トレーディングにおける機械学習:理論、モデル、実践、アルゴトレーディング - ページ 1015 1...100810091010101110121013101410151016101710181019102010211022...3399 新しいコメント СанСаныч Фоменко 2018.07.09 20:00 #10141 Alexander_K2 です。厳密には、帰国者のローリングサンプルにおいて 、その離散系列に対するACF推定量を計算する必要が ある。もし周期的であれば、次の帰国者はコルモゴロフによって100%になると予測される。しかし、ACFの周期性を評価する基準はわかりません。目で見ているだけではダメなんです。ウォーマーです。 予測モデルにとって、あまり一般的ではない予測因子のセットを拡大してみましょう。 ここから 時系列を予測する方法のメタ学習Thiyanga S Talagala、Rob J Hyndman、George Athanasopoulos Ivan Negreshniy 2018.07.10 06:23 #10142 ジャンニそこに人を加えるのは神の教祖と彼のパダワンのカップルだけです。プライベートメッセージであなたのスカイプとあなた自身のデータを投げてください、私は尋ねますが、私はそこの権威ではないので何も約束しません。このグレーの枢機卿たち、パペットとその仲間は、市場に近い活動で目をつけられ、一生の恥の烙印を押され、その恥は数百億グリーンバックで洗い流すしかないのである。ありがとうございます。会員制に興味があるわけではなく、相当な苦労があることは理解していますが、それに劣らず重要なのはレベルを見ていくことです。 このグループはIOモデルの統一的な表現を検討していると書かれていましたが、それは私が望むモデルです。 また、学習したモデルをバイナリやテキスト形式、ソースコードとして公開しています。 Aleksey Nikolayev 2018.07.10 07:13 #10143 サンサニッチ・フォメンコウォーマーです。 予測モデルのための「一般的ではない予測因子」のセットを拡張する。 ここから 時系列を予測する方法のメタ学習Thiyanga S Talagala、Rob J Hyndman、George Athanasopoulos良い調査記事です。ただ、私の考えでは、検討した時系列の集合は、私たちにとっては広すぎるのです。同じような手法の見直しでも、私たちが興味を持っているようなシリーズを対象にしてほしいです。 また、新しい手法やモデルも見てみたいですね。例えば、異常拡散(よりポピュラーな もの)があります。 СанСаныч Фоменко 2018.07.10 08:54 #10144 アレクセイ・ニコラエフ良い概要記事です。ただ、私見ですが、検討される時系列の幅が広すぎるように思います。同じような手法の概要でも、私たちが興味を持つようなシリーズを紹介してほしいです。 また、新しい手法やモデルも見てみたいですね。例えば、異常拡散(よりポピュラーな もの)があります。私がこのリンクを引用したのは、この表があるからです。予測因子に関する新鮮な考察であり、ACFに関するAlexanderの考えを発展させたものです。 Aleksey Nikolayev 2018.07.10 09:29 #10145 サンサニッチ・フォメンコ私がこのリンクを持ってきたのは、表:予測因子の新鮮な見方と、ACFに関するアレキサンダーの考えの展開としてです。良い面では、70年前のモデルで自分自身や私たちを苦しめる代わりに、この非常に変則的な普及と市場への応用をもっとよく研究しただろう。それは、彼の莫大な熱意と体育会系としての資質が活かされることだろう。 Aleksey Vyazmikin 2018.07.10 12:01 #10146 ウラジミール・ペレヴェンコZZパラメータは、各商品、各時間枠で異なります。例えば、EURUSD M15の場合、初期値は15pips(4桁)が良いでしょう。また、使用する予測因子にも依存します。予測因子とZZのすべてのパラメータを最適化するのがよいでしょう。したがって,ノンパラメトリック予測変数があることは望ましいことであり,それはあなたの生活をずっと楽にする.そのため、デジタルフィルターが 良い結果を示しています。アンサンブルとカスケード結合を使用した場合、平均Accuracy = 0.83となりました。これは非常に良い結果だと思います。明日、その過程を記した検証用の記事を送ります。 グッドラックまた、ZZの設定は、純粋にいろいろな機種を試してみて、この設定で一番いい結果が出たものが一番いいというのは、どのように見つけるのでしょうか? なぜ、時間(バー)ではなく、ZZのポイントがいいのですか? Vladimir Perervenko 2018.07.10 12:08 #10147 アレクセイ・ヴャジミキンまた、ZZの設定は、純粋にいろいろな機種を試してみて、この設定で一番いい結果が出たものが一番いいというのは、どのように見つけるのでしょうか? なぜ、時間(バー)ではなく、ZZのポイントがいいのですか?1.最適化にはさまざまな方法があります。 2.経験から。 グッドラック Aleksey Vyazmikin 2018.07.10 12:18 #10148 昨日、ふと思ったのですが、なぜ私たちは決定木、つまり実体を記述したモデルを探すのでしょうか?つまり、なぜ実体全体を記述する必要があるのか、その実体の中で最も理解しやすく予測可能な部分を探せばいいのではないか、ということです。木の葉を集めているのだから、完全な決定木を作らずにその葉を見つける方法を使えば、同じ計算時間でも品質が上がるのではないかと考えたのです。 インターネットを検索しても、そのような方法はどこにも見当たりません。もしかしたら、そんな展開を知っている人がいるかもしれませんね。 アルゴリズムを考える上で、まず、予測変数(クラスの1つの予測能力を示す)を選択する必要があり、その際、予測変数はバイナリにする必要があります(そのためには、予測変数ごとに独自のサンプルを形成するか、一般的なサンプルから除外する範囲を作る必要があります(どちらが合理的でしょうか))。そして、選択された予測因子(とその組み合わせ)を使って、特定のクラス(私の場合は3クラス)のスタブを構築し、これらのスタブを使って残りの予測因子を構築するのです。同時に、特定のクラスを優先してチェックすることも可能です。そして、その考え方に従って、特定のターゲットクラスに対して最も分類しやすい領域を探し出していきます。そして、残された領域は、ただの無為・無期待のフィールドとなるのです。 もちろん、葉っぱが重なっているところを確認し、その場合は平均的な結果にすることも可能です。そして、そのようなツリーを作ることができるのですが、異なるターゲットの異なるエリアでの密度のため、投票要素を持つのです。 このアイデアはどうでしょうか? Aleksey Vyazmikin 2018.07.10 12:20 #10149 ウラジミール・ペレヴェンコ1.最適化には様々な方法があります 2.経験から。 グッドラック1.それが、これらの方法について知りたいのです。だって、また自転車を再発明するわけですから(思想はスケッチ済み)、いきなり何もかもが先にできてしまっている......。 2.なるほど。しかし、それは理不尽なことです。 mytarmailS 2018.07.10 12:51 #10150 ウラジミール・ペレヴェンコウラジミールさん、「未来の選択」(のようなもの)の方法ですが、BPに適用できるものをいくつか提案していただけませんか?BPに関して「未来選択」(のようなもの)の方法があるのかどうか、もしかしたらアルゴリズムがBPを分析して、予測を良くするために何かを削除したり追加したりするのかもしれませんが、googleは助けてくれませんでした(笑)。 1...100810091010101110121013101410151016101710181019102010211022...3399 新しいコメント 理由: キャンセル 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか? Googleでログイン
厳密には、帰国者のローリングサンプルにおいて 、その離散系列に対するACF推定量を計算する必要が ある。もし周期的であれば、次の帰国者はコルモゴロフによって100%になると予測される。しかし、ACFの周期性を評価する基準はわかりません。目で見ているだけではダメなんです。
ウォーマーです。
予測モデルにとって、あまり一般的ではない予測因子のセットを拡大してみましょう。
ここから
時系列を予測する方法のメタ学習
Thiyanga S Talagala、Rob J Hyndman、George Athanasopoulos
そこに人を加えるのは神の教祖と彼のパダワンのカップルだけです。プライベートメッセージであなたのスカイプとあなた自身のデータを投げてください、私は尋ねますが、私はそこの権威ではないので何も約束しません。このグレーの枢機卿たち、パペットとその仲間は、市場に近い活動で目をつけられ、一生の恥の烙印を押され、その恥は数百億グリーンバックで洗い流すしかないのである。
ありがとうございます。会員制に興味があるわけではなく、相当な苦労があることは理解していますが、それに劣らず重要なのはレベルを見ていくことです。
このグループはIOモデルの統一的な表現を検討していると書かれていましたが、それは私が望むモデルです。
また、学習したモデルをバイナリやテキスト形式、ソースコードとして公開しています。
ウォーマーです。
予測モデルのための「一般的ではない予測因子」のセットを拡張する。
ここから
時系列を予測する方法のメタ学習
Thiyanga S Talagala、Rob J Hyndman、George Athanasopoulos
良い調査記事です。ただ、私の考えでは、検討した時系列の集合は、私たちにとっては広すぎるのです。同じような手法の見直しでも、私たちが興味を持っているようなシリーズを対象にしてほしいです。
また、新しい手法やモデルも見てみたいですね。例えば、異常拡散(よりポピュラーな もの)があります。
良い概要記事です。ただ、私見ですが、検討される時系列の幅が広すぎるように思います。同じような手法の概要でも、私たちが興味を持つようなシリーズを紹介してほしいです。
また、新しい手法やモデルも見てみたいですね。例えば、異常拡散(よりポピュラーな もの)があります。
私がこのリンクを引用したのは、この表があるからです。予測因子に関する新鮮な考察であり、ACFに関するAlexanderの考えを発展させたものです。
私がこのリンクを持ってきたのは、表:予測因子の新鮮な見方と、ACFに関するアレキサンダーの考えの展開としてです。
良い面では、70年前のモデルで自分自身や私たちを苦しめる代わりに、この非常に変則的な普及と市場への応用をもっとよく研究しただろう。それは、彼の莫大な熱意と体育会系としての資質が活かされることだろう。
ZZパラメータは、各商品、各時間枠で異なります。例えば、EURUSD M15の場合、初期値は15pips(4桁)が良いでしょう。また、使用する予測因子にも依存します。予測因子とZZのすべてのパラメータを最適化するのがよいでしょう。したがって,ノンパラメトリック予測変数があることは望ましいことであり,それはあなたの生活をずっと楽にする.そのため、デジタルフィルターが 良い結果を示しています。アンサンブルとカスケード結合を使用した場合、平均Accuracy = 0.83となりました。これは非常に良い結果だと思います。明日、その過程を記した検証用の記事を送ります。
グッドラック
また、ZZの設定は、純粋にいろいろな機種を試してみて、この設定で一番いい結果が出たものが一番いいというのは、どのように見つけるのでしょうか?
なぜ、時間(バー)ではなく、ZZのポイントがいいのですか?
また、ZZの設定は、純粋にいろいろな機種を試してみて、この設定で一番いい結果が出たものが一番いいというのは、どのように見つけるのでしょうか?
なぜ、時間(バー)ではなく、ZZのポイントがいいのですか?
1.最適化にはさまざまな方法があります。
2.経験から。
グッドラック
昨日、ふと思ったのですが、なぜ私たちは決定木、つまり実体を記述したモデルを探すのでしょうか?つまり、なぜ実体全体を記述する必要があるのか、その実体の中で最も理解しやすく予測可能な部分を探せばいいのではないか、ということです。木の葉を集めているのだから、完全な決定木を作らずにその葉を見つける方法を使えば、同じ計算時間でも品質が上がるのではないかと考えたのです。
インターネットを検索しても、そのような方法はどこにも見当たりません。もしかしたら、そんな展開を知っている人がいるかもしれませんね。
アルゴリズムを考える上で、まず、予測変数(クラスの1つの予測能力を示す)を選択する必要があり、その際、予測変数はバイナリにする必要があります(そのためには、予測変数ごとに独自のサンプルを形成するか、一般的なサンプルから除外する範囲を作る必要があります(どちらが合理的でしょうか))。そして、選択された予測因子(とその組み合わせ)を使って、特定のクラス(私の場合は3クラス)のスタブを構築し、これらのスタブを使って残りの予測因子を構築するのです。同時に、特定のクラスを優先してチェックすることも可能です。そして、その考え方に従って、特定のターゲットクラスに対して最も分類しやすい領域を探し出していきます。そして、残された領域は、ただの無為・無期待のフィールドとなるのです。
もちろん、葉っぱが重なっているところを確認し、その場合は平均的な結果にすることも可能です。そして、そのようなツリーを作ることができるのですが、異なるターゲットの異なるエリアでの密度のため、投票要素を持つのです。
このアイデアはどうでしょうか?
1.最適化には様々な方法があります
2.経験から。
グッドラック
1.それが、これらの方法について知りたいのです。だって、また自転車を再発明するわけですから(思想はスケッチ済み)、いきなり何もかもが先にできてしまっている......。
2.なるほど。しかし、それは理不尽なことです。
ウラジミールさん、「未来の選択」(のようなもの)の方法ですが、BPに適用できるものをいくつか提案していただけませんか?BPに関して「未来選択」(のようなもの)の方法があるのかどうか、もしかしたらアルゴリズムがBPを分析して、予測を良くするために何かを削除したり追加したりするのかもしれませんが、googleは助けてくれませんでした(笑)。