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 1228 1...122112221223122412251226122712281229123012311232123312341235...3399 新しいコメント mytarmailS 2018.12.24 07:50 #12271 マキシム・ドミトリエフスキーその後、いくつかの例と新しいデータnsにブラインドが失われることになり、彼女は可能な限り彼女の人生の多くを "参照 "する必要があります。として、オプションとして. 1)マークされたトレード、トレード+コミッション、最も収益性の高いオプションで「理想的なトレード」を作成します。トップとボトムでの取引でジグザグのようなものを得ます...。 2) 理想的なトレードのためのフォーム・エクィティ 3)モデルを教える。トレーニングの目的 - (理想化された株式)と(モデルの取引株式+手数料)の最大相関を達成するために、これらのモデルの品質は、1つの数値、kfの相関で表現することができます。 こうすることで、モデルはできるだけスムーズに、正確にデータに適応することができるようになります そしてもちろん、トレーニングにおけるOOSも忘れてはならない。 ps.私が書いたことは、すべて純粋な理論です。 Maxim Dmitrievsky 2018.12.24 08:03 #12272 mytarmailS:として、オプションとして. 1)マークされたトレード、トレード+コミッション、あなたが持つことができる最も収益性の高いオプションで「理想的なトレード」を作成します。それはトップとボトムにトレードを持つジグザグのようになります...。 2) 理想的なトレードのためのフォーム・エクィティ 3)モデルを教える。トレーニングの目的 - (理想化された株式)と(モデルの取引株式+手数料)の最大相関を達成するために、これらのモデルの品質は、1つの数値、kfの相関で表現することができます。 こうすることで、モデルはできるだけスムーズに、正確にデータに適応することができるようになります そしてもちろん、トレーニングにおけるOOSも忘れてはならない。 ps.私が書いたことはすべて純粋な理論です。本来はそうするのですが、「理想的な公平性」の度合いを変えることで、理想的であればあるほどオーバートレーニングになるため トレイ上のエラー:0、OOS上のエラー:0.4。 OOS(インサイド)を含む「理想的な」トレードでは、OOSの量(ここでは-20%)に相当する15%しか負けトレードがないことがわかります。新しいデータで何が起こるか、推測するのは難しいことではありません mytarmailS 2018.12.24 08:25 #12273 マキシム・ドミトリエフスキー本来はこうなのですが、「完璧な公平性」の度合いを変えることで、完璧であればあるほどオーバートレーニングになるため トレイ上のエラー:0、AOS上のエラー:0.4。 OOS(インサイド)を含む「理想的な」トレードでは、OOSの量(ここでは-20%)に相当する15%しか負けトレードがないことがわかります。新しいデータで何が起こるか、推測するのは難しいことではありません この問題は、おそらく予測変数のプロパティの変更可能性にあり、私は他のバリアント( Maxim Dmitrievsky 2018.12.24 08:32 #12274 mytarmailS:となると、問題は予測変数のばらつきでしょうか、他に選択肢はなさそうです(目標に対する変動 完璧な」入力のトレーニングは、すべての出力に同じ確率を割り当てるという、曲がったアプローチであることを、私はこれで示したかったのです。 mytarmailS 2018.12.24 09:29 #12275 マキシム・ドミトリエフスキー目標に対する変動 理想的な」入力の学習は、特にすべての出力を同じ確率で割り当てるという曲者であることを示したかったのです oosの冒頭は問題ないようですが・・・。 Nバーごとに再トレーニングしてみましたか? Maxim Dmitrievsky 2018.12.24 09:32 #12276 mytarmailS: OOSの冒頭は問題ないようですが...。 n本ごとに完全に再トレーニングしようとしたわけではないあくまで例ですが、差を滑らかにする方法はあります、あまり効率的ではありませんが、あります。 何を探しているのか、それは始まりではない )) 私はすでにほぼ同じ前面と背面のスクリーンショットを保存している しかし、誰もやってくれないので、自分がやることにした。 mytarmailS 2018.12.24 09:39 #12277 マキシム・ドミトリエフスキーこれはあくまで一例で、あまり効果的ではありませんが、差を滑らかにする方法があります。 あなたが探しているものは、冒頭ではありません))既に投げたスクリーンショットは、ほぼ同じ前面と背面 先ほどのテーマを研究したい のですが、誰もやっていないので、自分でやってみます。勝敗の確率と同じで、何かを学べるかもしれないが、新しいデータではランダムに近いものになるだろう。 Maxim Dmitrievsky 2018.12.24 09:41 #12278 mytarmailS:勝敗の確率と同じになり、何かを学習するかもしれないが、新しいデータではランダムに近いものになるえーと、この流れが頭に浮かばないのですが mytarmailS 2018.12.24 09:49 #12279 マキシム・ドミトリエフスキーこれからです、この流れは私の頭では想像がつきません。しかし、常に再トレーニングを行うことで、より期待できるようになります。 Maxim Dmitrievsky 2018.12.24 09:52 #12280 mytarmailS:しかし、一定の再トレーニングで試してみてください、それはより有望であるimho。バーチャルオプティマイザは、以前からフルリトレーニングとベイズ補正の2種類を用意しています。 これは、やってみないとわからないことばかりです。主要な問題が解決されたときにのみ機能する すべてのマトリックス関数でチェックしたところ、ほとんどの場所でエクイティが高水準であったため。 ニューラルネットワーク x...ti, アーリーストップ, レイトストップ, バグ x...i, アンサンブル x..., クロスバリデーション 1...122112221223122412251226122712281229123012311232123312341235...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
その後、いくつかの例と新しいデータnsにブラインドが失われることになり、彼女は可能な限り彼女の人生の多くを "参照 "する必要があります。
として、オプションとして.
1)マークされたトレード、トレード+コミッション、最も収益性の高いオプションで「理想的なトレード」を作成します。トップとボトムでの取引でジグザグのようなものを得ます...。
2) 理想的なトレードのためのフォーム・エクィティ
3)モデルを教える。トレーニングの目的 - (理想化された株式)と(モデルの取引株式+手数料)の最大相関を達成するために、これらのモデルの品質は、1つの数値、kfの相関で表現することができます。
こうすることで、モデルはできるだけスムーズに、正確にデータに適応することができるようになります
そしてもちろん、トレーニングにおけるOOSも忘れてはならない。
ps.私が書いたことは、すべて純粋な理論です。
として、オプションとして.
1)マークされたトレード、トレード+コミッション、あなたが持つことができる最も収益性の高いオプションで「理想的なトレード」を作成します。それはトップとボトムにトレードを持つジグザグのようになります...。
2) 理想的なトレードのためのフォーム・エクィティ
3)モデルを教える。トレーニングの目的 - (理想化された株式)と(モデルの取引株式+手数料)の最大相関を達成するために、これらのモデルの品質は、1つの数値、kfの相関で表現することができます。
こうすることで、モデルはできるだけスムーズに、正確にデータに適応することができるようになります
そしてもちろん、トレーニングにおけるOOSも忘れてはならない。
ps.私が書いたことはすべて純粋な理論です。
本来はそうするのですが、「理想的な公平性」の度合いを変えることで、理想的であればあるほどオーバートレーニングになるため
トレイ上のエラー:0、OOS上のエラー:0.4。
OOS(インサイド)を含む「理想的な」トレードでは、OOSの量(ここでは-20%)に相当する15%しか負けトレードがないことがわかります。新しいデータで何が起こるか、推測するのは難しいことではありません
本来はこうなのですが、「完璧な公平性」の度合いを変えることで、完璧であればあるほどオーバートレーニングになるため
トレイ上のエラー:0、AOS上のエラー:0.4。
OOS(インサイド)を含む「理想的な」トレードでは、OOSの量(ここでは-20%)に相当する15%しか負けトレードがないことがわかります。新しいデータで何が起こるか、推測するのは難しいことではありません
この問題は、おそらく予測変数のプロパティの変更可能性にあり、私は他のバリアント(
となると、問題は予測変数のばらつきでしょうか、他に選択肢はなさそうです(
目標に対する変動
完璧な」入力のトレーニングは、すべての出力に同じ確率を割り当てるという、曲がったアプローチであることを、私はこれで示したかったのです。
目標に対する変動
理想的な」入力の学習は、特にすべての出力を同じ確率で割り当てるという曲者であることを示したかったのです
oosの冒頭は問題ないようですが・・・。
Nバーごとに再トレーニングしてみましたか?
OOSの冒頭は問題ないようですが...。
n本ごとに完全に再トレーニングしようとしたわけではない
あくまで例ですが、差を滑らかにする方法はあります、あまり効率的ではありませんが、あります。
何を探しているのか、それは始まりではない )) 私はすでにほぼ同じ前面と背面のスクリーンショットを保存している
しかし、誰もやってくれないので、自分がやることにした。
これはあくまで一例で、あまり効果的ではありませんが、差を滑らかにする方法があります。
あなたが探しているものは、冒頭ではありません))既に投げたスクリーンショットは、ほぼ同じ前面と背面
先ほどのテーマを研究したい のですが、誰もやっていないので、自分でやってみます。
勝敗の確率と同じで、何かを学べるかもしれないが、新しいデータではランダムに近いものになるだろう。
勝敗の確率と同じになり、何かを学習するかもしれないが、新しいデータではランダムに近いものになる
えーと、この流れが頭に浮かばないのですが
これからです、この流れは私の頭では想像がつきません。
しかし、常に再トレーニングを行うことで、より期待できるようになります。
しかし、一定の再トレーニングで試してみてください、それはより有望であるimho。
バーチャルオプティマイザは、以前からフルリトレーニングとベイズ補正の2種類を用意しています。
これは、やってみないとわからないことばかりです。主要な問題が解決されたときにのみ機能する
すべてのマトリックス関数でチェックしたところ、ほとんどの場所でエクイティが高水準であったため。
ニューラルネットワーク x...ti, アーリーストップ, レイトストップ, バグ x...i, アンサンブル x..., クロスバリデーション