交易中的机器学习：理论、模型、实践和算法交易 - 页 801

新评论
[删除]  
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，如果预测正确，利润将超过50点。

结果如下。

1.同样的预测因子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（有大的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.对于同一货币对，多头和空头的预测能力是完全不同的。

哪些人？

 
Maxim Dmitrievsky 我对你关于强化学习的帖子很感兴趣。我已经把它记在心里了。我现在将聚集我的力量，最终使我的基因编程实验取得成果。然后我将看到。交易的GP方法与强化学习有一些共同点，即没有预定的目标变量。我们必须决定GP图书馆的问题。最主要的是要有正常的文档，并做一个策略测试器。我还没有找到一个好的。我将不布置代码。我不会公布代码，也不会分享所有的内幕和外幕，如果有的话。这不是一个好主意。
 
Oleg avtomat:

哪些人？

原则上这并不重要，因为下面列出的配对对我的预测因素和我的目标变量来说是没有希望的。这些是H1: EURCAD, GBPJPY, USDCHF

在这些对上很可能有其他的预测器组，对不同的目标变量有可接受的预测能力。

 
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，如果预测正确，将带来超过50点的利润。

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.对于同一货币对，多头和空头的预测能力是完全不同的。

有趣的是，在第3页，我们可以假设500是训练样本量的下限，而在第6页，你的意思是什么区别，如果是预测器，那么不清楚这与多头和空头实际上是反比例信号的事实如何一致。
 
格里戈里-乔宁。
Maxim Dmitrievsky 我对你关于强化学习的帖子很感兴趣。为自己做了笔记。现在我终于要积蓄力量，完成我的基因编程实验。然后我将看到。交易的GP方法与强化学习有一些共同点，即没有预定的目标变量。我们必须决定GP图书馆的问题。最主要的是要有正常的文档，并做一个策略测试器。我还没有找到一个好的。我将不布置代码。我不会公布代码，也不会分享所有的内幕和外幕，如果有的话。这不是一个好主意。

是的，我在其他地方看到了你关于GA的帖子（开始），但后来有了某某事，就忘了。

所以我理解为是用GA自动编程。这个话题其实和RL很接近，但后者有自己的优势，比如保证收敛到全局最优，不像GA，+如何引入NS还不太清楚。

说实话，我不太明白它与使用GA的机器人优化有什么区别。我必须更仔细地阅读它。

[删除]  
桑桑尼茨-弗门科。

原则上，这并不重要，因为下面列出的配对对于我的预测因素和我的目标变量来说是没有希望的。这些是H1: EURCAD, GBPJPY, USDCHF

完全有可能在这些配对上有其他的预测器组，对另一个目标变量有可接受的预测能力。

我明白这一点。我明白了，谢谢你。

当然这是有可能的。

 
马克西姆-德米特里耶夫斯基。

是的，我在其他地方看到了你关于GA的帖子（开始），但后来有了某某事，就忘了。

所以我理解为是用GA自动编程。这个话题其实和RL很接近，但后者有自己的优势，比如保证收敛到全局最优，不像GA，+如何引入NS还不太清楚。

说实话，我不太明白它与使用GA的机器人优化有什么区别。我必须更仔细地阅读它。

那里根本就没有NS。简单地说，遗传算法 是用来推导出TS的工作公式。
 
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，如果预测正确，利润将超过50点。

结果如下。

1.同样的预测因子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（有大的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.对于同一货币对，多头和空头的预测能力是完全不同的。

至于第1项，我可以建议，我错误地选择了不同工具可接受的共同 因素作为预测因素。

至于第2项是由第1项的错误引起的。

在第3项，很可能没有考虑波浪结构。

 
伊万-内格雷什尼。

有趣的是，从第3点我们可以假设500是训练样本量的下限

我给出的所有数字仅指我自己--不能一概而论，尽管H1的500个数字比一个星期要少一点。

而关于第6点，你的意思是什么区别，如果是预测者，那么不清楚它如何与多头和空头实际上是反比例信号的事实相一致。

我也不明白，但这是一个事实。

 

嘿，伙计们!


人工智能机器人准备好了吗？

那么它是如何交易的呢？

只是想知道。


p.s. 并说明你的家庭地址...

1...794795796797798799800801802803804805806807808...3399
新评论