混乱中有规律可循吗？让我们试着找出它！以特定样本为例进行机器学习。 - 页 10

新评论
 

训练

这是模型在训练样本上的表现--你可以看到绿色曲线和红色曲线之间有很好的 delta 差值--这就是利润。

但在下面的测试样本中，我们可以看到 delta 是如何缩小的

与测试者相比，计算出的平衡结果要乐观一些，但结构是相同的--我想我会继续使用它进行初步评估。


 
Aleksey Vyazmikin #:

这就是模型在训练样本中的表现--你可以看到绿色曲线和红色曲线之间有一个很好的差值--这就是利润。

但在下面的测试样本中，我们可以看到 delta 是如何缩小的

与测试者相比，计算出的平衡结果要乐观一些，但结构是相同的--我想我会继续使用它进行初步评估。


0.10500 是最好的选择。和你的差不多。但平衡线不同。误差约为 0.5。这样做有风险，情况会变得更糟，可能会开始亏损。4200 笔交易，每笔只有 0.10500 /4200 ~= 0.00002。风险很大。点差、滑点等会吞噬所有赢利。


 
elibrarius #:
0.01050 最好。和你的差不多。但平衡线不同。误差约为 0.5。这是有风险的，它会一点点恶化，并可能开始流失。4200 笔交易，每笔只赢 0.01050 /4200 ~= 0.00002。风险很大。点差、滑点等会吞噬所有赢利。


由于该模型，盈利交易的百分比增加了 4%，加上 MM 将提供相同的金额--现在您可以考虑开发了。

但我认为这种加价是不正确的，因为它不是基于市场结构的--没有尝试比较类似的市场条件来进行训练，因此模型必须自己完成一切。

 
另外，我认为最终应由两种模式（买入和卖出）来决定平衡，毕竟它们可以自我补偿。
 
Aleksey Vyazmikin #:
另外，我认为平衡最终应由两个模型（买入和卖出）来决定--因为它们可以自我补偿。
我同意，这也是我的实验方法，不同的等级在训练时不应相互干扰。1 个模型将寻求整体最佳结果。两个最好的模型总体上应该比一个好。但另一方面，它们会更快地过度训练，也就是说，过度训练应该被更强地阻止。
 
Aleksey Vyazmikin #:
此外，我认为平衡最终应由两个模型（买入和卖出）决定 - 因为它们可以自我补偿。
学习前两列）关于 H1 的最后一个样本。
 
elibrarius #:
在 H1 上的最后一个样本上进行训练。

时间模式是否回升？

 
Aleksey Vyazmikin #:

它在捕捉时间模式吗？

是的。看看你能得到什么
 
elibrarius #:
我做的。看看你能得到什么

我现在正在尝试一种不同的方法--还没来得及测试。但我认为，如果很明显的话，它也能找到。

 
Aleksey Vyazmikin #:

我现在正在尝试一种不同的方法--还没有机会检查。但我认为，如果一切都很明显，它也会找到的。

重点是，它比 5000+ 功能好 2 倍。
事实证明，所有其他 5000 多个特征只会使结果更糟。
比较一下您的模型在这两种情况下显示的结果会很有趣。

1...34567891011121314151617...32
新评论