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 1035

[Ivan Negreshniy]

ロフィルド

"なぜスパークが必要なのか？"という問いに答えていたのです。

他人のシステムの必要性を証明していたのに、あなた個人が自分のライブラリでできることを示せず、私の具体的な質問に答えられず、エントリーレベルのスキルのタスクがある。https://www.mql5.com/ru/forum/86386/page1033#comment_8211170

実はこのパターンには、移動平均のクロスオーバーに関するシンプルな戦略のシグナルが含まれています - EMA 9 と EMA 14、収益性を高めるために若干ノイズが入っています)。

私は完全な答えのテンプレート - 初期シグナル、インジケータオーバーレイと上記の信号で訓練されたExpert Advisorのいずれかのテスターでビジュアルランを持つソリューションを投稿しています。

EA_EURUSD_H1_NN - ニューラルネットワークベース、EA_EURUSD_H1_RF - ランダムフォレストベースで置いています。

Expert AdvisorsはEURUSD H1サーバーMetaQuotes-Demoでテストされており、適切なテストチャートは以下のとおりです。

...ニューロネット

...ランダムフォレスト

両方のチャートでトレーニング期間、すなわちトレーニング信号の期間があり、パターンを参照してください。

[Maxim Dmitrievsky]

イワン・ネグレシュニー

あなたは他人のシステムの必要性を証明しましたが、あなた個人が自分のライブラリで何ができるかを示し、私の具体的な質問に答えるために、エントリーレベルのスキルのためのタスクがあるのです。https://www.mql5.com/ru/forum/86386/page1033#comment_8211170

実はこのパターンには、移動平均のクロスオーバーに関するシンプルな戦略のシグナルが含まれています - EMA 9 と EMA 14、収益性を高めるために若干ノイズが入っています)。

私は答えの完全なテンプレート - 初期信号とソリューション、オーバーレイ指標と上記の信号で訓練されたExpert Advisorのいずれかのテスターでビジュアルランを貼り付けます。

EA_EURUSD_H1_NN - ニューラルネットワークベース、EA_EURUSD_H1_RF - ランダムフォレストベースで置いています。

アドバイザーはEURUSD H1サーバー MetaQuotes-Demoでテストされており、以下は対応するテストチャートです。

...ニューロネット

...ランダムフォレスト

両チャートとも、トレーニング期間、つまりトレーニングシグナルがある期間が記されており、パターンを見ることができます。

NNはあなたの秘密のグリッドですか？

と機能は全く同じなのですか？

[Ivan Negreshniy]

マキシム・ドミトリエフスキー

NNは秘密のグリッド？

と機能は全く同じなのですか？

はい、でもポイントは違います。取引に必要なIOのフォーマットや情報交換に合意しましょう。そうでなければ、何の進歩もなく、ただ盲目的に折れるだけでしょう。

追記：両EAのフィーチャーはOHLCバーでカウントされ、その数や計算式は同じです。

[Maxim Dmitrievsky]

イワン・ネグレシュニー

そうですね、でもポイントは違います。取引に必要なIOのフォーマットや情報交換に合意しましょう。そうしないと、何も進展しません。盲人同士の反則です

追記：どちらのEAもチップはOHLCバーで計算され、その数値や計算式は同じです。

チャットルームに参加して、そこで戦略を議論したり、交渉したりするのがいいんです。話題による棲み分けが激しい、何が面白いか気にする人はいない。

門外不出

[Roffild]

マキシム・ドミトリエフスキー：

スパークについては、ずっと前から明らかになっていたことなので、聞かなかったことにしています。ということを聞いていたんです。スパークを使ったこのやり方は、学習方法が非効率的で、必要な電力も少ないため、まさにお手上げ状態です

足場を組むことなく、MT5クラウドでの最適化で同様のことが可能です。あなたの出力とそれが利益をもたらすかどうかについては知りませんが、それはありませんし、このアルゴリズムはオーバーフィットのために常に失敗します。

アイエムエイチエー

ビルドしたモデルは常に0か1を返すべきという意見がある。

しかし、モデルから返された結果を指標として扱うとどうでしょうか。このようなモデルをMSEなどで推定しようとしても、うまくいきません。しかし、買いパラメータが0.75以上、売りパラメータが0.25未満でこのようなモデルを適用すると、良い利益を得ることができる。

アイデア自体は、異なる指標の複数のデータをランダムフォレストに 投入し、1つのスーパー指標を得るというものです。

聖杯の探し方には、規格外のアイデアのチェックが必要です。

[Maxim Dmitrievsky]

ロフィルド

構築されたモデルは常に0か1を返すべきという意見がある。

しかし、モデルから返された結果を指標として扱うとしたらどうだろうか。このようなモデルをMSEなどで推定しようとしても、うまくいきません。しかし、買いパラメータが0.75以上、売りパラメータが0.25未満でこのようなモデルを適用すると、良い利益を得ることができます。

アイデア自体は、異なる指標からなる複数のデータをランダムフォレストに投入し、1つのスーパー指標を得るというものです。

そのためには、既成概念にとらわれない発想が必要です。

Forestはクラスに所属する確率を出さないので、これらの不等式はナンセンスである

>< 0.5で終わり、それ以外の方法はない。そして、二値化された符号と出力とどちらが良いかという問題があります。

0から100までクラス分けしても差はない、NSではない

[Roffild]

マキシム・ドミトリエフスキー

森はクラスメンバーである確率を出さないので、これらの不等式はナンセンスです。

>< 0.5で終わり、それ以外の方法はない。そしてもう一つの疑問は、符号と出力を2値化するのとしないのと、どちらがいいのか、ということです。

0から100までクラス分けできるんだから、NSとは違うよ。

確率がないのであれば、この線はどうなっているのでしょうか？

static void CDForest::DFProcess(CDecisionForest &df,double &x[],double &y[])
...
//--- calculation
   v=1.0/(double)df.m_ntrees;
   for(i_=0;i_<=df.m_nclasses-1;i_++)
      y[i_]=v*y[i_];

[Maxim Dmitrievsky]

ロフィルド
確率がないのであれば、この線はどうなっているのでしょうか？

あ、そうか。

ALGLIBに含まれるすべての分類アルゴリズムの結果は、オブジェクトが属するクラスではなく、条件付き確率のベクトルである。

しかし、これではあまり慰めにはなりません。信号が少なくなり、必ずしも結果が出るとは限りません。例えば私の場合、そうではなかったので、今はどこでも0.5の閾値を設定しています。

トレースとOOBの誤差の比較の方がよっぽど重要なんです。

[Roffild]

マキシム・ドミトリエフスキー：

あ、そうか。

ALGLIBに含まれるすべての分類アルゴリズムの結果は、オブジェクトが属するクラスではなく、条件付き確率のベクトルである。

しかし、これではあまり慰めにはなりません。信号が少なくなり、必ずしも結果が出るとは限りません。例えば私の場合、そうではなかったので、今はどこでも0.5の閾値を設定しています。

それよりも重要なのは、電車とoobでのエラーの比較可能性です。

しかし、これらは修正アルゴリズムの特殊性である。

AlgLibは古典的なランダムフォレストを そのまま実装しています。それはSparkでも同じです。

しきい値を0.5にする＝データを結果に適応させる。

追伸：ランダムフォレスト生成のパラメータまで違う。

[Maxim Dmitrievsky]

ロフィルド

しかし、これらは修正アルゴリズムの特殊性である。

AlgLibは、古典的なランダムフォレストをそのまま実装しています。それはSparkでも同じです。

しきい値を0.5にする＝データを結果に適応させる。

追伸：ランダムフォレストの生成パラメータまで違うんですね...。

私もalgLibを持っていると思います )

以下はその説明です。「クラシック」であるかどうかはわかりません。

http://alglib.sources.ru/dataanalysis/decisionforest.php