交易中的机器学习：理论、模型、实践和算法交易 - 页 800 1...793794795796797798799800801802803804805806807...3399 新评论 Maxim Dmitrievsky 2018.03.31 20:35 #7991 尤里-阿索连科。这是一种误解。趋势性通货膨胀的概念是非常相对的。对一个人来说是平面的东西，对另一个人来说很可能是一种趋势）。反之亦然)。 当然，类似博林格的策略有其局限性。就像其他一样。有很多反趋势的系统，有boyuls之类的，一直到篮下。 即使你有幸在太平洋地区的会议上做了几个月，这也是一种变相的祝福。 它已经存在了100个冰年。对于这样的系统，盈利交易和亏损交易的比例应该远远超过0.5，小的利润和大的损失 FAP Turbo以前是一个很受欢迎的机器人，它曾经拿着一袋袋的交易，现在看来，第三个版本给了一些东西，我不知道。 Alexander_K2 2018.03.31 20:44 #7992 马克西姆-德米特里耶夫斯基。有很多关于薯条之类的反趋势系统，都是进了垃圾桶。 即使你有幸在太平洋地区的会议上得到几个月的时间，这也是一种变相的祝福。 它已经存在了100个冰年。对于这样的系统，盈利交易和亏损交易的比例应该远远超过0.5，小的利润和大的损失 FAP Turbo在过去是一个受欢迎的机器人布林格本身就是一个真正的坑。你永远不应该使用标准公式来计算方差。但是！你可以而且应该用非参数方法来计算过程偏离平均值的量度。 СанСаныч Фоменко 2018.03.31 21:38 #7993 马克西姆-德米特里耶夫斯基。谢谢，我会读的。 顺便说一下，这是上面库兹涅佐夫的视频的附录。2018年的东西很有趣，但我还没有想明白。有比特币预测的例子，有外汇，等等。并对他的方法与阿里马进行了比较。 https://arxiv.org/pdf/1803.05814.pdf我根据老师的分布差异计算了12个货币对的23个预测器的预测能力，如果预测正确，利润将超过50点。 结果如下。 1.同样的预测器对不同货币对的预测能力是不同的。 2.不同预测器对一个货币对的预测能力可能相差两个数量级 3.预测能力在窗口移动时发生变化。当窗口移动到500条以上时，预测能力的变异性统计就稳定下来了 4.通过移动窗口获得的预测能力的斜率从低于1%的数值到超过100%不等。此外，"坏 "的预测器（具有高sko）总是坏的，而 "好 "的预测器总是好的。 5.研究了12种货币对。其中有三个是没有希望的：在23个已使用的变量中，没有我的目标变量的良好预测因素。 6.对于同一个货币对，多头和空头的预测能力是完全不同的。 Yuriy Asaulenko 2018.03.31 21:48 #7994 亚历山大_K2。布林线本身就是一个完整的坑。在任何情况下，你都不应该使用标准公式来计算差异。但你可以而且应该使用非参数方法来计算过程偏离平均值的量度。我忍不住了--你在胡说八道。布林线只是一个有一堆设置的指标。在其基础上，你可以建立各种策略，包括回归平均值。你所拥有的概念，实际上是同一个布林--设计是不同的。而布林格是个坑。你做了什么？- 我们以不同的方式建造它--我们替换了MA，重新配置了边界。这就是全部。你也可以像这里的一些人一样，用它的名字来称呼它）。可笑的是。 Alexander_K2 2018.03.31 21:52 #7995 尤里-阿索连科。我忍不住了--你在胡说八道。布林线只是一个有很多设置的指标。你可以在此基础上建立各种策略，包括平均回报率。你所拥有的概念，实际上是同一个布林--设计是不同的。而布林格是个坑。你做了什么？- 我们以不同的方式建造它--我们替换了MA，重新配置了边界。这就是全部。你也可以像这里的一些人一样，用它的名字来称呼它）。可笑的是。纯粹的布林是坑。而类似布林的系统也不错。我认为这并不矛盾。 Maxim Dmitrievsky 2018.03.31 22:00 #7996 桑桑尼茨-弗门科。我根据老师的分布差异，计算了12个货币对的23个预测器的预测能力，如果正确预测，利润将超过50点。我有一个想法，从市场上的n个分布开始，不管它们的特点是什么，都要开发n个模型，让它们相互竞争。 但这是一个粗略的草案，主要的想法将在这个过程中诞生，像往常一样 :) 我意识到我对Tervers了解不多，但那里埋藏着很多有趣的东西。＋再学2周，找到了一些事情做。 我先看一下你给的东西，然后再在脑子里捡些别的东西。 Yuriy Asaulenko 2018.03.31 22:12 #7997 亚历山大_K2。纯粹的布林是坑。类似布林的系统也不错。我没有看到任何矛盾之处。正如TA书中描述的那样--当然是的。但这都是一个坑）。 好吧，我们已经达成了妥协））。 СанСаныч Фоменко 2018.03.31 22:39 #7998 马克西姆-德米特里耶夫斯基。我有一个想法，首先，把市场上的n个分布，不管什么特点，做n个模型，互相竞争，这是目前最重要的。 但这是一个粗略的草案，主要的想法将在这个过程中诞生，像往常一样 :) 我意识到我对特维尔根本不了解，但那里埋藏着很多有趣的东西。＋再学2周，找到了一些事情做。 然后是更复杂和有趣的东西，也许，我会读你给的东西，然后是其他的东西，会给人以思考的新的东西。我想通过我的帖子表明，分类模型的成功完全由预测者的预测能力的静止性决定。如果这种预测能力相差数倍，那么崩溃是可以保证的。 我的文章中还有一个很好的结论：在测试者之前，在演示和真实之前，人们应该调查模型预测者的预测能力。任何关于它的想法都是未来TS稳定表现的途径。 Maxim Dmitrievsky 2018.03.31 22:45 #7999 桑桑尼茨-弗门科。通过我的帖子，我想说明分类模型的成功完全由预测者的预测能力的静止性决定。如果这种预测能力有多方面的变化，那么就能保证崩溃。 我的文章中还有一个很好的结论：在测试者之前，在演示和真实之前，人们应该调查模型预测者的预测能力。对这个问题的任何考虑都是未来TS稳定表现的途径。 嗯，这是一个既定的事实，基本的东西。 Renat Akhtyamov 2018.03.31 23:53 #8000 亚历山大_K2。布林线 本身就是一个完整的坑。在任何情况下，你都不应该使用标准公式来计算差异。但你可以而且应该使用非参数方法来计算过程偏离平均值的量度。你似乎只是不知道如何在上面赚到真正的钱。 在预测线程中，有一个来自真实的报告，它是惊人的... 1...793794795796797798799800801802803804805806807...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
这是一种误解。趋势性通货膨胀的概念是非常相对的。对一个人来说是平面的东西，对另一个人来说很可能是一种趋势）。反之亦然)。
当然，类似博林格的策略有其局限性。就像其他一样。
有很多反趋势的系统，有boyuls之类的，一直到篮下。
即使你有幸在太平洋地区的会议上做了几个月，这也是一种变相的祝福。
它已经存在了100个冰年。
对于这样的系统，盈利交易和亏损交易的比例应该远远超过0.5，小的利润和大的损失
FAP Turbo以前是一个很受欢迎的机器人，它曾经拿着一袋袋的交易，现在看来，第三个版本给了一些东西，我不知道。
有很多关于薯条之类的反趋势系统，都是进了垃圾桶。
即使你有幸在太平洋地区的会议上得到几个月的时间，这也是一种变相的祝福。
它已经存在了100个冰年。
对于这样的系统，盈利交易和亏损交易的比例应该远远超过0.5，小的利润和大的损失
FAP Turbo在过去是一个受欢迎的机器人
布林格本身就是一个真正的坑。你永远不应该使用标准公式来计算方差。但是！你可以而且应该用非参数方法来计算过程偏离平均值的量度。
谢谢，我会读的。
顺便说一下，这是上面库兹涅佐夫的视频的附录。2018年的东西很有趣，但我还没有想明白。有比特币预测的例子，有外汇，等等。并对他的方法与阿里马进行了比较。
https://arxiv.org/pdf/1803.05814.pdf
我根据老师的分布差异计算了12个货币对的23个预测器的预测能力，如果预测正确，利润将超过50点。
结果如下。
1.同样的预测器对不同货币对的预测能力是不同的。
2.不同预测器对一个货币对的预测能力可能相差两个数量级
3.预测能力在窗口移动时发生变化。当窗口移动到500条以上时，预测能力的变异性统计就稳定下来了
4.通过移动窗口获得的预测能力的斜率从低于1%的数值到超过100%不等。此外，"坏 "的预测器（具有高sko）总是坏的，而 "好 "的预测器总是好的。
5.研究了12种货币对。其中有三个是没有希望的：在23个已使用的变量中，没有我的目标变量的良好预测因素。
6.对于同一个货币对，多头和空头的预测能力是完全不同的。
布林线本身就是一个完整的坑。在任何情况下，你都不应该使用标准公式来计算差异。但你可以而且应该使用非参数方法来计算过程偏离平均值的量度。
我忍不住了--你在胡说八道。布林线只是一个有一堆设置的指标。在其基础上，你可以建立各种策略，包括回归平均值。你所拥有的概念，实际上是同一个布林--设计是不同的。而布林格是个坑。你做了什么？- 我们以不同的方式建造它--我们替换了MA，重新配置了边界。这就是全部。你也可以像这里的一些人一样，用它的名字来称呼它）。可笑的是。
我忍不住了--你在胡说八道。布林线只是一个有很多设置的指标。你可以在此基础上建立各种策略，包括平均回报率。你所拥有的概念，实际上是同一个布林--设计是不同的。而布林格是个坑。你做了什么？- 我们以不同的方式建造它--我们替换了MA，重新配置了边界。这就是全部。你也可以像这里的一些人一样，用它的名字来称呼它）。可笑的是。
纯粹的布林是坑。而类似布林的系统也不错。我认为这并不矛盾。
我根据老师的分布差异，计算了12个货币对的23个预测器的预测能力，如果正确预测，利润将超过50点。
我有一个想法，从市场上的n个分布开始，不管它们的特点是什么，都要开发n个模型，让它们相互竞争。
但这是一个粗略的草案，主要的想法将在这个过程中诞生，像往常一样 :)
我意识到我对Tervers了解不多，但那里埋藏着很多有趣的东西。＋再学2周，找到了一些事情做。
我先看一下你给的东西，然后再在脑子里捡些别的东西。
纯粹的布林是坑。类似布林的系统也不错。我没有看到任何矛盾之处。
正如TA书中描述的那样--当然是的。但这都是一个坑）。
好吧，我们已经达成了妥协））。
我有一个想法，首先，把市场上的n个分布，不管什么特点，做n个模型，互相竞争，这是目前最重要的。
但这是一个粗略的草案，主要的想法将在这个过程中诞生，像往常一样 :)
我意识到我对特维尔根本不了解，但那里埋藏着很多有趣的东西。＋再学2周，找到了一些事情做。
然后是更复杂和有趣的东西，也许，我会读你给的东西，然后是其他的东西，会给人以思考的新的东西。
我想通过我的帖子表明，分类模型的成功完全由预测者的预测能力的静止性决定。如果这种预测能力相差数倍，那么崩溃是可以保证的。
我的文章中还有一个很好的结论：在测试者之前，在演示和真实之前，人们应该调查模型预测者的预测能力。任何关于它的想法都是未来TS稳定表现的途径。
通过我的帖子，我想说明分类模型的成功完全由预测者的预测能力的静止性决定。如果这种预测能力有多方面的变化，那么就能保证崩溃。
我的文章中还有一个很好的结论：在测试者之前，在演示和真实之前，人们应该调查模型预测者的预测能力。对这个问题的任何考虑都是未来TS稳定表现的途径。
布林线 本身就是一个完整的坑。在任何情况下，你都不应该使用标准公式来计算差异。但你可以而且应该使用非参数方法来计算过程偏离平均值的量度。
你似乎只是不知道如何在上面赚到真正的钱。
在预测线程中，有一个来自真实的报告，它是惊人的...