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 12

[mytarmailS]

こんにちは！私は機械学習の初心者ですが、質問があります。なぜ皆さんは、ジグザグに、または単に次のローソクを増分することによって、価格の方向を予測しようとするのですか？市場には多くのカオスがあり、価格が「くねくね」する可能性がある回廊を含める必要があります。取引結果を目標にする方が効果的だと思います。例えば、学習時に理想的な利益曲線を考え、理想から15％以上乖離しないように目標をマークする、あるいは、回復係数を取り、n以下にならないようにする、このような目標は市場データに対してより柔軟な対応が可能となる。そして、一番気になるのは、例えば同じランダムフォレストでも、このような形で関数を実装するのはどうなのでしょうか？

[Alexey Burnakov]

mytarmailS:
こんにちは！私は機械学習の初心者ですが、質問があります。なぜ皆さんは、ジグザグに、あるいは単に次のローソク足を増やしながら、価格の方向を予測しようとするのですか。市場には多くのカオスがありますが、価格が「くねくね」する可能性のある回廊をいくつか含めるべきでしょう。取引結果を目標にする方が効果的だと思います。例えば、学習時に理想的な利益曲線を考え、理想から15％以上乖離しないように目標をマークする、あるいは、回復係数を取り、n以下にならないようにする、このような目標は市場データに対してより柔軟な対応が可能となる。そして、最も興味深いのは、例えば、同じランダムフォレストに対して、この形式の関数をどのように実装するか？

こんにちは、このターゲットをわかりやすくするために、グラフィカルに描いていただけませんか？

[mytarmailS]

[mytarmailS]

こんにちは。

左側は単なる価格の種類、右側の黒は理想的なバランス曲線（獲得できるすべてのもの）、緑は理想的なバランス曲線から、トレードで超えてはいけない一定の範囲（コリドー）、グレーは実際のトレードタイプのバランスを表しています)

だから、ターゲットの本質は、価格とベクトル11100001111100の形でターゲットを予測し、灰色の線が緑を超えて行くことはありません状態を見つけることではありません。

自分でもやり方が分からないので、相談させてください（笑)。

[Alexey Burnakov]

mytarmailS:

こんにちは。

左側は単なる価格の種類、右側の黒は理想的なバランス曲線（獲得できるすべてのもの）、緑は理想的なバランス曲線から、トレードで超えてはいけない一定の範囲（コリドー）、グレーは実際のトレードタイプのバランスを表しています)

だから、ターゲットの本質は、価格とベクトル11100001111100の形でターゲットを予測し、灰色の線が緑を超えて行くことはありません状態を見つけることではありません。

ちょっと分かりにくいかもしれませんが、自分ではどうしたらいいか分からないので、相談させてください（笑)。

誤差取引における線の傾き角度は理想的なものではなくなります。グレーで描かれているのは、ロットを増やすことで予定通りの角度に戻っている可能性が高いところです。

つまり、価格の方向を予測する取引なのですが、誤差が蓄積されると、なぜかプラス方向に働くことが多くなってしまうのです。

ここでは、3つのターゲットオプションについて説明しました。

1) 時間間隔でのポジションのクローズ

2)レベルブレイク時のクロージング（tp/click)

3) 一般的なトレンドの方向性で、取引の終了が明示的に定義されていない場合。時間別であったり、tp/cl別であったりします。

この場合、バリエーション3が出口基準の点で最も曖昧である。

[mytarmailS]

アレクセイ・ブルナコフ
誤差取引における線の傾きの角度は、理想的なものではなくなります。ロットを増やすと意図した角度に戻る可能性が高いグレーライントレードを描いていますね。

つまり、価格の方向予測で取引しているのですが、誤差が蓄積されるとなぜかシステムがプラスで集中的に動き出すことが多くなります。

理解できない ))ロットがない、頑張るシステムがない）、日付がランダムになる...。もちろん、私の意見では、ターゲットはジグザグよりもうまく機能するはずですが、どのようにこれを実装するかはわかりません、私は多分誰かが私に言うだろうと思った

[Alexey Burnakov]

mytarmailS:
意味不明))ロットがない、強化された仕組みがない）、ランダムな日付になる...。もちろん、ジグザグよりもうまくいくはずのターゲットを思い浮かべましたが、どのように実装すればいいのかわかりませんので、どなたか教えてください。

私もあなたを理解することはできません。

あなたのグレイカーブは、常に傾きの大きい線に戻ってくるようにロットを変えて取引しているようなものです。

トレーディングラインの角度が常に1つであるマーチンみたいなものです。

現実にはこのような取引は現実的ではありません。エラー（負けトレード）があると、実際の曲線はもっとゼロに近くなります。

また、目標の実現方法も明確ではありません。このような時系列は、マイナスを積み重ねた後、常にプラスで戻ってくるトレードの場合にのみ可能である。これをトレーニングに落とし込むのは、少なくとも標準的なやり方ではほとんど不可能です。

[mytarmailS]

システムではなく、あくまでイラストです )) そこにトレードはありません。

すみません、私は自分の考えを表現するのが苦手なのでしょう。

以下はそのコードです。

価格 <- cumsum(rnorm(200))+1000

par(mfrow=c(1,2))

plot(PRICE,t="l",,lwd=2)を実行します。

PD <- c(0,diff(PRICE))

BAL <- PD

for(i in 1:length(PD)){。

if(BAL[i] < 0) BAL[i] <- BAL[i]/-1

}

BAL <- cumsum(BAL)

lowBAL <- BAL - 50

plot(BAL,t="l",lwd=3)です。

plot(lowBAL,t="b",col="green")。

realBAL <- BAL+rnorm(200,sd=20)

lines(realBAL,t="l",col="gray")です。

やり直そう、標準的なターゲット関数がある、それは移動の方向を示すベクトルである、あなたはジグザグまたは単に次のキャンドルクローズでそれを記述することができます、ベクトルは通常1110000111または-1-11111に変換されます。

そういうやり方もありますが、そういうやり方には欠陥があると思います

学習中のアルゴリズムに取引の真似をさせ（グレーチャート）、予想される理想的なリターン（ブラックチャート）と比較する。つまり、アルゴリズムは次の価格を予測しようとせず、ただ緑の線を超えないようにしようとする。チャートで示そうとしたのはそれだけです。

質問：今まで見たアルゴリズム（ニューラル、RF...）は、ターゲットベクトルを11100011にしたいのですが、実現可能でしょうか？

[Alexey Burnakov]

mytarmailS:

システムではなく、あくまでイラストです )) そこにトレードはありません。

すみません、私は自分の考えを表現するのが苦手なのでしょう。

以下はそのコードです。

価格 <- cumsum(rnorm(200))+1000

par(mfrow=c(1,2))

plot(PRICE,t="l",,lwd=2)を実行します。

PD <- c(0,diff(PRICE))

BAL <- PD

for(i in 1:length(PD)){。

if(BAL[i] < 0) BAL[i] <- BAL[i]/-1

}

BAL <- cumsum(BAL)

lowBAL <- BAL - 50

plot(BAL,t="l",lwd=3)です。

plot(lowBAL,t="b",col="green")。

realBAL <- BAL+rnorm(200,sd=20)

lines(realBAL,t="l",col="gray")です。

もう一度始めましょう、標準的なターゲット関数があります、それは移動の方向を示すベクトルです、あなたはジグザグまたは単に次のキャンドルクローズでそれを記述することができます、ベクトルは通常1110000111または-1-1111に変換されます。

そういうやり方もありますが、そういうやり方には欠陥があると思います

学習中のアルゴリズムに取引の真似をさせ（グレーチャート）、予想される理想的なリターン（ブラックチャート）と比較する。つまり、アルゴリズムは次の価格を予測しようとせず、ただ緑の線を超えないようにしようとする。チャートで示そうとしたのはそれだけです。

質問 : 私が見た全てのアルゴリズム(ニューラル、RF...)は、目標ベクトルの形で11100011を求めるので、実現可能でしょうか ?

ありがとうございます。私はすぐにあなたのことを理解しました。ただ、デフォルトで実装するのは無理がありますね。

ランダムフォレストを例にとるとこの機械学習の手法は、皆さんもよくご存じだと思います。

これは一方向にしか働かない。出力変数が2値である場合、各入力に対する決定森は、出力クラスのいずれかの歪みが統計的に大きくなるような値の領域を、単に愚直に探すことになる。そして、これをすべての変数に対して繰り返し行う。

現実の取引精度と理想との乖離を機械に考慮させたい場合は、クラスの歪度に基づいてではなく、それに応じて決定森をマッチングさせる必要があります。これは、理想的な取引からの乖離の動的な変動を考慮する必要があり、デフォルトでは実現不可能でもある。そのためには、完璧な取引に関するデータを機械に動的に供給する必要がある。そのためには、メソッドを書き直す必要があります。標準的なツールでは不可能なことです。

グラデーション関数がある。標準的な森林の場合、グラデーションはそれなりに設定されています。トレードの理想からの乖離を最適化する必要がある場合は、全く別の勾配になります。なんとなく、個人的には膝の上でちゃんと書ける気がしない。

[mytarmailS]

RFの代わりに、ターゲットを実装するための興味深いアイデアがかなりあるので、試してみたいです。