文章 "机器学习和交易中的元模型：交易订单的原始时序" - 页 3

[Inquiring]

Maxim Dmitrievsky #:
我们也不在这里，根据Advaita的说法。所以我建议你喝杯白兰地，放松一下。如果这些人以为自己什么都懂 那就太无知了

他们知道怎么骗你的钱

[Maxim Dmitrievsky]

Inquiring #:

他们知道如何骗取你的钱财。

让我们进入问题的核心。我应该在代码中添加什么才能让它更好？

[Inquiring]

Maxim Dmitrievsky #:
场是一个抽象的数学实体。这并不意味着它存在。

存在与否本来就是一个哲学问题。

[Inquiring]

Maxim Dmitrievsky #:
让我们进入问题的核心。我应该在代码中添加什么才能让它更好？

"由于在开发交易系统（包括使用机器学习的系统）的过程中，研究人员要面对不确定性，因此不可能严格地将最终要搜索的内容形式化。这些都是多维空间中一些或多或少的稳定依赖关系......"

如果你不知道要找什么，那还有什么可找的呢？

也许你应该先想想要找什么，什么样的依赖关系，依赖于谁或依赖于什么，以了解事物的一般运作方式？

[Maxim Dmitrievsky]

Inquiring #:

"由于在开发交易系统（包括使用机器学习的系统）的过程中，研究人员要面对不确定性，因此不可能严格地将最终所追求的东西形式化。这些是多维空间中一些或多或少稳定的依赖关系......"

如果你不知道自己在寻找什么，你能找到什么？

也许你应该先想想要找什么，什么样的依赖关系--依赖于谁或依赖于什么，以了解事物的一般运作方式？

不，这里提供的是一个图形割草机，它可以自己寻找一些东西，甚至有时还能找到一些东西。你可以提议用信息符号来代替增量--那会很有建设性。

[Valeriy Yastremskiy]

Maxim Dmitrievsky #:
我想这是类似的东西，只不过这里是一个串联的模型

环境模型取决于环境的复杂性。模型的复杂程度取决于影响结果的过程数量。建立/猜测/寻找正确模型的复杂性直接取决于解释这些过程的能力。

在我看来，元模型应该更加复杂。到目前为止，在与学习领域相似的领域中，解决方案过于简单。但在我看来，到目前为止，元模型还缺乏建立模型逻辑的能力。

[Maxim Dmitrievsky]

Valeriy Yastremskiy #:

环境模型取决于环境的复杂程度。模型的复杂程度取决于影响结果的过程数量。建立/猜测/寻找正确模型的复杂性直接取决于对这些过程进行解释的能力。

在我看来，元模型应该更加复杂。到目前为止，在与学习领域相似的领域中，解决方案过于简单。但到目前为止，我认为建立模型逻辑的能力还不够。

实践证明，需要进行特征选择。这样的模型在好的模型上效果很好，我认为没有必要将其复杂化。而对于那些不好的模型，它也能提供一些信息，但还是有必要对它们进行处理。

[Inquiring]

Maxim Dmitrievsky #:
不，这里提出的是一种图形割草机，它可以搜索某些东西，甚至有时会找到某些东西。你可以提出信息性的符号，而不是增量--这将是有建设性的。

根据我的理解，您的模型的逻辑在任何地方都是直截了当的--如果昨天有上涨，那么今天就会有上涨；如果上周的模式有效，那么本周也会有效。

生活中并非如此，"生有时，死有时；种瓜得瓜，种豆得豆"。昨天，做市商推动了一波行情，"种下 "了上行的假象，今天他们收割了庄稼。

其逻辑是寻找冲动和对冲动的反应。"没有人反吹，吹也没有意义"。如果在第五波注入时，冲动没有得到接受者的回应，那么引领趋势又有什么意义呢？它会向另一个方向逆转。

这就是物理学。

[Inquiring]

Maxim Dmitrievsky #:
不，这里提出的是一种图形割草机，它可以搜索某些东西，甚至有时会找到某些东西。您可以建议用信息标志来代替增量--这样会更有建设性。

关于交易https://drive.google.com/file/d/1RFTdBDPVZA61fYBfMeB_oX9FDvULbA88/view?usp=sharing 的一些建议

[Inquiring]

Valeriy Yastremskiy #:

环境模型取决于环境的复杂程度。模型的复杂程度取决于影响结果的过程数量。建立/猜测/寻找正确模型的复杂性直接取决于对这些过程进行解释的能力。

在我看来，元模型应该更加复杂。到目前为止，在与学习领域相似的领域中，解决方案过于简单。但在我看来，到目前为止，元模型还缺乏建立模型逻辑的能力。

复杂性是通过协同学来解决的。正是由于复杂性，应用研究非常少。