文章 "使用 Python 创建波动率预测指标"
文章很好，谢谢！我知道这篇文章很新鲜，但我还是想问一下--你有波动率预测方面的工作实践吗？当我自己 "涉猎 "回归时，我证实了第三方的意见，即预测不可能从 "绝对 "一词开始。简而言之--用几个月的时间训练模型，用下一个月的数值进行验证，再用下一个月的数值测试模型。测试回归线完全位于报价上。但值得注意的是，将模型的 "目标 "向未来移动了一格，测试结果却完全是个屁。任何指标，包括波动率，都是从价格中得出的，这并不是什么秘密。有一种怀疑的感觉，认为结果应该是相似的。另一方面，我意识到数据集中数据的多样性程度会对模型的性能产生很大影响。我为什么对您的文章感兴趣--我认为您的方法比在策略中 "拟合 "金融新闻日历以避免在新闻附近（之前）进行交易 要好得多。
Aleksei Morozov 交易 要好得多。
您好！非常感谢您。我并不只依赖一种方法。我有一个全面的 Python EA，其中包括天真模式分析、二进制代码的机器学习、三维条形图的机器学习、成交量分析的神经网络、波动率分析、基于世界银行和国际货币基金组织数据的经济模型、关于世界所有国家的数十万行的庞大数据集，以及所有....。建立所有可能的统计特征的统计模块，优化超参数的遗传算法，建立公平货币价格的套利模块，下载世界媒体关于特定货币的头条新闻和内容，分析所有新闻文章和说明的情绪色彩（在 80% 的情况下，当媒体鼓励你买东西时，就会出现崩盘，如果新闻是负面的--很可能会滞后 3-4 天上涨）。
您有什么其他补充意见吗？我得出的结论是，我还需要从一个著名的账户监控网站（我不知道是否可以在这里说出它的名字）上传头寸，我已经编写了代码，我也会写一篇关于它的文章，价格最常见的情况是与群众背道而驰。
我还在努力上传有关期货交易量、交易量集群和分析 COT 报告的数据 - 也是用 Python。
Aleksei Morozov 交易 要好得多。
我同时使用回归模型和分类模型，不久我想做一个超级系统，接收所有模型的所有迹象和信号，以及浮动盈亏和账户历史盈亏，并将其全部输入 DQN 模型=)。
venv_volatility\Scripts\activate
第一条命令的回复是 "Python"，但这一行的回复是 "系统无法找到指定路径"。
(根据您的指导，我刚刚安装了 Python）
新文章 使用 Python 创建波动率预测指标已发布：
在这篇文章中，我将分享我从绝望到有效波动预测系统的旅程。没有无聊的东西或学术术语 —— 只有真实的经验和可行的解决方案。我将向您展示如何将 MetaTrader 5 与 Python 结合起来（剧透：它们并没有立即相处融洽），如何让机器学习为我工作，以及我在此过程中遇到了哪些陷阱。
我从整个故事中获得的主要见解是，你不能盲目相信经典指标或流行的神经网络。我记得我花了一周时间建立了一个非常复杂的神经网络，然后一个简单的 XGBoost 显示了更好的结果。或者有一次，一个简单的布林带在所有智能算法都失败的情况下保住了一笔存款。
我也意识到，在交易中，就像在拳击中一样，最重要的不是打击的力量，而是预测打击的能力。我的系统不会做出超自然的预测。它只是帮助您为市场意外做好准备，并及时提高您的交易策略的安全边际。
作者：Yevgeniy Koshtenko