交易中的机器学习：理论、模型、实践和算法交易 - 页 721 1...714715716717718719720721722723724725726727728...3399 新评论 Alexander_K2 2018.02.27 21:44 #7201 马克西姆-德米特里耶夫斯基。只剩下一个主题要完成，会有一个圣杯，但有很多事情要做 :)好吧，如果有任何关于分布或如何计算样本量，或如何考虑到交易强度的问题--请问我。我是一个老人，我对年轻人没有秘密。 Maxim Dmitrievsky 2018.02.27 21:50 #7202 亚历山大_K2。不，如果有关于分布的事情，或者如何计算样本量，或者如何计算交易强度，请问我。我是一个老人，我对年轻人没有秘密。不，我有一个研究市场的自学系统，如果我修好了，以后会更详细地描述它。 mavar 2018.02.27 23:38 #7203 大家好! 在创建一个培训样本上打破了我的头。你能告诉我寻找好的进入点的正确方向吗，或者是思考的方向。 我的网络似乎能够在5个蜡烛图的基础上预测出一个上升柱的出现，但这对成功的交易来说是不够的。止损和利润把一切都吹走了。 如何使培训样本确定进入的正确时机？ 我在历史样本中标记了所有的上升蜡烛（采取了SIH3-18分钟的工具）这个公式。 if Open + 4 < Close and // тело свечи растущее и более 4-х пунктов Open + 10 < High and // От Open до High цена вырастет более чем на 10 пунктов 5 < Open - Low < 10 // Нижний хвост свечи от 5 до 10 пунктов 我训练了网络来预测这样一个柱子的出现，但进入总是在开盘价之上，而止损在利润之上，并且经常被触发。大多数开盘后的蜡烛图首先倾向于向下，然后才开始向上移动，首先击中止损。因此，我在思考如何显示直接向上的神经元进入点。 Mihail Marchukajtes 2018.02.28 06:48 #7204 马克西姆-德米特里耶夫斯基。我正在取得一点进展，rebs。 在auetsample上。 只是为了支持这个主题。 还有一个简单的问题，就在一开始。你能从这里得出什么结论？这是一个缩减，还是模型已经用尽了它的能力????。 Maxim Dmitrievsky 2018.02.28 06:59 #7205 Mihail Marchukajtes:还有一个简单的问题，直奔主题。你能从这里得出什么结论？这是一种低迷还是该模型已经用尽了它的潜力????。 哦，我不知道。我也不喜欢这个曲线。如果我们要做这个，至少要在5年后。在这里，它是一种侥幸。 我确定且不可改变的是--在他们自己的标记上使用NS是完全失败的......获得幸运的机会是百万分之一。整个话题就是证明。 Mihail Marchukajtes 2018.02.28 07:12 #7206 马克西姆-德米特里耶夫斯基。哦，我不知道，我也不喜欢这个曲线。如果你这样做，至少要在5年后才会长大。在这里，它是一种侥幸。 我确定且不可改变的是--在他们自己的标记上使用NS是一个完全的死胡同......获得幸运的机会是百万分之一。这整个话题证明了这一点。我其实是问为什么。当TC开始暴跌时，问题出现了，它是否会恢复？暴跌是否会停止并开始平衡的增长阶段？我们应该坚持这个策略，还是现在应该重新平衡？这些问题在沉没的时刻出现。是缩减还是完全损失？这只是...只是大声思考。 Maxim Dmitrievsky 2018.02.28 07:16 #7207 Mihail Marchukajtes:这就是为什么我问。当TC开始流失时，问题出现了，它是否能够恢复？暴跌是否会停止并开始平衡的增长阶段？我们是否应该坚持这一策略，还是现在应该重新平衡？这些问题在沉没的时刻出现。是缩减还是完全损失？这只是...只是大声思考...没有交叉验证，你就永远不会知道。 我在观察每段 历史的最大亏损交易数量，如果超过最大数量，我就会把它关掉。因此，缩减的幅度很小，但我的利润也很小。但我的机器人选择了3个月的薄纱，交易量在1000以下，在OOS中仍然要弱得多:) 随着记忆细胞的加入，已经变得更加有趣，但还是不一样，我需要更多的复杂情况。 Dr. Trader 2018.02.28 08:00 #7208 mavar。我训练了网络来预测这样的柱状物的出现，但我总是在开盘上方进场，而且止损高于利润，经常被触发。大多数开盘后的蜡烛图先是倾向于向下，然后才开始上升，先打到止损。因此，我在思考如何显示神经元的进入点，而这些神经元又会立即上升。首先，在MT5的测试器中检查这样的交易策略会很好。如果测试仪显示有损失，你就不应该训练神经元，它将没有任何用处。 例如，我正在训练它来预测每个柱子的价格上涨（Open[0]-Open[1]，Open[1]-Open[2]，等等），这被称为回归。当你从神经元中得到一个好的结果时，你就有希望获得利润。 mavar 2018.02.28 11:47 #7209 交易员博士。首先，在mt5的测试器中测试这样的交易开仓策略是一个好主意。如果连测试仪都显示有损失，你就不应该训练神经元，它将是无用的。 例如，我正在训练它来预测每个柱子的价格上涨（Open[0]-Open[1]，Open[1]-Open[2]，等等），这被称为回归。当你从神经元中得到一个好的结果时，你就有希望获得利润。它能正确识别，但我不能选择正确的进入点。我想教网络不是识别蜡烛的外观，而是识别进入而不下去的确切时刻。我的停顿打破了一切。 我不能写这样的条件。也许有人会告诉我怎么做？ 我不能在测试器中测试它，因为由于与神经元的整合，它在那里不起作用。我不能在那里检查，因为它在策略测试器中不起作用，因为它是用python写的，信息是通过文件交换的。 Sergey Novokhatskiy 2018.02.28 16:42 #7210 你认为是否有自动化的前景。 1...714715716717718719720721722723724725726727728...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
只剩下一个主题要完成，会有一个圣杯，但有很多事情要做 :)
好吧，如果有任何关于分布或如何计算样本量，或如何考虑到交易强度的问题--请问我。我是一个老人，我对年轻人没有秘密。
不，如果有关于分布的事情，或者如何计算样本量，或者如何计算交易强度，请问我。我是一个老人，我对年轻人没有秘密。
不，我有一个研究市场的自学系统，如果我修好了，以后会更详细地描述它。
大家好!
在创建一个培训样本上打破了我的头。你能告诉我寻找好的进入点的正确方向吗，或者是思考的方向。
我的网络似乎能够在5个蜡烛图的基础上预测出一个上升柱的出现，但这对成功的交易来说是不够的。止损和利润把一切都吹走了。
如何使培训样本确定进入的正确时机？
我在历史样本中标记了所有的上升蜡烛（采取了SIH3-18分钟的工具）这个公式。
我训练了网络来预测这样一个柱子的出现，但进入总是在开盘价之上，而止损在利润之上，并且经常被触发。大多数开盘后的蜡烛图首先倾向于向下，然后才开始向上移动，首先击中止损。因此，我在思考如何显示直接向上的神经元进入点。
我正在取得一点进展，rebs。
在auetsample上。
只是为了支持这个主题。
还有一个简单的问题，就在一开始。你能从这里得出什么结论？这是一个缩减，还是模型已经用尽了它的能力????。
还有一个简单的问题，直奔主题。你能从这里得出什么结论？这是一种低迷还是该模型已经用尽了它的潜力????。
哦，我不知道。我也不喜欢这个曲线。如果我们要做这个，至少要在5年后。在这里，它是一种侥幸。
我确定且不可改变的是--在他们自己的标记上使用NS是完全失败的......获得幸运的机会是百万分之一。整个话题就是证明。
哦，我不知道，我也不喜欢这个曲线。如果你这样做，至少要在5年后才会长大。在这里，它是一种侥幸。
我确定且不可改变的是--在他们自己的标记上使用NS是一个完全的死胡同......获得幸运的机会是百万分之一。这整个话题证明了这一点。
我其实是问为什么。当TC开始暴跌时，问题出现了，它是否会恢复？暴跌是否会停止并开始平衡的增长阶段？我们应该坚持这个策略，还是现在应该重新平衡？这些问题在沉没的时刻出现。是缩减还是完全损失？这只是...只是大声思考。
这就是为什么我问。当TC开始流失时，问题出现了，它是否能够恢复？暴跌是否会停止并开始平衡的增长阶段？我们是否应该坚持这一策略，还是现在应该重新平衡？这些问题在沉没的时刻出现。是缩减还是完全损失？这只是...只是大声思考...
没有交叉验证，你就永远不会知道。
我在观察每段 历史的最大亏损交易数量，如果超过最大数量，我就会把它关掉。因此，缩减的幅度很小，但我的利润也很小。但我的机器人选择了3个月的薄纱，交易量在1000以下，在OOS中仍然要弱得多:)
随着记忆细胞的加入，已经变得更加有趣，但还是不一样，我需要更多的复杂情况。
我训练了网络来预测这样的柱状物的出现，但我总是在开盘上方进场，而且止损高于利润，经常被触发。大多数开盘后的蜡烛图先是倾向于向下，然后才开始上升，先打到止损。因此，我在思考如何显示神经元的进入点，而这些神经元又会立即上升。
首先，在MT5的测试器中检查这样的交易策略会很好。如果测试仪显示有损失，你就不应该训练神经元，它将没有任何用处。
例如，我正在训练它来预测每个柱子的价格上涨（Open[0]-Open[1]，Open[1]-Open[2]，等等），这被称为回归。当你从神经元中得到一个好的结果时，你就有希望获得利润。
首先，在mt5的测试器中测试这样的交易开仓策略是一个好主意。如果连测试仪都显示有损失，你就不应该训练神经元，它将是无用的。
例如，我正在训练它来预测每个柱子的价格上涨（Open[0]-Open[1]，Open[1]-Open[2]，等等），这被称为回归。当你从神经元中得到一个好的结果时，你就有希望获得利润。
它能正确识别，但我不能选择正确的进入点。我想教网络不是识别蜡烛的外观，而是识别进入而不下去的确切时刻。我的停顿打破了一切。
我不能写这样的条件。也许有人会告诉我怎么做？
我不能在测试器中测试它，因为由于与神经元的整合，它在那里不起作用。我不能在那里检查，因为它在策略测试器中不起作用，因为它是用python写的，信息是通过文件交换的。
你认为是否有自动化的前景。