市场礼仪或雷区中的良好风度 - 页 97 1...90919293949596979899100101102103104 新评论 paralocus 2009.07.08 14:44 #961 我有一个问题，但不要踢它...:) 因此，我们有一个简单的反转EA，在pt与最后计数的第一个差异上工作。 当然，这样的EA没有止损--它只是针对最后pt计数进行反转，仅此而已。如果在前一笔交易中出现亏损，下一笔交易将以双倍手数开仓，会发生什么？我知道这几乎是对马天宇的猥琐调戏，但还是? Sceptic Philozoff 2009.07.08 18:39 #962 paralocus >>:如果在前一笔交易中出现亏损，下一笔交易以双倍手数开仓，会发生什么？我知道这几乎是对马汀格尔的猥琐调戏，但还是? 不，不，费多尔，不要把马汀格尔和马汀格尔混为一谈。你所写的是马丁格尔法。 伟德 国际1946网页版>>: 什么不是集群中的马蒂格？ 那么在一个随机矢量过程中，什么可以成为马丁格尔？ Artur 2009.07.08 19:16 #963 是的，我最近也有一点 "失误"。说扔硬币是一种马蒂格尔。这不是真的。翻转硬币是一个静止的过程，它有一个数学上的预期。另一方面，马丁格尔没有数学上的预期。 Vitali 2009.07.08 19:17 #964 Mathemat >> : 不，不，费多尔，不要把马汀格尔和马汀格尔混为一谈。你所写的是马丁格尔法。 伟德 国际1946网页版>>: 什么不是集群中的马丁格尔？ 那么在一个随机矢量过程中，什么可以成为马丁格尔？ 一个钱包的状态取决于那个随机过程-向量？ Сергей 2009.07.08 19:53 #965 benik >> : 是的，我最近也有一点 "失误"。说扔硬币是一种马蒂格尔。这不是真的。掷硬币是一个静止的过程，它有一个数学上的预期。另一方面，马丁格尔没有数学上的期望值。 https://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%80%D1%82%D0%B8%D0%BD%D0%B3%D0%B0%D0%BB 这一切都在那里。 Сергей 2009.07.08 19:55 #966 Mathemat >> : 不，不，费多尔，不要把马汀格尔和马汀格尔混为一谈。你所写的是马丁格尔法。 是的，"巴别尔和黑格尔是完全不同的人 "的那种笑话:o)。 Artur 2009.07.08 20:42 #967 grasn писал(а)>> https://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%80%D1%82%D0%B8%D0%BD%D0%B3%D0%B0%D0%BB 这一切都在那里。 是的，当然，玩家的状态作为游戏数量的函数是一个马丁格尔。但我的意思有点不同--在 "尾巴 "出现之前，有一个数学上的预期数，它等于2。 paralocus 2009.07.08 22:12 #968 Mathemat >> : 不，不，费多尔，不要把马汀格尔和马汀格尔混为一谈。你所写的是一个马丁格尔。 明白了，谢谢...-:)我以为卡尔-马克思和弗里德里希-恩格斯是丈夫和妻子。 但事实证明他们是四个不同的人 :o Neutron 2009.07.09 06:23 #969 它正在发生!我有四个不同的网格，其中有欧元兑美元1小时交易的统计建模结果，训练纪元的数量是2000。但首先我将向你展示上面已经发布的数据，对于历时数N=1000。 左边的图显示的是每笔交易的平均点数的盈利能力（我们对20个独立的数字实验进行了平均）。红色部分显示了单个线性神经元的性能与输入数量的关系（尾数轴）。蓝色--非线性NS，有一个隐藏层，里面有两个神经元（1个神经元的输出--买/卖）。你可以看到，随着输入数量的增加，所有配置的产量都在缓慢增加，随着隐藏层中神经元数量的增加，基于NS的NS的稳定性略有增加。右边是训练样本（指数为P）和测试样本（指数为E）的归一化方差图。归一化是根据输入数据的方差进行的。一个<1的值表示网络是 "训练过的"。对于所有配置，训练样本长度P被假定为P=w^2/d。 对于神经元数量少的NS来说，训练和测试样本的方差有很大的分歧，这表明根据这种估计，样本长度很小，相反，在隐蔽层的神经元数量超过4个时，我们观察到这些参数的合并，这表明对长度的高估。 现在让我们将这些数据与新的数据进行比较，其中训练历时的数量增加了一倍。 可以看出，没有根本性的改善，也没有预见到。也许，只有弄清楚训练样本的最佳长度，才能改善准确预测的情况。我将为P=16*d 时的情况提供一组统计数据。 paralocus писал(а)>>因此，我们有一个简单的反向EA，在RT的第一个差值与最后一个参考值上工作。 当然，这样的EA没有止损--它只是与最后一个RT参考值进行滚动，仅此而已。如果在前一笔交易中出现亏损，下一笔交易将以双倍手数开仓，会发生什么？我知道这几乎是对马汀格尔的猥琐调戏，但还是? 费多尔，一个合适的交易机器人可以分解成两个主要部分--分析单元--决定开仓的方向，以点为单位实现利润最大化；MM单元--以账户的货币为单位实现利润最大化。从这个角度来看，你所提供的是一个二合一的产品。你有 "错误的 "TS，你通过分析过去的事件（交易）来纠正其结果，在这一切之上，你放了一个原始的MM--根据结果翻倍的手。原则上它会以某种方式发挥作用，但所有这些加在一起，看起来就像把裤子套在头上。为什么？ paralocus 2009.07.09 13:30 #970 那么，把分析块和MM块分开，正确的交易机器人与错误的交易机器人是否不同？还是分析块有问题？ 现在我正在Matkadec中仔细检查不同H的PT结构的tick图表。除了Pastukhov描述的方法外，我想找到一些其他的工作方法，因为后者仍然会导致一个pipsarian，不管它有多难。在这里，要么承认pipsarian是一个相当充分的专家，我不想为了美学和不仅是美学的原因而这么做，要么......。从这个方法中只取它能提供的东西--即思想本身，它的基础是H，并寻找方法来绕过这个方法的经典中不可避免的点缀。 1...90919293949596979899100101102103104 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
我有一个问题，但不要踢它...:)
因此，我们有一个简单的反转EA，在pt与最后计数的第一个差异上工作。 当然，这样的EA没有止损--它只是针对最后pt计数进行反转，仅此而已。如果在前一笔交易中出现亏损，下一笔交易将以双倍手数开仓，会发生什么？我知道这几乎是对马天宇的猥琐调戏，但还是?
不，不，费多尔，不要把马汀格尔和马汀格尔混为一谈。你所写的是马丁格尔法。
那么在一个随机矢量过程中，什么可以成为马丁格尔？
不，不，费多尔，不要把马汀格尔和马汀格尔混为一谈。你所写的是马丁格尔法。
那么在一个随机矢量过程中，什么可以成为马丁格尔？
一个钱包的状态取决于那个随机过程-向量？
是的，我最近也有一点 "失误"。说扔硬币是一种马蒂格尔。这不是真的。掷硬币是一个静止的过程，它有一个数学上的预期。另一方面，马丁格尔没有数学上的期望值。
https://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%80%D1%82%D0%B8%D0%BD%D0%B3%D0%B0%D0%BB
这一切都在那里。
不，不，费多尔，不要把马汀格尔和马汀格尔混为一谈。你所写的是马丁格尔法。
是的，"巴别尔和黑格尔是完全不同的人 "的那种笑话:o)。
https://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%80%D1%82%D0%B8%D0%BD%D0%B3%D0%B0%D0%BB
这一切都在那里。
是的，当然，玩家的状态作为游戏数量的函数是一个马丁格尔。但我的意思有点不同--在 "尾巴 "出现之前，有一个数学上的预期数，它等于2。
不，不，费多尔，不要把马汀格尔和马汀格尔混为一谈。你所写的是一个马丁格尔。
明白了，谢谢...-:)我以为卡尔-马克思和弗里德里希-恩格斯是丈夫和妻子。
但事实证明他们是四个不同的人 :o
它正在发生!我有四个不同的网格，其中有欧元兑美元1小时交易的统计建模结果，训练纪元的数量是2000。但首先我将向你展示上面已经发布的数据，对于历时数N=1000。
左边的图显示的是每笔交易的平均点数的盈利能力（我们对20个独立的数字实验进行了平均）。红色部分显示了单个线性神经元的性能与输入数量的关系（尾数轴）。蓝色--非线性NS，有一个隐藏层，里面有两个神经元（1个神经元的输出--买/卖）。你可以看到，随着输入数量的增加，所有配置的产量都在缓慢增加，随着隐藏层中神经元数量的增加，基于NS的NS的稳定性略有增加。右边是训练样本（指数为P）和测试样本（指数为E）的归一化方差图。归一化是根据输入数据的方差进行的。一个<1的值表示网络是 "训练过的"。对于所有配置，训练样本长度P被假定为P=w^2/d。 对于神经元数量少的NS来说，训练和测试样本的方差有很大的分歧，这表明根据这种估计，样本长度很小，相反，在隐蔽层的神经元数量超过4个时，我们观察到这些参数的合并，这表明对长度的高估。
现在让我们将这些数据与新的数据进行比较，其中训练历时的数量增加了一倍。
可以看出，没有根本性的改善，也没有预见到。也许，只有弄清楚训练样本的最佳长度，才能改善准确预测的情况。我将为P=16*d 时的情况提供一组统计数据。
因此，我们有一个简单的反向EA，在RT的第一个差值与最后一个参考值上工作。 当然，这样的EA没有止损--它只是与最后一个RT参考值进行滚动，仅此而已。如果在前一笔交易中出现亏损，下一笔交易将以双倍手数开仓，会发生什么？我知道这几乎是对马汀格尔的猥琐调戏，但还是?
费多尔，一个合适的交易机器人可以分解成两个主要部分--分析单元--决定开仓的方向，以点为单位实现利润最大化；MM单元--以账户的货币为单位实现利润最大化。从这个角度来看，你所提供的是一个二合一的产品。你有 "错误的 "TS，你通过分析过去的事件（交易）来纠正其结果，在这一切之上，你放了一个原始的MM--根据结果翻倍的手。原则上它会以某种方式发挥作用，但所有这些加在一起，看起来就像把裤子套在头上。为什么？
那么，把分析块和MM块分开，正确的交易机器人与错误的交易机器人是否不同？还是分析块有问题？
现在我正在Matkadec中仔细检查不同H的PT结构的tick图表。除了Pastukhov描述的方法外，我想找到一些其他的工作方法，因为后者仍然会导致一个pipsarian，不管它有多难。在这里，要么承认pipsarian是一个相当充分的专家，我不想为了美学和不仅是美学的原因而这么做，要么......。从这个方法中只取它能提供的东西--即思想本身，它的基础是H，并寻找方法来绕过这个方法的经典中不可避免的点缀。