寻找模式 - 页 6

 
Aleksei Stepanenko:

维塔利,一个广泛的问题。

不可能创建一个完全盈利的EA,也不可能以同样的方式进行手动交易。 每个人都在努力追求的理想EA都会进行亏损交易。但总利润大于总亏损,这个条件在任何时候都应该满足。 现在有足够的历史来找到模式,所以我认为创造一个自我训练的机器人没有意义。另一点是,专家顾问应该有几种策略,用于在市场的不同部分工作。因此,我们需要一种机制来识别这样的时期,以便在不同的策略之间进行切换,因为价格会不时地发生变化。

而不断的自我学习则有调整参数以适应一小段历史的嫌疑。在现实中产生了灾难性的结果。个人观点,不主张客观。

事实是,阿列克谢,数字技术在最近几年有了巨大的飞跃。如果你运用必要的资源,创建一个完全盈利的专家顾问并不是一项不可能的任务。想象一下,一个人工智能与包含数十亿模式的数据库的众多模块相连,与正式事件的发布进行连续的互动交流,包括可能影响报价的日常新闻的细节。也就是说,一种像《终结者》中的迷你天网(或更好的甚至是谷歌),根据一组事件的运行模式实时确定反应,等等。

这并不全是不可能的事,更有甚者,如果你翻阅类似的数字发展和人工智能的信息,比我在这里思考的更多的东西已经被体现出来了。

但问题是,谁会从创建这样一个自动化系统中受益?毕竟,对于当前结构的最终受益者来说,这无疑是最不利的。如果这一点得到落实,那么交流就完全没有意义了。这是一个困难而痛苦的问题,没有必要详细阐述。

但主要的是,我已经收到了对我问题的答复。谢谢你。

P.S. 在我看来,现有的自动机完全像你所表达的那样,不能涵盖很多东西。而人类的心理和神经系统经常与自己作对。在这方面,机器人在理想情况下可以取代人类,但不是在目前的状态下。同样,基于该领域的目标,这种人工智能对任何外部方的可用性,保证了整个系统的崩溃。

 

统计欧元兑美元历史上一个有用的波浪运动的大小,以4位数报价的点为单位(必要时乘以10)。

展示什么是有用的运动的图在前一页

同样的数据以概率的形式出现。


它是什么意思?

每个波段的价格不会经过超过

90%的时间是-120点。

- 70%的时间是60点。

- 50%的时间都是35个点。

 
Aleksei Stepanenko:

统计欧元兑美元历史上有用的波浪运动的大小,以4位数报价的点为单位。(如有必要可乘以10)

图片显示什么是上一页的有用动作。


它是什么意思?

每一波的价格不超过

90%的情况下是-120点。

- 70%的情况下是60个点。

- 50%的时间都是35个点。

事实证明,最有成效和最正确的选择是在点差最小的账户上进行剥头皮。

 
Vitaliy Maznev:

想象一下,一个与许多模块相连的人工智能。

我不认为有任何这样的机器人。人工智能的问题在于其大量的加权因素。三个、五个、十个参数都不能适应一个长故事。数百人可以。而在历史上,你会得到一个平滑的向上的几乎直线的存款增长,但在真正的交易中--麻烦。

 
阿列克谢,你用什么工具来计算这些数据?
 
Vitaliy Maznev:

事实证明,最有成效和最正确的选择是在点差最小的账户上进行剥头皮。

好吧,看看,18%的时间里,价格没有超过10个点,就会转身。也就是说,如果你期待更多的运动,每5次就会有一次损失。

 
Aleksei Stepanenko:

我不认为有任何这样的机器人。人工智能的问题在于其大量的加权因素。三个、五个、十个参数都不能适应一个长故事。数百人可以。而在历史上,你会得到一个均匀向上的几乎是直线的存款增长,但在实际交易中,这是一场灾难。

而你只要注意谷歌,它能够立即将文本翻译成任何语言,并将其重新格式化为语音,反之亦然。它还可以阅读图片中的文字,识别图片中的物体,甚至通过脸部、指纹和其他参数100%确定一个人的身份。同时,它的相关模块一般能够控制几乎任何东西,只要它与网络相连接。 这些能力已经远远超出了一个绝对有利可图的自动售货机所能做到的。自动售货机需要的数据、流程和资源要少得多。如果像谷歌这样的公司的开发人员想要,他们可以很容易地用他们的模块做出这样一个系统。

 
Aleksei Stepanenko:

看,18%的时间里,价格不超过10个点,就会掉头。因此,如果你期望有更大的移动,每5次就会有一次损失。

这是正确的。但你考虑到了运动历史的比例,但你没有考虑到这些运动的决定因素。如果你分析这个特殊的货币对,你很可能会捕捉到你不仅能拿下10点,而且能拿下50点的时机。而在没有明确的先决条件时,很可能你不会开仓。

 
Vitaliy Maznev:
阿列克谢,你用什么工具来计算这些数据?

创建了一个 "之 "字形的脚本。


维塔利-马兹涅夫

而你只需关注谷歌。

这些是不同的元素。用于学习和未来不确定性的现实生活数据集。

 
Aleksei Stepanenko:

创建了一个 "之 "字形的脚本。


这些是不同的元素。从现实生活和未来的不确定性中学习的数据集。

如果你用你的剧本来定义运动的边界,那么未来的不确定性是什么?这已经是一个巨大的成就。说实话,我对你的分析印象深刻。而目前的互动系统的漏洞比其开发者的头脑中的漏洞要少。不要盲目下结论。 你是开发者。只要评估已经取得的规模就可以了。真正的比较。并意识到这些特点已经被掩盖了。 他们只是不需要。

而未来是越来越笨。