By Dr. Thomas Wiecki, Lead Data Scientist at Quantopian Earlier this year, we used DataRobot to test a large number of preprocessing, imputation and classifier combinations to predict out-of-sample performance. In this blog post, I’ll take some time to first explain the results from a unique data set assembled from strategies run on Quantopian...
市場は自らの統計に反して動く。これは私が実践して確認した理論であり、新しいデータではモデルが機能しない理由から、そもそもなぜ誰もが市場で損をするのかという疑問まで、すべての疑問に答えてくれる私の知る唯一の理論です......。
なぜ、そんなに受け入れがたいのですか？
は、古い知識や習慣が、新しい情報に対して、それほど減衰しているのでしょうか？
モデル間の性能差は0.5％～5％なのに、なぜそんなにモデルにこだわるのか？
データそのものに関わることなので、どんなモデルも役に立ちません。
一般的な用語や概念をまとわなければならない情報、思考を理解することができます。
しかし、あなたの繰り返しの電話で、あなたは鈍い無知、統計学の最も簡単な事柄の無知を示す。
市場は統計に反して動くが、統計は別物だ。統計」という言葉が使われるとき、その概念は基本的なものである。それがわからないと、何もわからないグラフを表示していることになります。
あなたが統計学の反論として書いていることは、統計学のうち定常的な確率過程に適用できる部分に対する反論です。 金融市場には定常過程はなく、過去のデータから得られた特性が新しいデータには適用できないため、定常過程とは異なる非定常過程があるだけです。申し訳ないが、これは初歩的なことだ。非定常な金融時系列に 定常統計の道具を適用することはできない。
ここでは、過去の非定常データに対して、将来もほぼ同じ特性を持つようにモデルを学習させることに忙殺されているのです。これが、私たちが解決している問題です。そして、いくつかのテクニックを注意深く守ることで、この問題は解決できると主張しています。
すみません、あなたの無知には辟易しています。
市場は自らの統計に反して動く。それは私が実践して確認した理論であり、新しいデータではモデルが機能しない理由から、そもそもなぜ誰もが市場で損をするのかという疑問まで、すべての疑問に答えてくれる私の知る唯一の理論です......。
なぜ、それが受け入れられないのですか？
そうなんです、ほとんど。それに逆らうのではなく、モデルに組み込まれたノイズへの適合度に従って、たまたまあるノイズから別のノイズに変わるだけなのです。それは、そういうモデリングをしていた場合です。その責任は、あなた一人にあるのです。
見つかった統計の上を市場が歩いていくようなモデルをもう一回やってください。
ここで受け入れなければならないことは何でしょうか？モデルを作っているのに、オーバートレーニングになっていること？あるいは、「市場は自分の統計に逆らって歩く」という信念。私たちは、聖なるフィクションを信じるための宗教団体ではないのです。
しかし、もしあなたが、すべてのFXデータで100の手法を試し、そのすべてがオーバートレーニングで利益を出せないという結論を出す研究を書いてくれたら、私たちは喜んでそれを読みます。しかし、どのような原理に基づいているのか、1つのミクロな研究結果は、指標にはならないのです。
興味深い記事を共有します。良い試みのように思えて、納得がいきます。トレーニングやテストでは、何千ものモデルが素晴らしいトレード結果を示しています。サンプル外のデータがある。モデル選択手順のチェックを 開始します。記事のチャートは、私と同じものです。テストと検証の相関が弱い。そのため、最良のテスト結果によってモデルを選択しても、サンプル外での優劣はつかない。
そして、そこで何をやっているのか、自分の目で確かめてください。
https://blog.quantopian.com/using-machine-learning-to-predict-out-of-sample-performance-of-trading-algorithms/
市場は自分の統計に反して動く、これは私が実践で確認した理論である。
相場がトレンドや横ばいに支配され、モデルの基本要素がチャネルの境目からトレンドの継続や反転を予測しようとしているのであれば、トレンドが優勢な領域でカウンタートレンド（横ばいから学習）のモデルが反転してもおかしくはなく、利益を上げることになります。
しかし、重要なのは、あなたの「理論」が常に実践で確認されるわけではなく、トレンド性がカウンタートレンド性に変化したとき、あるいはその逆のときだけである、ということです。
これは、予測因子の大部分が取るに足らないもの、つまりゴミのようなもので、勢いのようなものが最も重要である場合によく起こります。その場合、最も有意な予測変数は「学習」時に太い重み付け係数を得ることになり、他のものは小さな重みでわずかにノイズとなるに過ぎない。
相場がトレンドや横ばいに支配され、主なモデル要因がチャネル境界からトレンドの継続や反転を予測しようとしている場合、カウンタートレンド（横ばいから学んだ）モデルがトレンドが優勢な領域で「逆張り」して、利益を上げても不思議ではないでしょう。
しかし、重要なのは、あなたの「理論」が常に実践で確認されるわけではなく、トレンド性がカウンタートレンド性に変化したとき、あるいはその逆のときだけである、ということです。
予測変数のかなりの部分が重要でない、つまりゴミのようなもので、そのうちの1つが最も重要である場合、より頻繁に起こります（例：モメンタム）。このような場合、最も重要な予測変数は「トレーニング」中に大きな重み付けを得るが、他の予測変数は小さな重みでわずかに騒がしくなるだけである。
このような理論は、常に実践で確認されます。
なぜなら、市場の安定した統計的特性は非定常性だけであり、トレンドや横ばい局面が長ければ長いほど、統計的にそれを特定しやすく、トレンドが変化しやすいからです。
価格系列の中で唯一安定した統計的特性である。
この理論は、実際にALWAYSで確認されています。
なぜなら、相場の安定した統計的特性は非定常性だけであり、トレンドや横ばい局面が長ければ長いほど、統計的に特定しやすく、トレンドが変化する可能性が高くなるからです。
これは、価格系列の統計的特性として唯一安定したものである。
1) これはトレーニングそのものが行われたデータでのグラフなのか、それとも新しいデータでのテストなのか？
2) そんなに簡単なら、どんなモデルでも学習させて、その予測値を反転させるだけで十分でしょう。残念ながらうまくいきません。
3) 問題は、モデルが正反対の結果を出すことではなく、あるバーでは結果が正しく、別のバーでは間違っていることであり、これはすべてランダムで、正しい結果だけをフィルタリングする方法はないのです。
4) そして、なぜ予測Bから予測Sを取り上げるのですか？S-Bさんは逆にした方がいいのでは？そうすると、突然、相関関係も正しくなるのです。
1) 新しいデータでのテスト、なぜかトレーニングデータも見ていない
2）はい！（笑というのも、得られた青色チャートには予測能力がなく、通常の価格チャートと同じタイミング、あるいは1本後のローソク足で反転してしまうため、うまくいかないのだが、めったに利益を出すことはできない。
3) なるほど、チャートにはランダム性はなく、グラフは価格と完全に逆相関している。
4) 買いシグナルと売りシグナルを定量的に表現すると、例えば、買い＝10ポイント、売り＝5ポイント。
買い - 売り = 5 (ベイを増やせばいい)
で、もし
買う-買うイコール-5（こんなの馬鹿げてる）
1）そうですね、ほとんど。それに逆らうのではなく、モデルに組み込まれたノイズへの適合度に従って、あるノイズから別のノイズへとランダムにシフトするだけなのです。それは、そのようにモデリングをした場合です。その責任は、あなた一人にあるのです。
2) 発見された統計の上で市場が歩くような別のモデルを行う。
3）ここで受け入れなければならないことは？モデルを作っているのに、オーバートレーニングになっていること？あるいは、「市場は自分の統計に逆らって歩く」という信念。私たちは、聖なるフィクションを信じるための宗教団体ではないのです。
1) 青いチャートに、価格との関係でランダム性があるか？
2）見かけほどには簡単ではない
3）反論してみてください ;) あなたが言うことはデマです - それはあまりにもデマですが、それはちょうどあなたのものです...は賛成ですか？
しかし、ポイントは、自分の「理論」が常に実践で確認されるわけではなく、トレンド性からカウンタートレンド性へ、あるいはその逆へと変化するときにのみ確認されるということです。
青いチャートは、小さな動きと大きな動きの両方に対して行く。 あなたは200ローソク足チャートを見れば、価格に対して行くだろうし、あなたが20 000ローソク足を見ても絵は同じになります。
すみません、あなたの無知には辟易しています。