贝叶斯回归 - 有没有人用这种算法做了一个EA？ - 页 47 1...40414243444546474849505152535455 新评论 [删除] 2016.03.20 08:50 #461 数学家，统计数据分析师 26,000 hrn 工作描述 专业要求（我们最看重的是在旅途中学习的愿望）。 神经网络：无监督学习：FNN,RNN（递归神经网络，包括LSTM），RBF等。 有Python编程经验（或准备学习）（和一套用于所有统计的库）。 Python中的数据分析库（theano、Torch、Pandas、NumPy、scikit-learn）或其在R中的对应版本 在机器学习、协同过滤、聚类分析、图论方面有一定经验 其他混合方法：ANFIS（基于自适应网络的模糊推理系统）。 统计学和时间序列的高级知识：随机过程工具：SSA/SVD，RSSA，FIMA/ARFIMA，非线性自回归外生模型（NARX），（N）GARCH及其衍生物，Hurst指数及其应用，递归量化分析（RQA）。 任务（按优先顺序）。 金融数据的统计分析，计量经济学应用 为大量数据的交互式分布式查询处理建立服务和框架 [删除] 2016.03.20 08:51 #462 自然语言处理分析师（NLP，机器学习）。 28000 UAH 工作描述 专业要求（我们最看重的是在旅途中学习的愿望）。 自然语言处理（NLP）技术方面的专业知识 在Python（NLTK）中的NLP实现或其他开发的实现方式 神经网络：无监督学习：RNN（递归神经网络）、FNN、RBF等。 有Python编程经验（或准备学习）（和一套用于所有统计的库）。 Python中的数据分析库（theano、Torch、Pandas、NumPy、scikit-learn）或其在R中的对应版本 在机器学习、协同过滤、聚类分析、图论方面有一定经验 其他混合方法：ANFIS（基于自适应网络的模糊推理系统）。 [删除] 2016.03.20 08:56 #463 统计分析师（时间序列分析，信号处理，预测） 25000 UAH 职位描述 专业要求： 统计和时间序列的高级知识。代表降维的时间序列，如离散傅里叶变换、单值分解（SVD）、离散余弦变换、离散小波变换、自适应分片常数逼近、切比雪夫多项式、符号 聚合逼近、可索引分片线性逼近等等。 在测量时间序列的相似性方面的经验。欧氏距离(ED)、动态时间扭曲(DTW)、最长共同继任(LCSS)、带真实惩罚的编辑距离(ERP)、真实序列的编辑距离(EDR)、DISSIM、序列加权排列模型(Swale)、空间组合距离(SpADe)和基于阈值查询的相似性搜索(TQuEST) 随机过程工具的严重知识。RSSA、FIMA/ARFIMA、非线性自回归外生模型（NARX）、（N）GARCH及其衍生物、Hurst指数及其应用、递归量化分析（RQA） 有Python编程经验（或准备学习）（和一套用于所有统计事物的库）Python中的数据分析库（theano, Torch, Pandas, NumPy, scikit-learn）或它们在R中的等价物，Octave用于快速原型设计 在机器学习、协同过滤、图论方面有一些经验 [删除] 2016.03.20 08:58 #464 这些方法是做市商在其交易中实际使用的。当然，外面某个地方也有Bayesses。但不是以赤裸裸的方式--用于价格预测，而且是现货外汇的价格预测!哎呀，忘了补充--我没有使用上面的任何 清单。这可能就是为什么它 对我有效的原因.....。 [删除] 2016.03.20 16:49 #465 Sergiy Podolyak:我每天都看到有人使用过时的MT4和相应的原始算法-TS，每天在尾盘产生超过50亿美元的营业额，每天赚取正负几百美元。数学上的预期是积极的。一个月肯定超过一百万美元。你的***资金 在哪里，不能复制这个幼儿园，持续（根据历史判断）近一年的真实（甚至在测试器中更多）？愚蠢的原始策略让你每个月的 "昆仑 "比你多年的 "昆仑 "还要多谢尔盖-波多利亚克。我在这里多次告诉你们，昆仑决、自动交易商、做市商--他们不是白痴，他们的数学很好，他们的年薪 不是10多万GEL+奖金，但你们似乎都不明白。他们在哪里？搜集了所有的论坛和显示器。我搜遍了所有的论坛和监视器，没有人交易这种有利可图的模式。而历史很好地显示了一切。没有人关心。我自己也试了一下--出来的效果很弱。但事实是，琐事带来的利润比***资金 更多。 forexman77 2016.03.20 17:28 #466 comp:我每天都看到有人使用过时的MT4和相应的原始算法-TS，每天在尾盘产生超过50亿美元的营业额，每天赚取正负几百美元。数学上的预期是积极的。一个月肯定超过一百万美元。你的***资金 在哪里，不能复制这个幼儿园，持续（根据历史判断）近一年的真实（甚至在测试器中更多）？愚蠢的原始策略给了一个月的时间，比你的 "量化指标 "多了多年的时间他们在哪里？搜集了所有的论坛和显示器。没有人交易这种有利可图的模式。而历史则完美地显示了一切。没有人关心。我自己也试了一下--出来的效果很弱。但事实是，琐事带来的不仅仅是***资金。请看 "量子为巫 "这本书。在里面，所有的数学家都使用量化的方法，而不是一些古怪的公式。里面有医生和教授。那么他们为什么不使用复杂的数学结构呢？因为它们可能不起作用。市场不是线性的。在我看来，在交易中使用高等代数就像在圆形中放一个方块。当然需要数学。例如，使用线性回归 显然是在交易中使用数学的一个好例子。 [删除] 2016.03.20 17:55 #467 声称通过交易赚钱的...不，不是的。从交易中赚钱不需要数学，一点也不需要。我所赢得的一切都要归功于那些愚蠢到难以相信的数学知识。只要我一做复杂的事情，我就会立即失去。但这甚至不是我自己的例子。这是关于我能够从外面观察到的情况。这就是赚取巨额利润的原始人。至少在尾流上是如此。 Dr. Trader 2016.03.20 23:54 #468 比特币曾经可以使用一个简单的EMA交叉策略进行交易。这一直工作到2014年春季前的某个时候，主要交易所之一mtgox破产，然后它就崩溃了。而且我确信几十年前就可以用同样的EMA交叉策略进行外汇交易。因此，是的，原始的算法有时非常好用。我的个人观点是，外汇对图表几乎是随机的，非常多的噪音，但同时它们也遵守一些简单的规律。问题是，外汇图表仿佛试图摆脱随着时间推移而发现的模式，越多的人交易同一策略，它就越快停止工作。如果你找到一个简单的模式，而这个模式还没有人发现，你就可以赚钱。 Alexey Burnakov 2016.03.21 11:30 #469 Dr.Trader:比特币曾经可以使用一个简单的EMA交叉策略进行交易。这一直工作到2014年春季前的某个时候，主要交易所之一mtgox破产，然后它就崩溃了。而且我确信几十年前就可以用同样的EMA交叉策略进行外汇交易。因此，是的，原始的算法有时非常好用。我的个人观点是，外汇对图表几乎是随机的，非常多的噪音，但同时它们也遵守一些简单的规律。问题是，外汇图表仿佛试图摆脱随着时间推移而发现的模式，越多的人交易同一策略，它就越快停止工作。如果你找到一个简单的模式，而这个模式还没有人发现，你就可以赚钱。这条线已经变得到处都是仇恨者。这并不适用于你。我希望有可能进行一些建设性的讨论。回应你的帖子，我可以同意，而且我自己挖掘长期和反复出现的模式这个话题已经有一段时间了。看看这个（当然是公关，但不是产品，而是原始想法）：https://c.mql5.com/1/37/teaser2.JPG它是什么？这是机器学习验证对预测外汇价格增量的标志的结果（来自终端的普通现货外汇）。在晶须箱内有49个样本，每个样本有几千个观测值。具体来说，这些圆点显示了每个验证样本的二元分类的准确程度。为什么有这么多的样本？它们来自于5个货币对的相同时间间隔，即5年，也就是总共25年。但在每个样本中，观察值是以随机的大增量进行的，以使它们相互独立。而且每个样本都独立于其他样本，涵盖了验证期内的时间段。从这个图表中得出的简短结论是，在30多分钟的预测范围内，我得到了稳定的55%的标志识别准确率。而且可以从统计学上证明，这个结果不是随机的。因此，机器在10*5=50年的训练中捕捉到了5大数据的长期依赖性，并通过了验证测试。所有这些，同样是针对同时拍摄的5个货币对，而机器并没有对它们进行区分。另一项研究。https://c.mql5.com/1/36/charts-5-9.JPG这已经是对相同数据的增量回归了。同样是49个验证样本，指定指标=1-（预测的MAE/样本平均的MAE）。也就是说，与样本平均值相比，我们减少了多少绝对误差（它非常接近于零）。统计数据足以说明结果不是随机的。 机器再次学习了普遍和一致的模式。关于这个实验的博客：https://www.mql5.com/ru/blogs/post/661499但我还没能在点数上得到一个积极的数学期望值。而且我已经怀疑我是否能做到。也许我会尝试分别为每一对制作模型。如果这种预测可以以某种方式应用于交易--这对我来说是个大问题。 你的意见将是有用的。 [删除] 2016.03.21 15:14 #470 Alexey Burnakov:这条线已经变得到处都是仇恨者。这并不适用于你。 今天看到7500手的原始交易（单边）。在100:1的杠杆下，需要约5700K美元的股权来建立这样的头寸。 1...40414243444546474849505152535455 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
26,000 hrn
工作描述
专业要求（我们最看重的是在旅途中学习的愿望）。
神经网络：无监督学习：FNN,RNN（递归神经网络，包括LSTM），RBF等。
有Python编程经验（或准备学习）（和一套用于所有统计的库）。
Python中的数据分析库（theano、Torch、Pandas、NumPy、scikit-learn）或其在R中的对应版本
在机器学习、协同过滤、聚类分析、图论方面有一定经验
其他混合方法：ANFIS（基于自适应网络的模糊推理系统）。
统计学和时间序列的高级知识：随机过程工具：SSA/SVD，RSSA，FIMA/ARFIMA，非线性自回归外生模型（NARX），（N）GARCH及其衍生物，Hurst指数及其应用，递归量化分析（RQA）。
任务（按优先顺序）。
金融数据的统计分析，计量经济学应用
为大量数据的交互式分布式查询处理建立服务和框架
28000 UAH
工作描述
专业要求（我们最看重的是在旅途中学习的愿望）。
自然语言处理（NLP）技术方面的专业知识
在Python（NLTK）中的NLP实现或其他开发的实现方式
神经网络：无监督学习：RNN（递归神经网络）、FNN、RBF等。
有Python编程经验（或准备学习）（和一套用于所有统计的库）。
Python中的数据分析库（theano、Torch、Pandas、NumPy、scikit-learn）或其在R中的对应版本
在机器学习、协同过滤、聚类分析、图论方面有一定经验
其他混合方法：ANFIS（基于自适应网络的模糊推理系统）。
25000 UAH
职位描述
专业要求：
统计和时间序列的高级知识。代表降维的时间序列，如离散傅里叶变换、单值分解（SVD）、离散余弦变换、离散小波变换、自适应分片常数逼近、切比雪夫多项式、符号 聚合逼近、可索引分片线性逼近等等。
在测量时间序列的相似性方面的经验。欧氏距离(ED)、动态时间扭曲(DTW)、最长共同继任(LCSS)、带真实惩罚的编辑距离(ERP)、真实序列的编辑距离(EDR)、DISSIM、序列加权排列模型(Swale)、空间组合距离(SpADe)和基于阈值查询的相似性搜索(TQuEST)
随机过程工具的严重知识。RSSA、FIMA/ARFIMA、非线性自回归外生模型（NARX）、（N）GARCH及其衍生物、Hurst指数及其应用、递归量化分析（RQA）
有Python编程经验（或准备学习）（和一套用于所有统计事物的库）Python中的数据分析库（theano, Torch, Pandas, NumPy, scikit-learn）或它们在R中的等价物，Octave用于快速原型设计
在机器学习、协同过滤、图论方面有一些经验
这些方法是做市商在其交易中实际使用的。当然，外面某个地方也有Bayesses。但不是以赤裸裸的方式--用于价格预测，而且是现货外汇的价格预测!
哎呀，忘了补充--我没有使用上面的任何 清单。这可能就是为什么它 对我有效的原因.....。
我每天都看到有人使用过时的MT4和相应的原始算法-TS，每天在尾盘产生超过50亿美元的营业额，每天赚取正负几百美元。数学上的预期是积极的。一个月肯定超过一百万美元。
你的***资金 在哪里，不能复制这个幼儿园，持续（根据历史判断）近一年的真实（甚至在测试器中更多）？
愚蠢的原始策略让你每个月的 "昆仑 "比你多年的 "昆仑 "还要多
我在这里多次告诉你们，昆仑决、自动交易商、做市商--他们不是白痴，他们的数学很好，他们的年薪 不是10多万GEL+奖金，但你们似乎都不明白。
他们在哪里？搜集了所有的论坛和显示器。我搜遍了所有的论坛和监视器，没有人交易这种有利可图的模式。而历史很好地显示了一切。没有人关心。我自己也试了一下--出来的效果很弱。但事实是，琐事带来的利润比***资金 更多。
我每天都看到有人使用过时的MT4和相应的原始算法-TS，每天在尾盘产生超过50亿美元的营业额，每天赚取正负几百美元。数学上的预期是积极的。一个月肯定超过一百万美元。
你的***资金 在哪里，不能复制这个幼儿园，持续（根据历史判断）近一年的真实（甚至在测试器中更多）？
愚蠢的原始策略给了一个月的时间，比你的 "量化指标 "多了多年的时间
他们在哪里？搜集了所有的论坛和显示器。没有人交易这种有利可图的模式。而历史则完美地显示了一切。没有人关心。我自己也试了一下--出来的效果很弱。但事实是，琐事带来的不仅仅是***资金。
请看 "量子为巫 "这本书。在里面，所有的数学家都使用量化的方法，而不是一些古怪的公式。里面有医生和教授。
那么他们为什么不使用复杂的数学结构呢？因为它们可能不起作用。市场不是线性的。
在我看来，在交易中使用高等代数就像在圆形中放一个方块。当然需要数学。例如，使用线性回归 显然是在交易中使用数学的一个好例子。
声称通过交易赚钱的...不，不是的。从交易中赚钱不需要数学，一点也不需要。
我所赢得的一切都要归功于那些愚蠢到难以相信的数学知识。只要我一做复杂的事情，我就会立即失去。
但这甚至不是我自己的例子。这是关于我能够从外面观察到的情况。这就是赚取巨额利润的原始人。至少在尾流上是如此。
比特币曾经可以使用一个简单的EMA交叉策略进行交易。这一直工作到2014年春季前的某个时候，主要交易所之一mtgox破产，然后它就崩溃了。而且我确信几十年前就可以用同样的EMA交叉策略进行外汇交易。因此，是的，原始的算法有时非常好用。我的个人观点是，外汇对图表几乎是随机的，非常多的噪音，但同时它们也遵守一些简单的规律。问题是，外汇图表仿佛试图摆脱随着时间推移而发现的模式，越多的人交易同一策略，它就越快停止工作。如果你找到一个简单的模式，而这个模式还没有人发现，你就可以赚钱。
比特币曾经可以使用一个简单的EMA交叉策略进行交易。这一直工作到2014年春季前的某个时候，主要交易所之一mtgox破产，然后它就崩溃了。而且我确信几十年前就可以用同样的EMA交叉策略进行外汇交易。因此，是的，原始的算法有时非常好用。我的个人观点是，外汇对图表几乎是随机的，非常多的噪音，但同时它们也遵守一些简单的规律。问题是，外汇图表仿佛试图摆脱随着时间推移而发现的模式，越多的人交易同一策略，它就越快停止工作。如果你找到一个简单的模式，而这个模式还没有人发现，你就可以赚钱。
这条线已经变得到处都是仇恨者。这并不适用于你。
我希望有可能进行一些建设性的讨论。
回应你的帖子，我可以同意，而且我自己挖掘长期和反复出现的模式这个话题已经有一段时间了。
看看这个（当然是公关，但不是产品，而是原始想法）：https://c.mql5.com/1/37/teaser2.JPG
它是什么？这是机器学习验证对预测外汇价格增量的标志的结果（来自终端的普通现货外汇）。在晶须箱内有49个样本，每个样本有几千个观测值。具体来说，这些圆点显示了每个验证样本的二元分类的准确程度。
为什么有这么多的样本？它们来自于5个货币对的相同时间间隔，即5年，也就是总共25年。但在每个样本中，观察值是以随机的大增量进行的，以使它们相互独立。而且每个样本都独立于其他样本，涵盖了验证期内的时间段。
从这个图表中得出的简短结论是，在30多分钟的预测范围内，我得到了稳定的55%的标志识别准确率。而且可以从统计学上证明，这个结果不是随机的。因此，机器在10*5=50年的训练中捕捉到了5大数据的长期依赖性，并通过了验证测试。所有这些，同样是针对同时拍摄的5个货币对，而机器并没有对它们进行区分。
另一项研究。https://c.mql5.com/1/36/charts-5-9.JPG
这已经是对相同数据的增量回归了。同样是49个验证样本，指定指标=1-（预测的MAE/样本平均的MAE）。也就是说，与样本平均值相比，我们减少了多少绝对误差（它非常接近于零）。统计数据足以说明结果不是随机的。
机器再次学习了普遍和一致的模式。
关于这个实验的博客：https://www.mql5.com/ru/blogs/post/661499
但我还没能在点数上得到一个积极的数学期望值。而且我已经怀疑我是否能做到。也许我会尝试分别为每一对制作模型。如果这种预测可以以某种方式应用于交易--这对我来说是个大问题。
你的意见将是有用的。
这条线已经变得到处都是仇恨者。这并不适用于你。