交易中的机器学习：理论、模型、实践和算法交易 - 页 784

新评论
 

如果对目标没有问题，而且大多数人同意，就告诉别人，我们将继续，如果有更正，我们将听取他们的意见，纠正他们，然后继续。

很明显，目标的参数可以是任何东西，但我们已经选择了这些，如果没有反对意见，我们将按照这些参数工作。

 

下一步是决定并选择建议的方法之一或提出自己的方法。

1.对整个图表进行预测，不遗漏任何一条。

2.例如，我们在市场的某些时刻作出预测。10:00 MSK的欧洲开幕。这意味着此刻我们试图确定10条（小时）后或其他任何时刻的斜率变化。

也就是说，你应该选择每一个柱子或在某一个时间点上。选择权在你手中。一旦我们就上述问题作出决定，我们将继续。期待您的来信！！。

 
Mihail Marchukajtes:

如果对目标没有问题，而且大多数人同意，就告诉别人，我们会继续，如果有更正，我们会听取他们的意见，纠正他们，继续前进。

很明显，目标的参数可以是你想要的任何东西，但我们已经选择了这些，如果没有反对意见，我们将与它们合作。

这么小的窗口不就导致了简单的趋势跟踪吗？即趋势是100条-10个窗口，其中3个有大约的误差（内部修正），而在平坦的地方，3个中有1个猜测。因此，如果在研究期间，一个趋势是高的，我们将根据趋势调整参数，如果是平的，那么将去平的。也就是说，在训练期间，交易系统将仅仅关注市场情况。

但一个真正的TS应该自己确定预期的情况，并根据预期应用一种或另一种交易算法。那么你为什么不教一个神经网络来预测未来的市场阶段呢？

 
阿列克谢-维亚兹米 金。

这么小的窗口难道不会导致只是跟风吗？即趋势是100条-10个窗口，在3个窗口中大约有一个错误（内部修正），而在平坦的地方，3个中有1个猜测。因此，如果在研究期间有大的趋势，我们就会根据趋势调整参数，如果是平坦的，那就会归于平坦。也就是说，在训练期间，交易系统将仅仅关注市场情况。

但一个真正的TS应该自己确定预期的情况，并根据预期应用一种或另一种交易算法。那么为什么不教一个神经网络来预测市场的未来阶段呢？

关于训练的数据准备是一个单独的故事，我将告诉你我们可能会尝试哪些变体。至于NS在预测10条内斜率变化的结果，还不是TS。任务是准备一个模型或一组模型，与PP部分的真实数据的分歧误差最小，只有这样，我们才会根据这些结果做出有进入和退出的TS。预测本身还不是TS。例如：如果当前的酒吧ST说在10个酒吧的变化将超过100点，那么我们就进去，如果没有，我们就不进去。人工智能的任务不是要把一个或另一个环节学得更好或更差，而是要能够归纳。也就是说，如果在训练中，有更多的趋势向量而不是平坦，那么在平坦的开始，NS仍然应该识别它.....。让我们把事情一个一个地说出来。议程上有两个问题。对目标的批准和对整个市场或某一点的选择。当你选择时，让我知道。我们将把它们固定为初始数据，然后继续...

 
Mihail Marchukajtes:

关于训练的数据准备，这是一个单独的故事，我将告诉你可以尝试哪些选项。至于以预测10个小节中klos的变化的形式进行NS工作的结果，还不是TS。任务是准备一个模型或一组模型，与PP部分的真实数据的分歧误差最小，只有这样，我们才会根据这些结果做出有进入和退出的TS。预测本身还不是TS。例如：如果当前的酒吧ST说在10个酒吧的变化将超过100点，那么我们就进去，如果没有，我们就不进去。人工智能的任务不是要把一个或另一个环节学得更好或更差，而是要能够归纳。也就是说，如果在训练中，有更多的趋势向量而不是平坦，那么在平坦的开始，NS仍然应该识别它.....。让我们把事情一个一个地说出来。议程上有两个问题。对目标的批准和对整个市场或某一点的选择。当你选择时，让我知道。我们将把它们固定为初始数据，然后继续...

米哈，你想要一个回归的目标，但你说的是越简单越好。至于我，分类目标更容易使用。例如，对于同样的十根柱子，事件的三种变体1--盈利发生，2--亏损发生，3--既无盈利也无亏损发生....。目标功能代码

 
你不再用点数来计算目标本身（这本身就会因误差而产生失真），而只是计算概率。
 
Anatolii Zainchkovskii:
，你不再用点数来计算目标本身（它本身被错误扭曲了），而只是计算概率。

现在，在你的胸腔中获得更多的空气，并呼出...吸气，再呼气。而现在重读我的最后几篇帖子，特别是在开头，我说我对分类没有疑问，项目可以考虑完成。一个可行的成品项目。我觉得很无聊，决定深入研究回归这个话题，所以我们把分类放在一边，试着把这些原则应用到回归模型中。除了在提到工作安排和任何一般原则时，没有一个字提到分类，....。现在我们做一个预测。是否有强有力的论据反对我提议的目标功能？有一个替代目标函数的方法。你能提供什么。如果你不能，那就接受你所拥有的，让我们继续......

 
Mihail Marchukajtes:

现在将更多的空气吸入你的胸部，然后呼气...吸气，再呼气。而现在重读我的最后几篇帖子，尤其是在开头，我说我对分类没有疑问，项目可以说是完成了。一个可行的成品项目。我觉得很无聊，决定把回归的话题扭过来，所以我们把分类放在一边，试着把这些原则应用到回归模型上。除了在提到工作安排和任何一般原则时，没有一个字提到分类，....。现在我们做一个预测。是否有强有力的论据反对我提议的目标功能？有一个替代目标函数的方法。你能提供什么。如果你不能，那么就用你所拥有的东西，继续...

我相信你不会从目标函数的回归版本中得到什么。

 
Mihail Marchukajtes:

关于训练的数据准备，这是一个单独的故事，我将告诉你可以尝试哪些选项。至于以预测10个小节中klos的变化的形式进行NS工作的结果，还不是TS。任务是准备一个模型或一组模型，与PP部分的真实数据的分歧误差最小，只有这样，我们才会根据这些结果做出有进入和退出的TS。预测本身还不是TS。例如：如果当前的酒吧ST说在10个酒吧的变化将超过100点，那么我们就进去，如果没有，我们就不进去。人工智能的任务不是要把一个或另一个片段学得更好或更差，而是要能够归纳。也就是说，如果在训练中，有更多的趋势向量而不是平坦，那么在平坦的开始，NS仍然应该识别它.....。让我们把事情一个一个地说出来。议程上有两个问题。对目标的批准和对整个市场或某一点的选择。当你选择时，让我知道。让我们把它们作为初始数据记录下来，然后继续前进......

好吧，你不想谈这个，让我们谈点别的。

为什么你要取10个柱子的delta，而不是这10个柱子的开盘和最大/最小值之间的delta？

 
阿纳托利-扎因奇科夫斯基。

有效的论据只有一个，因为预后概率在50%左右，也就是说，如果是55%就不错了，考虑到几乎任何NS产生的误差，就像手指头一样。 我相信，回归版的目标不太可能得到什么。

你是如何得到这样的百分比的？有一些测试已经完成。我们对初始数据还没有决定，而你已经在谈论结果了.....。

1...777778779780781782783784785786787788789790791...3399
新评论