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 1106 1...109911001101110211031104110511061107110811091110111111121113...3399 新しいコメント Yuriy Asaulenko 2018.10.16 10:01 #11051 mytarmailS:小さいものはフラットと呼び、大きいものはトレンドと呼ぶ...。 しかし、ここでも問題は、小さな動きと大きな動きとは、何との関係で、小さな動きなのか、大きな動きなのか、ということです。 実際、この質問には、パラメトリックシステムやMoが未処理の 市場データに対して決して機能しない理由の答えが示されています。どこがフラットで、どこがトレンドか、小さいのか大きいのか、明確な定義はないのです。ある用途では小さく、ある用途では大きく。 自分にとって何が小さいか（システム）、どんなユニットで何が大きいかを明確にすれば、すべてがすぐに収まる。 Farkhat Guzairov 2018.10.16 10:14 #11052 イリヤ・アンチピンとにかく、ここからが本題です。ブースティングを使い始めたのは、このアルゴリズムでは精度と高い汎化性に加えて、モデル構築がより曖昧にならないからです。また、特定の外部パラメータが少ないため、セットアップが容易な方式でもあります。唯一の欠点は計算時のメモリ負荷で、そのため反復回数に応じてモデルサイズが数十～数百メガバイト増加する。ランダムフォレストやシャローニューラルネットワークと比較した結果、分類作業にはブースティングがより適しているという結論に達しました。多くの予測因子をテストしました。これらは主に、最も多様な指標とその組み合わせから構築される逐次的な時系列である。プログラム方式で多通貨モード（27通貨）で、実質スプレッド（2ポイント）を考慮してテストしてみました。タイムフレーム - 1時間出力は、100ポイントのステップ深さのジグザグ信号を使用して計算されたバイナリクラスです。ほぼ全ての結果が陰性である。スプレッドを除けば、プラスが大きくなることもある。オプションとして、より高いタイムフレームをとってみるのもよいでしょう。この研究をさらに発展させるためにはどうしたらよいかを考えました。 1.出力するジグザグを別の種類、別のパラメータで試してみてください。 2. 出力にフーリエ法またはウェーブレットフィルタで抽出した周期成分信号を使用する。 3.実質産出量の指標値を使う（回帰）。例えば、終値と 始値のローソク足の価格 差や、数本先の価格変化などです。 4. 不整合なデータを、キーポイントやレベルなど、予測因子として使用する。 5.様々な指標（VolumеやATR指標）で最初のサンプリングをフィルタリング、つまり市場の特定の部分で動作するようにのみ訓練します。 ご意見、ご感想を頂ければ幸いです。 この人は、すべてを詳しく説明してくれていますし、信号のモニターから判断して、彼の研究の成果（＋）を持っていると思います。よくぞ言ってくれました。 Yuriy Asaulenko 2018.10.16 10:16 #11053 ファルハット・グザイロフこのスレッドで表現された多くの巧妙な言葉から、誰かが結果を出すのを待っています。個人的には、ソースコードもアルゴリズムも必要ありませんが、数日後に凍結した信号やスクリーンショットという形で、MOの結果を出してください。でも、これまでは口先だけで、何の意味もなくやっていた。 フラットとMOについてですが、実はAIは、フラットになるかモメンタムになるかを学習する過程で、今の時点で必要な確率的な振る舞いを見つけていきます。だから、フラットを決定するためのアルゴリズムを別に書く意味がない、無駄な活動だと思うんです。この問題を解決する方法を知らなければ、彼らからシグナルや財務報告書を得ることはできない。考えもしないでください。今も、そしてこれからも、口先だけです。 MOについては、これらの手法はAIとは関係ありません。そして、MOメソッドは、どこをどう探せばいいのかを示し、教えてあげないと、自分では何も見つけられないのです。そうでなければ、「ゴミを入れる」「ゴミを出す」と同じで、それ以上のことはできません。国産の達人がなんと言おうと、MOアプリケーションの大きな問題のひとつは、代表的なデータの準備です。そして、そのようなデータを準備するためには、すべてを無差別にMOの入力に与えるのではなく、あらゆる種類のトレンドフラットな分割が必要になるかもしれません。 mytarmailS 2018.10.16 10:22 #11054 ファルハット・グザイロフ多くの賢い人の中から、できる人を待っています。待つこと、待つこと...。 もう目を覚ませよ ))) レベルに関するニューラルネットの例です。 赤は売られすぎ、緑は買われすぎ...。 前の画像を見てください。euは買われすぎで、以下がその反応です。 (予想はライブ) Yuriy Asaulenko 2018.10.16 10:26 #11055 mytarmailS:待つこと、待つこと...。 もう目を開けてください)) レベルに関するニューラルネットの例です。 赤は売られすぎ、緑は買われすぎ...。 前の画像を見てください、euは買われすぎていて、ここに反応があります。 ライブ予報)。さて、回帰線を引いてチャネルを設定すると、これらのレベルはすべてチャネルの限界と一致することになります。そして、買われ過ぎ/売られ過ぎは、もはや必要ないだろう。 mytarmailS 2018.10.16 10:27 #11056 ユーリイ・アサウレンコまともな現役トレーダーは、シグナルや財務報告書を見せることはないだろう。期待しないでください。あるのは口だけで、これからも口だけです。 MOについては、これらの手法はAIとは関係ありません。そして、MOメソッドは、どこをどう探せばいいのかを示し、教えてあげないと、自分では何も見つけられないのです。そうでなければ、「ゴミを入れる」「ゴミを出す」と同じで、それ以上のことはできません。国産の達人がなんと言おうと、MOアプリケーションの大きな問題のひとつは、代表的なデータの準備です。そして、そのようなデータを準備するためには、すべてを無差別にMOの入力に与えるのではなく、あらゆる種類のトレンドフラットな分割が必要になるかもしれません。ありのまま mytarmailS 2018.10.16 10:30 #11057 ユーリイ・アサウレンコここで、これらすべてを通る回帰線を引き、チャンネルを作ると、これらのレベルはすべてチャンネルの境界線と一致します。そして、買われ過ぎ/売られ過ぎは、もはや必要ないだろう。説明 Yuriy Asaulenko 2018.10.16 10:35 #11058 mytarmailS:説き明かすあなたの写真で試してみます。 mytarmailS 2018.10.16 10:38 #11059 ユーリイ・アサウレンコあなたの写真で試してみます。お願いします、最高です。 Yuriy Asaulenko 2018.10.16 10:40 #11060 mytarmailS:お願いします、それが一番です。大体こんな感じでしょうか。回帰線は長いEMAで置き換えることができる . 1...109911001101110211031104110511061107110811091110111111121113...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
小さいものはフラットと呼び、大きいものはトレンドと呼ぶ...。
しかし、ここでも問題は、小さな動きと大きな動きとは、何との関係で、小さな動きなのか、大きな動きなのか、ということです。
実際、この質問には、パラメトリックシステムやMoが未処理の 市場データに対して決して機能しない理由の答えが示されています。
どこがフラットで、どこがトレンドか、小さいのか大きいのか、明確な定義はないのです。ある用途では小さく、ある用途では大きく。
自分にとって何が小さいか（システム）、どんなユニットで何が大きいかを明確にすれば、すべてがすぐに収まる。
とにかく、ここからが本題です。ブースティングを使い始めたのは、このアルゴリズムでは精度と高い汎化性に加えて、モデル構築がより曖昧にならないからです。また、特定の外部パラメータが少ないため、セットアップが容易な方式でもあります。唯一の欠点は計算時のメモリ負荷で、そのため反復回数に応じてモデルサイズが数十～数百メガバイト増加する。ランダムフォレストやシャローニューラルネットワークと比較した結果、分類作業にはブースティングがより適しているという結論に達しました。
多くの予測因子をテストしました。これらは主に、最も多様な指標とその組み合わせから構築される逐次的な時系列である。プログラム方式で多通貨モード（27通貨）で、実質スプレッド（2ポイント）を考慮してテストしてみました。タイムフレーム - 1時間出力は、100ポイントのステップ深さのジグザグ信号を使用して計算されたバイナリクラスです。ほぼ全ての結果が陰性である。スプレッドを除けば、プラスが大きくなることもある。オプションとして、より高いタイムフレームをとってみるのもよいでしょう。
この研究をさらに発展させるためにはどうしたらよいかを考えました。
1.出力するジグザグを別の種類、別のパラメータで試してみてください。
2. 出力にフーリエ法またはウェーブレットフィルタで抽出した周期成分信号を使用する。
3.実質産出量の指標値を使う（回帰）。例えば、終値と 始値のローソク足の価格 差や、数本先の価格変化などです。
4. 不整合なデータを、キーポイントやレベルなど、予測因子として使用する。
5.様々な指標（VolumеやATR指標）で最初のサンプリングをフィルタリング、つまり市場の特定の部分で動作するようにのみ訓練します。
ご意見、ご感想を頂ければ幸いです。
このスレッドで表現された多くの巧妙な言葉から、誰かが結果を出すのを待っています。個人的には、ソースコードもアルゴリズムも必要ありませんが、数日後に凍結した信号やスクリーンショットという形で、MOの結果を出してください。でも、これまでは口先だけで、何の意味もなくやっていた。
フラットとMOについてですが、実はAIは、フラットになるかモメンタムになるかを学習する過程で、今の時点で必要な確率的な振る舞いを見つけていきます。だから、フラットを決定するためのアルゴリズムを別に書く意味がない、無駄な活動だと思うんです。
この問題を解決する方法を知らなければ、彼らからシグナルや財務報告書を得ることはできない。考えもしないでください。今も、そしてこれからも、口先だけです。
MOについては、これらの手法はAIとは関係ありません。そして、MOメソッドは、どこをどう探せばいいのかを示し、教えてあげないと、自分では何も見つけられないのです。そうでなければ、「ゴミを入れる」「ゴミを出す」と同じで、それ以上のことはできません。国産の達人がなんと言おうと、MOアプリケーションの大きな問題のひとつは、代表的なデータの準備です。そして、そのようなデータを準備するためには、すべてを無差別にMOの入力に与えるのではなく、あらゆる種類のトレンドフラットな分割が必要になるかもしれません。
多くの賢い人の中から、できる人を待っています。
待つこと、待つこと...。
もう目を覚ませよ )))
レベルに関するニューラルネットの例です。
赤は売られすぎ、緑は買われすぎ...。
前の画像を見てください。euは買われすぎで、以下がその反応です。
(予想はライブ)
待つこと、待つこと...。
もう目を開けてください))
レベルに関するニューラルネットの例です。
赤は売られすぎ、緑は買われすぎ...。
前の画像を見てください、euは買われすぎていて、ここに反応があります。
ライブ予報)。
さて、回帰線を引いてチャネルを設定すると、これらのレベルはすべてチャネルの限界と一致することになります。そして、買われ過ぎ/売られ過ぎは、もはや必要ないだろう。
まともな現役トレーダーは、シグナルや財務報告書を見せることはないだろう。期待しないでください。あるのは口だけで、これからも口だけです。
MOについては、これらの手法はAIとは関係ありません。そして、MOメソッドは、どこをどう探せばいいのかを示し、教えてあげないと、自分では何も見つけられないのです。そうでなければ、「ゴミを入れる」「ゴミを出す」と同じで、それ以上のことはできません。国産の達人がなんと言おうと、MOアプリケーションの大きな問題のひとつは、代表的なデータの準備です。そして、そのようなデータを準備するためには、すべてを無差別にMOの入力に与えるのではなく、あらゆる種類のトレンドフラットな分割が必要になるかもしれません。
ありのまま
ここで、これらすべてを通る回帰線を引き、チャンネルを作ると、これらのレベルはすべてチャンネルの境界線と一致します。そして、買われ過ぎ/売られ過ぎは、もはや必要ないだろう。
説明
説き明かす
あなたの写真で試してみます。
あなたの写真で試してみます。
お願いします、最高です。
お願いします、それが一番です。
大体こんな感じでしょうか。回帰線は長いEMAで置き換えることができる
.