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 1042 1...103510361037103810391040104110421043104410451046104710481049...3399 新しいコメント 削除済み 2018.09.04 04:55 #10411 ドミトリー・スクーブ 氷を叩くのに疲れたら、価格／時間スケールともに本来は直線的ではないことを考えよう。それは、（市場を理解せずに）純粋にアルゴ・トレーディングの観点からアプローチした場合の話です。時間とは、周期的なプロセスを計測するものである。ランダムな性質を持つプロセスを測定する場合、時間はほとんど意味を持たない。 小さな（ティック、「量子」）間隔の時間スケールは非線形でランダムであり、ティック次元の事象については、重要な要素としての時間は全く存在しないように思われる。 大きな間隔では、日次、週次、ニュースリリース関連などの 周期的な不均質性が重なるため、時間スケールはより線形に近いと考えられ、時間の重要性が増す。 Ivan Negreshniy 2018.09.04 06:12 #10412 Grigoriy Chaunin: 無理でしょう。ハースト社のインデックスを通貨で確認する。市場のランダム性を明確に示している。そして、ランダムな市場で何ができるのか？マーチンだけです。しかし一方で、市場には存在時間の異なる非効率性が発生する。そして、彼らはそれでお金を稼ぐ。そして、これは偶然の産物ではありません。だから、非効率を探す方向に進むべきでしょう。この作業を自動化したい。でも、何から始めたらいいのか、実感がわかない。ニューラルネットワークはこれに適していない。彼らは学習のために既成のパターンを必要としています。そして、明らかに存在し、機能しているもの、何十億年もの間、我々の計画を崩壊から救ってきたもの、そしてアルゴトレーダーがEAを最適化し適合させるのに役立つもの - 慣性と市場メモリ- を基に構築してはどうでしょうか？ 次のスレッドでは、最初の投稿で、ノーブランドの価格設定は、どんなトリックでも破壊できないと述べられています。） そして、ニューラルネットワークは、このタスクに最適であると思います。 Mihail Marchukajtes 2018.09.09 10:10 #10413 よーし...。スレッドが1ページ目より下に落ちたなんて、今までどこにあったんだ？そうですね...。お前ら走らせてるのかよ...。を起動させたんですね。その一方で、私はうまくいっていますし、結果はとても心強いものです。） こんな感じでした...例えば...。 そして今、こうなっている...。データが改善されたかどうか、どなたか教えてください。 本当にたくさんの疑問があります。主成分グラフをどう解釈するか？まだ質問 この2つのデータは同じ期間に取得されたものです。ターゲットは同じですが、予測変数の保存は2種類の方法で行いました。だからあなたの出口のスタティスト、このタスクはあなたのためだけです!!!!!!! 与えられたデータセットのうち、どれが良いのか？第一か第二か。ご意見番!!!!!!! そして、私の意見を述べると......。大丈夫ですか？ Farkhat Guzairov 2018.09.09 10:36 #10414 このスレッドの2ページを読み切ることができませんでした。 私の意見を述べさせていただきます。機械学習は、ツールや分析、アルゴリズムそのものを、作業の結果に応じて統計したものですが、...一つ重要なことがあります。それは、どんなアルゴリズムも、すべての条件が満たされれば、期待通りの結果が得られるという保証はないということです。どんなにデータを分析して、意思決定のアルゴリズムを複雑にしても、期待通りの結果が得られる確率は常にあるということです。 取引するのは確率であり、結果として、より高い確率の結果を探す必要があるのです。私の分析では（ロングもショートも正確ではありませんが）、同じ時間帯の相場は、両方向にほぼ同じ（49％/51％または51％/49％）量の利益を生むトレードがあります。 ですから、意思決定アルゴリズムは、結果の最も高い推定（定性的）確率をベースに、任意で追加のフィルターをかけるべきです。 Maxim Dmitrievsky 2018.09.09 10:56 #10415 ミハイル・マルキュカイツよーし...。スレッドが1ページ目より下に落ちたなんて、今までどこにあったんだ？そうですね...。お前ら走らせてるのかよ...。を起動させたんですね。しかし、私はうまくいっており、結果は非常に有望で、すべて不注意なミスのおかげです:-) こんな感じでした...例えば...。 そして今、こうなっている...。データが改善されたかどうか、どなたか教えてください。 本当にたくさんの疑問があります。主成分グラフをどう解釈するか？まだ質問 この2つのデータは同じ期間に取得されたものです。ターゲットは同じですが、予測変数の保存は2種類の方法で行いました。だからあなたの出口のスタティスト、このタスクはあなたのためだけです!!!!!!! 与えられたデータセットのうち、どれが良いのか？第一か第二か。ご意見番!!!!!!! そして、私の意見を述べると......。大丈夫ですか？ミカエルがPCAに...なんで、手がかゆいんだ？) 主成分プロットは直交ベースで解釈する必要があります :D 赤はプレディクター・オルソ、数字は何を意味するのか？ Mihail Marchukajtes 2018.09.09 11:01 #10416 マキシム・ドミトリエフスキーミカエルがPCAに...なんで、手がかゆいんだ？) 主成分グラフは直交基底で解釈する必要がある :Dでは、どちらが良いのでしょうか？ Maxim Dmitrievsky 2018.09.09 11:03 #10417 ミハイル・マルキュカイツでは、どちらが良いのでしょうか？2つ目は55％です。 Mihail Marchukajtes 2018.09.09 11:10 #10418 マキシム・ドミトリエフスキーは55％、2番目は主成分プロット（第1プロット）には55％は存在しない。55%はクラスタリンググラフで、いずれの場合もデータは2つのよく分かれた領域を表している。どちらか一方が優れていて、最初のグラフに戻ろう。なんで下の方がいいんだ？ そのためには、解釈の仕方を知る必要がある!!!! Maxim Dmitrievsky 2018.09.09 11:21 #10419 ミハイル・マルキュカイツ主成分プロット（第1プロット）には55％は存在しない。55%はクラスタリンググラフで、いずれの場合もデータは2つのよく分かれた領域を表している。どちらか一方が優れていて、最初のグラフに戻ろう。なんで下の方がいいんだ？ そのためには、解釈の仕方を知る必要がある!!!!もし、数字がポイントなら、2成分の分散は、1成分より2成分の方が小さくなりますよね？http://setosa.io/ev/principal-component-analysis/ マウスでグラフを回転させて読むと、イメージがつかめるはずです。 Principal Component Analysis explained visually setosa.io Tweet Mihail Marchukajtes 2018.09.09 11:49 #10420 マキシム・ドミトリエフスキーもし、数値がポイントなら、第2成分の分散は第1成分より小さくなりますよね？ http://setosa.io/ev/principal-component-analysis/賛成!!!!しかし、それだけではありません...。2番目のグラフの方が、ゼロ軸に限りなく近いベクトルが存在するため、良いことがわかります。この例ではあまり目立たないが、今、成分のベクトルがゼロ軸と一致し、フィールドを偶数の4乗に分割するようなデータセットに出会っている。前者はゼロの間に成分軸が点在しているのに対し、後者はゼロに限りなく近い成分ベクトルが存在する。予測変数の名前を知っていれば、入力がゼロ軸に最も近い成分ベクトルを形成する予測変数であれば、どの方向でも構わないので、オプティマイザを学習させるのです。繰り返しますが、これは私のIMHOです!!!だからこそ、自分がいかに正しいかを明確にしたかったのです!!!! 1...103510361037103810391040104110421043104410451046104710481049...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
氷を叩くのに疲れたら、価格／時間スケールともに本来は直線的ではないことを考えよう。それは、（市場を理解せずに）純粋にアルゴ・トレーディングの観点からアプローチした場合の話です。
時間とは、周期的なプロセスを計測するものである。ランダムな性質を持つプロセスを測定する場合、時間はほとんど意味を持たない。
小さな（ティック、「量子」）間隔の時間スケールは非線形でランダムであり、ティック次元の事象については、重要な要素としての時間は全く存在しないように思われる。
大きな間隔では、日次、週次、ニュースリリース関連などの 周期的な不均質性が重なるため、時間スケールはより線形に近いと考えられ、時間の重要性が増す。
無理でしょう。ハースト社のインデックスを通貨で確認する。市場のランダム性を明確に示している。そして、ランダムな市場で何ができるのか？マーチンだけです。しかし一方で、市場には存在時間の異なる非効率性が発生する。そして、彼らはそれでお金を稼ぐ。そして、これは偶然の産物ではありません。だから、非効率を探す方向に進むべきでしょう。この作業を自動化したい。でも、何から始めたらいいのか、実感がわかない。ニューラルネットワークはこれに適していない。彼らは学習のために既成のパターンを必要としています。
そして、明らかに存在し、機能しているもの、何十億年もの間、我々の計画を崩壊から救ってきたもの、そしてアルゴトレーダーがEAを最適化し適合させるのに役立つもの - 慣性と市場メモリ- を基に構築してはどうでしょうか？
次のスレッドでは、最初の投稿で、ノーブランドの価格設定は、どんなトリックでも破壊できないと述べられています。）
そして、ニューラルネットワークは、このタスクに最適であると思います。
よーし...。スレッドが1ページ目より下に落ちたなんて、今までどこにあったんだ？そうですね...。お前ら走らせてるのかよ...。を起動させたんですね。その一方で、私はうまくいっていますし、結果はとても心強いものです。）
こんな感じでした...例えば...。
そして今、こうなっている...。データが改善されたかどうか、どなたか教えてください。
本当にたくさんの疑問があります。主成分グラフをどう解釈するか？まだ質問 この2つのデータは同じ期間に取得されたものです。ターゲットは同じですが、予測変数の保存は2種類の方法で行いました。だからあなたの出口のスタティスト、このタスクはあなたのためだけです!!!!!!!
与えられたデータセットのうち、どれが良いのか？第一か第二か。ご意見番!!!!!!!
そして、私の意見を述べると......。大丈夫ですか？
このスレッドの2ページを読み切ることができませんでした。
私の意見を述べさせていただきます。機械学習は、ツールや分析、アルゴリズムそのものを、作業の結果に応じて統計したものですが、...一つ重要なことがあります。それは、どんなアルゴリズムも、すべての条件が満たされれば、期待通りの結果が得られるという保証はないということです。どんなにデータを分析して、意思決定のアルゴリズムを複雑にしても、期待通りの結果が得られる確率は常にあるということです。
取引するのは確率であり、結果として、より高い確率の結果を探す必要があるのです。私の分析では（ロングもショートも正確ではありませんが）、同じ時間帯の相場は、両方向にほぼ同じ（49％/51％または51％/49％）量の利益を生むトレードがあります。
ですから、意思決定アルゴリズムは、結果の最も高い推定（定性的）確率をベースに、任意で追加のフィルターをかけるべきです。
よーし...。スレッドが1ページ目より下に落ちたなんて、今までどこにあったんだ？そうですね...。お前ら走らせてるのかよ...。を起動させたんですね。しかし、私はうまくいっており、結果は非常に有望で、すべて不注意なミスのおかげです:-)
こんな感じでした...例えば...。
そして今、こうなっている...。データが改善されたかどうか、どなたか教えてください。
本当にたくさんの疑問があります。主成分グラフをどう解釈するか？まだ質問 この2つのデータは同じ期間に取得されたものです。ターゲットは同じですが、予測変数の保存は2種類の方法で行いました。だからあなたの出口のスタティスト、このタスクはあなたのためだけです!!!!!!!
与えられたデータセットのうち、どれが良いのか？第一か第二か。ご意見番!!!!!!!
そして、私の意見を述べると......。大丈夫ですか？
ミカエルがPCAに...なんで、手がかゆいんだ？)
主成分プロットは直交ベースで解釈する必要があります :D
赤はプレディクター・オルソ、数字は何を意味するのか？
ミカエルがPCAに...なんで、手がかゆいんだ？)
主成分グラフは直交基底で解釈する必要がある :D
では、どちらが良いのでしょうか？
では、どちらが良いのでしょうか？
2つ目は55％です。
は55％、2番目は
主成分プロット（第1プロット）には55％は存在しない。55%はクラスタリンググラフで、いずれの場合もデータは2つのよく分かれた領域を表している。どちらか一方が優れていて、最初のグラフに戻ろう。なんで下の方がいいんだ？
そのためには、解釈の仕方を知る必要がある!!!!
主成分プロット（第1プロット）には55％は存在しない。55%はクラスタリンググラフで、いずれの場合もデータは2つのよく分かれた領域を表している。どちらか一方が優れていて、最初のグラフに戻ろう。なんで下の方がいいんだ？
そのためには、解釈の仕方を知る必要がある!!!!
もし、数字がポイントなら、2成分の分散は、1成分より2成分の方が小さくなりますよね？
http://setosa.io/ev/principal-component-analysis/
マウスでグラフを回転させて読むと、イメージがつかめるはずです。
もし、数値がポイントなら、第2成分の分散は第1成分より小さくなりますよね？
http://setosa.io/ev/principal-component-analysis/賛成!!!!しかし、それだけではありません...。2番目のグラフの方が、ゼロ軸に限りなく近いベクトルが存在するため、良いことがわかります。この例ではあまり目立たないが、今、成分のベクトルがゼロ軸と一致し、フィールドを偶数の4乗に分割するようなデータセットに出会っている。前者はゼロの間に成分軸が点在しているのに対し、後者はゼロに限りなく近い成分ベクトルが存在する。予測変数の名前を知っていれば、入力がゼロ軸に最も近い成分ベクトルを形成する予測変数であれば、どの方向でも構わないので、オプティマイザを学習させるのです。繰り返しますが、これは私のIMHOです!!!だからこそ、自分がいかに正しいかを明確にしたかったのです!!!!