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 6

 
Aleksey Vyazmikin #:

听着,我们有入市点--样本线,我们有由出市点定义的财务结果,即设置止损或其他信号的地方。如果您想违反策略进入市场,即买入您应该卖出的地方,如果模型是这样说的,为此您需要定义新的退出点。问题来了,如果退出点还没有出现,但进入点已经出现,这时该怎么办?

不要关闭。在标价阶段检查所有进入点。教师必须知道错误的价格。否则,无法建立平衡线。

现在的结果是:我们损失了一些东西。也许是 10 点,也许是 100 点,也许是 500 点。如此反复 300 次......这样一条平衡线的有效性如何?

 
elibrarius #:

不要关闭。

如果不平仓,就会错过信号,信号就会出现在样本中,也就是说,可能会有更多的线,然后就无法建立平衡。我以前曾采用过强制平仓的方法。

至于目前使用两个标记的方法,正是由于这种标记,平衡与测试仪的结果非常接近。我已经在其他方法上吃过亏,所以我相信这种标记方法是最可靠的。

 
Aleksey Vyazmikin #:

你能试着证明一下吗?

我不擅长编程(也许你可以尝试对 phoebe 进行偏向研究?
 
Aleksey Vyazmikin #:

如果不关闭,就会错过信号,而且信号会出现在样本中,即可能会有更多的线,这样就无法建立平衡。我以前曾做过强制平仓。

至于目前使用两个标记的方法,正是由于这种标记,平衡与测试仪的结果非常接近。我已经在其他方法上吃过亏,所以我相信这种标记方法是最可靠的。

现在您说的是同时开立的几笔交易....哪怕是 100 笔也可以 - 主要是根据标记算法完成它们。

我的意思是,您数据集中的每一行都应针对每一类进行训练,并用真实值填充财务结果行。也许你已经这样做了。不看代码很难理解。


20-30 个标准指标,100-200 个设置变量?

 
spiderman8811 #:
我不擅长编程(也许你可以尝试使用斐波那契偏差进行研究?

样本中有一些预测因子使用基于斐波那契比率的水平水平。

 
Aleksey Vyazmikin #:

样本包括使用斐波那契比率水平水平的预测因子。

其中有价格三角洲吗?50 到 100 条。列数是多少?如果只对它们进行训练,比较起来会很有趣。突然之间,它们就足够了,不需要 5000 多个功能。

 
elibrarius #:

现在你说的是几笔交易同时打开....哪怕是 100 个,也要保留 - 主要是根据标记算法完成它们。

我正在为莫斯科交易所的净额结算账户微调一切,到目前为止我还没有虚拟仓位控制。此外,对于培训,我认为没有必要使样本过于复杂 - 最好是每笔交易的平均利润和损失都在合理范围内 - 这样,除其他外,您可以充分评估情况,而不会选择意外获得超额利润的模型。您已经可以在 Expert Advisor 中使头寸维护策略复杂化。

elibrarius#:

我的意思是,您数据集中的每一行都应针对每一类进行训练,并用真实值填充财务结果行。也许您是这样做的。不看代码很难理解。

我使用的 Expert Advisor 与之前发表的文章中的版本非常相似--财务结果上的数据取自交易结果,而不是计算出来的。

elibrarius#:

更好地告诉我,你想出的 5000 多个功能是什么?

20-30 个标准指标,100-200 种不同设置?

的确,相同的预测指标有不同的时间框架。选择的余地很大,这就是为什么我倾向于研究选择有用的选项,以便更好、更快地训练模型。

大多数预测器都建立在 Donchianna 通道和 ZZ 上,有些建立在回归通道上,有些建立在类似的 MA 上,有些建立在抛物线上,有些建立在类似的 ATR 上,有些建立在不同 TF 的回报上,还有一些建立在振荡器上,也许还有其他小的预测器。我还没有针对特定工具调整过参数,但也许我应该这样做--我已计划在 ZZ 上就这一主题进行实验。

 
elibrarius #:

有价格三角洲吗?50 到 100 条。列数是多少?如果仅对它们进行训练,比较起来会很有趣。突然之间,它们就足够了,不需要 5000 多个功能。

可能接近 1041-1489。

你可以给我预测器的代码,我会用它做一个样本。

我可以告诉你其中一个模型使用了哪些预测器--你可以检查你是否成功地进行了训练(我几乎毫不怀疑)--你需要这样做吗?

 
Aleksey Vyazmikin #:

样本中有一些预测器使用斐波那契比率的水平线。

不是水平,而是范围,再加上波浪形态和蜡烛图。书上没有。应该能用
 
spiderman8811 #:
不是水平,而是范围,再加上波浪形态和蜡烛图。这些都不在书上。

即使书上没有,我又怎么知道呢?详细描述--如果有独特性,我会添加这些预测因子,并在特定样本上评估其有效性。