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 1248 1...124112421243124412451246124712481249125012511252125312541255...3399 新しいコメント Aleksey Vyazmikin 2018.12.29 20:12 #12471 オーバートレーニングがノイズによる相場の記憶の結果だとすると、相場を記憶するには決定木の森やブースティングといった形で一定の記憶が必要で、シングルツリーやニューロン数の少ないニューラルネットワークといったモデルの方がオーバートレーニングにならないはずだと思うのですが、いかがでしょうか？そして、例えば1枚のシートでは記述できない臨界量のデータがあることが判明する。この1％や10％の量とは、サンプル全体（トレーニング、テスト、コントロール）の何なのかが問題なのである。それなら、このデータを記憶するのに必要なメモリ量でデータを評価し、この臨界量の一桁小さいモデルを作るようにすればいいのでは？もしアーカイバが10mbのサンプルを1mbに圧縮するなら、モデルは102.4kb以下でなければなりません。そして、モデルが単にサンプルを記憶したのではなく、その中に規則性を見出したことを知れば、独立したサンプルでのテストに対する批判は少なくなり、過剰訓練ではなく、現在の市場の状態を表す状況がなかったため、利用できる予測因子を使ってそのようなパターンを見つける可能性がなかったという、訓練用のサンプルのデータ不足について結論を出すことができます。 Aleksey Vyazmikin 2018.12.29 20:51 #12472 今、届いたシートを元にハンドモデルを作ってみると、2014年から2018年まで毎年、購入するシートが約20枚、フィルターとして5枚が生成できることがわかり、ここで、オーバートレーニングになるはずもなく、なんとかフィッティング用のシートが足りない...と思っているところです。ということは、2019年には通用しなくなるパターンなのでしょうか？ Aleksey Vyazmikin 2018.12.29 21:00 #12473 マキシム・ドミトリエフスキー例えば、市場のサイクルは基本的なものであるとか、ニュースに対する反応、日中のボラティリティなど、そのようなものです。 また、どこからが規則正しいのかが明確でないと、次に何が起こるのかがわからない。木に関するモデルで、パターンを識別する問題を扱う。予測器はある事象について語り、特定の事象の集合はパターンを与える。ただ、これは物理現象の分野ではない規則性であり、未知の要因（利用可能な予測因子では記述できない現象）によって影響を受ける可能性があるため、一定にはなり得ない。 一般的には、統計的に繰り返される事象をMO手法で分類して検出するということで、オプティマイザーの指標でマーケットをフィッティングするよりも良いような気がしますが、いかがでしょうか。 Aleksey Vyazmikin 2018.12.29 21:11 #12474 マキシム・ドミトリエフスキー夏の短いスカートの数と市民の経済的な豊かさの相関は90％かもしれないが、相関関係やましてやパターンを意味するものではないよし、「パターン」という言葉を、出来事との未知なる相関関係として「オーメン」に置き換えてみよう。 マキシム・ドミトリエフスキーオプティマイザーもMOである。 2つの方式を同一視しているわけですか？ Aleksey Vyazmikin 2018.12.29 21:32 #12475 マキシム・ドミトリエフスキーオプティマイザは任意のf関数を最小化するが、ニューラルネットワークオプティマイザは重みのf関数を最適化する。TCフィルターのみの最適化ということであれば、同じアクションで部分的に合意できますが、入出力ポイントも最適化するとなると、通常の手口とは少し状況が変わってきますね。 Aleksey Vyazmikin 2018.12.29 21:34 #12476 マキシム・ドミトリエフスキーこの点で、データマイニングと市場への応用を研究する必要があり、それが可能であれば、データマイニング1曲線も一種の間抜けなトップですが、いくつかの情報を抽出することができますので、 ) 他の分野に応用するための勉強？ Aleksey Vyazmikin 2018.12.29 21:43 #12477 マキシム・ドミトリエフスキーデータから有用なものを抽出する方法を理解するためにだから、先ほど有用なものを抽出したと書きましたが、それは金の粒かもしれないし、まぐれかもしれない......誰にもわからない......。と、確かめようがない。 Aleksey Vyazmikin 2018.12.29 21:46 #12478 市場はすべて同じであり、価格行動は類似のパターンを持っていると仮定すると、1つのサンプルに12種類の機器を組み合わせて、すべての市場に共通する「兆候」を探してみてはどうだろうか。 Aleksey Vyazmikin 2018.12.29 22:03 #12479 ヴィザード_。そうやって、一般化されていくんです。"パターン "とは、異なるサンプルから見出されたパターン...トレンドサンプルで合わせただけなのに、頭痛がするわけだ))))しかし、やはりアイデアを出すためには、慎重にデータを準備する必要があります...。フールプルーフとはいえ、ありそうでなかった......。2016～2017年のトレーニングをして、2014～2018年のシートだけチェックして、毎年利益が出ていて、他のいくつかの条件（全体的な成長/大きなドローダウンがない）を満たしているものを選びました。そこで、このようなモデルが使えないかと考えています。 異なる楽器を組み合わせることについては、ここで非常に多くの予測は、異なる時間間隔でピップの利得であり、それは異なる楽器で動作しません.... Aleksey Vyazmikin 2018.12.29 22:06 #12480 マキシム・ドミトリエフスキー市場はすべて違う、もちろんパターンも違う、一方ではうまくいっても、他方では損をする。 何かを想定するには、そのような大まかな想定をするための根拠として、何かを想定する必要がありますつまり、対象はどこも同じ、トレーダーだと思うのですが、なぜ、商品によって行動を変えるのでしょうか？テクニカル分析や他の手法を使っていても、どこでもこの手法を使っているのであれば、その時々に一連の手法を使えるというのは違うし、一つの手法に一つの楽器を当てはめ、トレーダー（集合イメージ）が他の手法に切り替えた時にモデルが壊れるということもないだろう。 1...124112421243124412451246124712481249125012511252125312541255...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
オーバートレーニングがノイズによる相場の記憶の結果だとすると、相場を記憶するには決定木の森やブースティングといった形で一定の記憶が必要で、シングルツリーやニューロン数の少ないニューラルネットワークといったモデルの方がオーバートレーニングにならないはずだと思うのですが、いかがでしょうか？そして、例えば1枚のシートでは記述できない臨界量のデータがあることが判明する。この1％や10％の量とは、サンプル全体（トレーニング、テスト、コントロール）の何なのかが問題なのである。それなら、このデータを記憶するのに必要なメモリ量でデータを評価し、この臨界量の一桁小さいモデルを作るようにすればいいのでは？もしアーカイバが10mbのサンプルを1mbに圧縮するなら、モデルは102.4kb以下でなければなりません。そして、モデルが単にサンプルを記憶したのではなく、その中に規則性を見出したことを知れば、独立したサンプルでのテストに対する批判は少なくなり、過剰訓練ではなく、現在の市場の状態を表す状況がなかったため、利用できる予測因子を使ってそのようなパターンを見つける可能性がなかったという、訓練用のサンプルのデータ不足について結論を出すことができます。
例えば、市場のサイクルは基本的なものであるとか、ニュースに対する反応、日中のボラティリティなど、そのようなものです。
また、どこからが規則正しいのかが明確でないと、次に何が起こるのかがわからない。
木に関するモデルで、パターンを識別する問題を扱う。予測器はある事象について語り、特定の事象の集合はパターンを与える。ただ、これは物理現象の分野ではない規則性であり、未知の要因（利用可能な予測因子では記述できない現象）によって影響を受ける可能性があるため、一定にはなり得ない。
一般的には、統計的に繰り返される事象をMO手法で分類して検出するということで、オプティマイザーの指標でマーケットをフィッティングするよりも良いような気がしますが、いかがでしょうか。夏の短いスカートの数と市民の経済的な豊かさの相関は90％かもしれないが、相関関係やましてやパターンを意味するものではない
よし、「パターン」という言葉を、出来事との未知なる相関関係として「オーメン」に置き換えてみよう。
オプティマイザーもMOである。
2つの方式を同一視しているわけですか？
オプティマイザは任意のf関数を最小化するが、ニューラルネットワークオプティマイザは重みのf関数を最適化する。
TCフィルターのみの最適化ということであれば、同じアクションで部分的に合意できますが、入出力ポイントも最適化するとなると、通常の手口とは少し状況が変わってきますね。
この点で、データマイニングと市場への応用を研究する必要があり、それが可能であれば、データマイニング1曲線も一種の間抜けなトップですが、いくつかの情報を抽出することができますので、 )
他の分野に応用するための勉強？
データから有用なものを抽出する方法を理解するために
だから、先ほど有用なものを抽出したと書きましたが、それは金の粒かもしれないし、まぐれかもしれない......誰にもわからない......。と、確かめようがない。
そうやって、一般化されていくんです。"パターン "とは、異なるサンプルから見出されたパターン...トレンドサンプルで合わせただけなのに、頭痛がするわけだ))))しかし、やはりアイデアを出すためには、慎重にデータを準備する必要があります...。フールプルーフとはいえ、ありそうでなかった......。
2016～2017年のトレーニングをして、2014～2018年のシートだけチェックして、毎年利益が出ていて、他のいくつかの条件（全体的な成長/大きなドローダウンがない）を満たしているものを選びました。そこで、このようなモデルが使えないかと考えています。
異なる楽器を組み合わせることについては、ここで非常に多くの予測は、異なる時間間隔でピップの利得であり、それは異なる楽器で動作しません....
市場はすべて違う、もちろんパターンも違う、一方ではうまくいっても、他方では損をする。
何かを想定するには、そのような大まかな想定をするための根拠として、何かを想定する必要がありますつまり、対象はどこも同じ、トレーダーだと思うのですが、なぜ、商品によって行動を変えるのでしょうか？テクニカル分析や他の手法を使っていても、どこでもこの手法を使っているのであれば、その時々に一連の手法を使えるというのは違うし、一つの手法に一つの楽器を当てはめ、トレーダー（集合イメージ）が他の手法に切り替えた時にモデルが壊れるということもないだろう。