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 108 1...101102103104105106107108109110111112113114115...3399 新しいコメント mytarmailS 2016.08.15 07:44 #1071 私の小さな出版物https://www.mql5.com/ru/forum/86386/page98 の続きとして、スペクトル解析と実際の市場パラメータへの適応について。私はちょうど練習で理論を補強するために、小さな実験を行い、実験の本質は、あなたが市場で客観的に存在するものに指標の期間を変更するたびに、指標は、より効果的であるかどうかを確認することです。インジケータは、 "RSI"(ちょうど運のうち)を取った、取引ルールは70%以上の販売、30%未満を購入し、愚かな貿易の反転、無停止を小学校です。まず、通常のRSI指標に14の期間を設定し(この期間は、すべての書籍や論文で最も一般的なものです)、何かと比較することにしました。インジケーターが負けなかったのは、正直言って驚きです.今度はアダプティブRSI結論:適応的アプローチは、通常のアプローチよりもはるかに効果的である。 Машинное обучение: теория и практика (торговля и не только) レビュー: 1www.mql5.com Добрый день всем, Знаю, что есть на форуме энтузиасты machine learning и статистики... Alexey Burnakov 2016.08.15 07:46 #1072 アンドレイ・ディク1) しかし、実は「トレーニング」と「コーチング」は別物なのです。あらゆる種類のクロスバリデーションやOOSチェックは、それらに期待される効果をもたらさないし、与えることもできない。要は、学習領域でもテスト領域でも、おおよそ満足に動作するような値を探して、それを選ぶということであり、つまり、このパラメータセットは、可能な限りのバリエーションの中から最初に存在し、履歴領域全体を一度に選ぶことと等価である。2)それでも、2つのモデル(私の場合は2つのグリッド)を使うことは、現在利用可能な「機械学習」の手法の中で、最も適用しやすい方法だと私は考えています。トレーニングでもコーチングでもなく、モデルを最適化するための方法なのです。3)真の学習は現在存在しない。同じ、あるいは似たようなパターンを認識することは、学習の結果ではなく、記憶の結果である。学習には、新しい情報を受け取ったときに推論し、結論を出すことができるような何らかの思考プロセス(たとえ原始的であっても)が必要であり、また、新しい情報を独自に生成する能力も必要である。市場には、まさにそのようなアプローチ、つまり思考が必要なのだが、私の知る限り、今の時代には存在しない。そして、今日私たちが使っているのは暗記であり、残念ながら考えることではありません。1) 思考が深く、正しい。しかし、完全ではありません。TQ(crossvalid.)は、同じパラメータで、異なるトレーニングサイトとテストサイトで学習とテストを行うことです。10種類のファールでも機械がノイズを学習している場合、平均的な品質指標は弱くなる。メソッド自体は非常に強力です。しかし、データがノイジーであれば、CVフィットがあるかもしれない、という話なのに、専門用語で思考を完結させず、悲観論に陥ってしまうのです。以前からCV(ネストされたCV)はありました。選択したすべてのモデルは、独自のサンプル外データで検証することができます。結果に一貫性があれば、そのモデルは良いものであり、そうでなければ悪いものです。すべては解決可能です。2)なぜそうなるのかが不明である。3)そうです。しかし、機械学習は、一般化できる理解に依存する産業である。過学習との戦いは9割がた努力です。 Andrey Dik 2016.08.15 07:50 #1073 アレクセイ・ブルナコフ 機械のワル」は、この点を考慮しています。時刻は機械の入力に供給されます。また、夜間だけでなく、セッションによっても価格の挙動が異なる。"マニンボーイズ "が...カッコイイ!考慮されるのは良いことです、スレッドを読んで - それについての言及に気づかなかった、私は私の考えを共有しようと思いました。確かに、個々のセッションを識別するための明確な特徴的なサインは見つかっていませんので、私は現在から現在までのクロックにのみ制限を適用しています。 Andrey Dik 2016.08.15 08:02 #1074 アレクセイ・ブルナコフ2)なぜそうなるのかがわからない。 OOSで取引を始めてから、時間の経過とともに取引回数 が減少していることがメリットであり、間違ったシグナルの割合が増加しているわけではありません。ネットの間に矛盾が生じることが多くなり、あるネットは売りを言い、別のネットは同時に買いを言うが、それは0シグナルであり、つまり絶対に未知のデータで損切りする代わりに、モデルは取引を停止してしまう。 Andrey Dik 2016.08.15 08:03 #1075 mytarmailS:私の小さな出版物https://www.mql5.com/ru/forum/86386/page98 の続きとして、スペクトル解析と実際の市場パラメータへの適応について。私はちょうど練習で理論を補強するために、小さな実験を行い、実験の本質は、あなたが市場で客観的に存在するものに指標の期間を変更するたびに、指標は、より効果的であるかどうかを確認することです。インジケータは、 "RSI"(ちょうど運のうち)を取った、取引ルールは70%以上の販売、30%未満を購入し、愚かな貿易の反転、無停止を小学校です。まず、通常のRSIインジケータを14の期間(この期間は、すべての書籍や論文で最も一般的 です)で、何かと比較するために取ってみました。インジケーターが負けなかったのは、正直言って驚きです.今度はアダプティブRSI結論:適応型アプローチは従来のものよりはるかに効果的であるリンクをたどりましたが、インジケーターの周期を動的に変更する方法が分かりませんでした。もう少し詳しく説明してください。 СанСаныч Фоменко 2016.08.15 08:05 #1076 mytarmailS:私の小さな出版物https://www.mql5.com/ru/forum/86386/page98 の続きとして、スペクトル解析と実際の市場パラメータへの適応について。私は、理論を実践で証明するために、小さな実験を行いました。実験の本質は、インジケータがより効果的になるかどうかを確認することです。 適応については、はっきりしています。また、「客観的に市場に存在する」という期間はどこからくるのでしょうか? mytarmailS 2016.08.15 08:17 #1077 アンドレイ・ディクリンクをたどりましたが、インジケーターの周期を動的に変更する方法が分かりませんでした。もう少し詳しく説明してください。 私はスペクトルの特性、特に周期を見て、新しいキャンドルが 表示されたときにシリーズが1キャンドルで前方にシフトされ、すべてが繰り返される指標を供給します。 mytarmailS 2016.08.15 08:21 #1078 サンサニッチ・フォメンコ 適応については、すべてクリアしています。また、「市場に客観的に存在するようになった」という期間はどこからくるのでしょうか。 例題にあったパッケージ、つまりdplR、 kza、Rssa、 その他私が知らないパッケージが50個ほど使えます。 Alexey Burnakov 2016.08.15 10:09 #1079 アンドレイ・ディク メリットは、OOSで取引を始めてから時間の経過とともに取引回数 が減少していることであり、間違ったシグナルの割合が増加していることではありません。ネットの間で矛盾が生じることが多くなり、一方が売りと言い、他方が買いと言い、これがシグナル0、つまり、全く知らないデータで損切りする代わりに、モデルが取引を停止してしまうのです。 という発想が面白い。 Andrey Dik 2016.08.15 10:17 #1080 アレクセイ・ブルナコフ という発想が面白い。阿藤 実は、この効果を検証プロットでは、正解・不正解の比率(誤差)ではなく、学習の正しさを示す指標として使っているんです。これは重要な取引財産であり、学習の質を示す指標でもあります。もしモデルがOOSで間違ったシグナルを出した場合、これは間違ったトレーニングの指標であり、市場の変化の事実ではありません。 1...101102103104105106107108109110111112113114115...3399 新しいコメント 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
私の小さな出版物https://www.mql5.com/ru/forum/86386/page98 の続きとして、スペクトル解析と実際の市場パラメータへの適応について。
私はちょうど練習で理論を補強するために、小さな実験を行い、実験の本質は、あなたが市場で客観的に存在するものに指標の期間を変更するたびに、指標は、より効果的であるかどうかを確認することです。
インジケータは、 "RSI"(ちょうど運のうち)を取った、取引ルールは70%以上の販売、30%未満を購入し、愚かな貿易の反転、無停止を小学校です。
まず、通常のRSI指標に14の期間を設定し(この期間は、すべての書籍や論文で最も一般的なものです)、何かと比較することにしました。
インジケーターが負けなかったのは、正直言って驚きです.
今度はアダプティブRSI
結論:適応的アプローチは、通常のアプローチよりもはるかに効果的である。
1) しかし、実は「トレーニング」と「コーチング」は別物なのです。あらゆる種類のクロスバリデーションやOOSチェックは、それらに期待される効果をもたらさないし、与えることもできない。要は、学習領域でもテスト領域でも、おおよそ満足に動作するような値を探して、それを選ぶということであり、つまり、このパラメータセットは、可能な限りのバリエーションの中から最初に存在し、履歴領域全体を一度に選ぶことと等価である。
2)それでも、2つのモデル(私の場合は2つのグリッド)を使うことは、現在利用可能な「機械学習」の手法の中で、最も適用しやすい方法だと私は考えています。トレーニングでもコーチングでもなく、モデルを最適化するための方法なのです。
3)真の学習は現在存在しない。同じ、あるいは似たようなパターンを認識することは、学習の結果ではなく、記憶の結果である。学習には、新しい情報を受け取ったときに推論し、結論を出すことができるような何らかの思考プロセス(たとえ原始的であっても)が必要であり、また、新しい情報を独自に生成する能力も必要である。市場には、まさにそのようなアプローチ、つまり思考が必要なのだが、私の知る限り、今の時代には存在しない。そして、今日私たちが使っているのは暗記であり、残念ながら考えることではありません。
1) 思考が深く、正しい。しかし、完全ではありません。
TQ(crossvalid.)は、同じパラメータで、異なるトレーニングサイトとテストサイトで学習とテストを行うことです。10種類のファールでも機械がノイズを学習している場合、平均的な品質指標は弱くなる。メソッド自体は非常に強力です。
しかし、データがノイジーであれば、CVフィットがあるかもしれない、という話なのに、専門用語で思考を完結させず、悲観論に陥ってしまうのです。以前からCV(ネストされたCV)はありました。選択したすべてのモデルは、独自のサンプル外データで検証することができます。結果に一貫性があれば、そのモデルは良いものであり、そうでなければ悪いものです。すべては解決可能です。
2)なぜそうなるのかが不明である。
3)そうです。しかし、機械学習は、一般化できる理解に依存する産業である。過学習との戦いは9割がた努力です。
機械のワル」は、この点を考慮しています。時刻は機械の入力に供給されます。また、夜間だけでなく、セッションによっても価格の挙動が異なる。
"マニンボーイズ "が...カッコイイ!
考慮されるのは良いことです、スレッドを読んで - それについての言及に気づかなかった、私は私の考えを共有しようと思いました。確かに、個々のセッションを識別するための明確な特徴的なサインは見つかっていませんので、私は現在から現在までのクロックにのみ制限を適用しています。
2)なぜそうなるのかがわからない。
私の小さな出版物https://www.mql5.com/ru/forum/86386/page98 の続きとして、スペクトル解析と実際の市場パラメータへの適応について。
私はちょうど練習で理論を補強するために、小さな実験を行い、実験の本質は、あなたが市場で客観的に存在するものに指標の期間を変更するたびに、指標は、より効果的であるかどうかを確認することです。
インジケータは、 "RSI"(ちょうど運のうち)を取った、取引ルールは70%以上の販売、30%未満を購入し、愚かな貿易の反転、無停止を小学校です。
まず、通常のRSIインジケータを14の期間(この期間は、すべての書籍や論文で最も一般的 です)で、何かと比較するために取ってみました。
インジケーターが負けなかったのは、正直言って驚きです.
今度はアダプティブRSI
結論:適応型アプローチは従来のものよりはるかに効果的である
リンクをたどりましたが、インジケーターの周期を動的に変更する方法が分かりませんでした。
もう少し詳しく説明してください。
私の小さな出版物https://www.mql5.com/ru/forum/86386/page98 の続きとして、スペクトル解析と実際の市場パラメータへの適応について。
私は、理論を実践で証明するために、小さな実験を行いました。実験の本質は、インジケータがより効果的になるかどうかを確認することです。
リンクをたどりましたが、インジケーターの周期を動的に変更する方法が分かりませんでした。
もう少し詳しく説明してください。
適応については、すべてクリアしています。また、「市場に客観的に存在するようになった」という期間はどこからくるのでしょうか。
メリットは、OOSで取引を始めてから時間の経過とともに取引回数 が減少していることであり、間違ったシグナルの割合が増加していることではありません。ネットの間で矛盾が生じることが多くなり、一方が売りと言い、他方が買いと言い、これがシグナル0、つまり、全く知らないデータで損切りする代わりに、モデルが取引を停止してしまうのです。
という発想が面白い。
阿藤
実は、この効果を検証プロットでは、正解・不正解の比率(誤差)ではなく、学習の正しさを示す指標として使っているんです。これは重要な取引財産であり、学習の質を示す指標でもあります。もしモデルがOOSで間違ったシグナルを出した場合、これは間違ったトレーニングの指標であり、市場の変化の事実ではありません。