犯错，并失去了差价。 结论--标准回归估计对外汇不利。有必要发明某种健身函数，以考虑到交易方向、价差和准确性，而且函数应该是平滑的。那么即使准确率略高于50%，也有机会获利。 准确度、夏普比率、恢复系数和其他分析交易图的功能过于离散，带有标准反推的神经元不会走出局部最小值，不会正常学习。 另一个结论是完全忽略神经元的弱信号。只对强势的进行交易。问题是，我们总是可以定义在回测中得到良好结果的阈值，但在前测中不会得到良好的结果。这也是值得思考的问题。 Forester 2018.02.10 08:58 #6539 交易员博士。 另一个结论是完全无视微弱的神经元信号。 只对强势的进行交易。问 题是，你总能找到一个阈值，它能在回测中给出好的结果，但在前测中却不能给出好的结果。在这里，我们也应该想一想。在强势的基础上进行交易是合乎逻辑的。而事实上，我们在前端得到了不好的结果--也许NS只是记住了我们在回测中的情况，而没有归纳。 也许应该引入一个验证部分？ 但结果可能是，将对验证部分进行装修。而前锋又会变坏。 СанСаныч Фоменко 2018.02.10 11:35 #6540 交易员博士。和错误的交易方向。可能感兴趣的是：rugarch::DACTest--方向准确性测试。最有趣的是，作者是我们俄罗斯当代的阿纳托利耶夫。 Anatolyev S. Predictability test.Quantil #1, September 2006, pp.39-43. 1...647648649650651652653654655656657658659660661...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
尤里，别担心--你的帮助和建议被我考虑到了，是它们让我无法完整地描述这个算法。我正在考虑如何处理它...我还不知道。就这样吧--我离开这个话题。不要责骂钢琴家，他尽其所能地演奏。
是的，博士--如果你还在和神经网络比赛，那就在转化的样本上做吧。你可以从那里读出均匀性或指数性。现在真的就是这样了。我还是回家吧--这里的气氛似乎有所改善。
事实上，你们都在谈论错误的事情......。
这都是关于数据的问题，然后把MO的排气量落实到TS中，我认为最好是谈论如何把一个有NS的嘈杂的谓词，准确率刚刚超过50%，变成一个至少高于传播的TS。
事实上，你们都在谈论错误的事情......。
这都是关于数据的问题，然后把MO的排气量落实到TS中，我认为最好是谈论如何把一个有NS的嘈杂的谓词，准确率刚刚超过50%，变成一个至少高于传播的TS。
***
作为目前的证据。
演示？
那么14年之前的卢布在哪里？))))))
事实上，你们都在谈论错误的事情......。
这都是关于数据的问题，然后把MO的排气量落实到TS中，我认为最好是谈论如何把一个有NS的嘈杂的谓词，准确率刚刚超过50%，变成一个至少高于传播的TS。
我也一直在思考这个问题。
如果回归模型预测了每一栏的价格收益，并且R2得分在前测和回测中都高于零，这已经是一个好的开始。问题是，结果虽然稳定，但却很小，价差不能被打败。
从分析上看，问题在于R2对模型的大误差惩罚较重，而忽略了小误差和错误的交易方向。如果你看一下收益的分布，大多数价格变动只有几个点。而这个模型，不是预测这种小运动的正确方向，而是学习预测分布的长尾，因为它将获得更高的R2。因此，该模型可以在某种程度上预测大的运动，但在小的运动中，它总是在方向上犯错，并失去了差价。
结论--标准回归估计对外汇不利。有必要发明某种健身函数，以考虑到交易方向、价差和准确性，而且函数应该是平滑的。那么即使准确率略高于50%，也有机会获利。
准确度、夏普比率、恢复系数和其他分析交易图的功能过于离散，带有标准反推的神经元不会走出局部最小值，不会正常学习。
另一个结论是完全忽略神经元的弱信号。只对强势的进行交易。问题是，我们总是可以定义在回测中得到良好结果的阈值，但在前测中不会得到良好的结果。这也是值得思考的问题。
另一个结论是完全无视微弱的神经元信号。 只对强势的进行交易。问 题是，你总能找到一个阈值，它能在回测中给出好的结果，但在前测中却不能给出好的结果。在这里，我们也应该想一想。
在强势的基础上进行交易是合乎逻辑的。而事实上，我们在前端得到了不好的结果--也许NS只是记住了我们在回测中的情况，而没有归纳。
也许应该引入一个验证部分？
但结果可能是，将对验证部分进行装修。而前锋又会变坏。
和错误的交易方向。
可能感兴趣的是：rugarch::DACTest--方向准确性测试。最有趣的是，作者是我们俄罗斯当代的阿纳托利耶夫。
Anatolyev S. Predictability test.Quantil #1, September 2006, pp.39-43.