This short blog post illustrates how easy it is to use R and Python in the same R Notebook thanks to the package. For this to work, you might need to upgrade RStudio to the current preview version. Let’s start by importing : is an RStudio package that provides “a comprehensive set of tools for interoperability between Python and R”. With it...
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？
馬が先か、その逆か、違いはない--馬車が先だ、とついに理屈で決めてしまったのですね。))))
トレーダーは市場に適応します。なぜなら、明日の価格がわかる市場参加者はいませんし、すべての市場参加者の情報を持っている市場参加者もいないからです。
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ならば、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の「サイン」を探してみてはどうだろうか。
その後、オプティマイザでは、常にあなたのTSは優れたソリューション（私はあなたがストップロスとリスク過剰との取引を考慮していない願っています）を見つける必要がありますが、通常、すべてが悲しいです、何が1市場で動作するように動作しないことがあります他の。
ここで一般的な問題です：すべての市場が同じであるというあなたの仮定に基づいて、デカルト座標XとYにモデル（市場）を簡素化し、その後、いくつかのデータを他に変換することができます変換係数（線形または非線形）がある - もしそうなら、それはNSの問題だ、それは出力に入力データの依存性を見つけるの問題を解決、乗算表はここでNS唯一の怠け者を与えていない;)。
仮定すると、その後オプティマイザでは、常にあなたのTSは素晴らしい解決策（私たちはオーバーシュート損失とリスクを上書きして取引を検討していないことを願っています）を見つける必要がありますが、通常はすべてが悲しいです、何が1チャート上で動作するように他のに動作しません。
これは、あなたが使っているニューロネットなどが、別のでたらめを見つけたことを示すだけです。 それは形にしがみつき、ローカルな領域、何百万もの実装のうちの1つに適応していますが、グローバルな構造を「理解」することはできません。でも、肝心なのは、行くこと、つまり稼ぐことですよね？
手口にこだわるなら、自分たちの頭と目から責任を転嫁したい、魂の抜けたいじけ者、では、最終評価のための「基準」を紹介しましょう。ポンドの15分足で「何か」を見つけたのなら、金の分足でも、国内の「ケモ」の日足週足でも、ラリー・ウィリアムズの時代から砂糖や大豆などすべてにおいて、ほぼ同じように動くはずである。
失礼なことを言って申し訳ないのですが（イゴール・マカヌ：あなた個人ではなく、一般的に）、目を開けて「長期的な秘密」という本の中のチャートを見てください...。またはリンダRaschkeは、いくつかの写真を持って、あなたはポンドの15分やビットコインの時計から多くの違いを参照してください:)。
利益率の高い取引の割合、利益率で判断すると、それはすべて機器、時間枠に依存し、違いはプラスまたはマイナス3〜4パーセントで、それ以上ではありません。 時間枠の増加に伴い、パターンの安定性が低下しています。 最も正確なのは「ティック」で、あなたがそれらでテストしても、システムパラメータは以前と同様にタイトである。そして、その誤差が時間とともに蓄積され、パターンが曖昧になっていく。 パターン形成に時間がかかるほど、画像の揺れは強くなる。 しかし、パターン構造は「崩れない」。MNでも同じパターンで、違いはパーセンテージである。
--
すべてのグラフが「同じ」であることの鉄則はそこにあり、純粋に物理的に異なることはありえない。 また、時間の経過とともに「1ミリ」でも変化することは、例えば光速やPI数が変化しない限り、ありえない。
何度も本にリンクしていますが、なぜ同じなのか、なぜ時間が経っても変わらないのかが書いてあります。
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。
異なる楽器の組み合わせについてですが、ここでの多くの予測は、異なる時間間隔でのpipsの増加であり、異なる楽器ではうまくいきません...。
個々の葉とその統計を見ることができるパッケージやプログラムは？
そこで1本の木、1本の森を教えたのですか？それは、ニューラルネットワークなどが、また別の偽物を見つけたことを示すだけです。 それは、形にしがみつき、何百万通りもある実装のバリエーションの1つであるローカルセクションで調整しますが、グローバル構造を「理解」することはできません。でも、メインは行くこと、つまり、稼ぐことですよね。
もしあなたが国防省にそこまでこだわるのなら、自分たちの頭と目から、魂のないボギーに責任を転嫁したいと願うのなら、ここに最終評価の「基準」を示す。ポンドの15分足で「何か」を見つけたのなら、金の分足でも、国内の「ケモ」の日足週足でも、ラリー・ウィリアムズの時代から砂糖や大豆などすべてにおいて、ほぼ同じように機能するはずである。
失礼なことを言って申し訳ありません（イゴール・マカヌ：あなた個人に対してではなく、一般的にです）、目を開けて、「長期的な秘密」の本のチャートを見てください...。またはリンダRaschkeは、いくつかの写真を持って、あなたはポンドの15分やビットコインの時計から多くの違いを参照してください:)。
利益率の高い取引の割合、利益率によって判断すると、それはすべて楽器、時間枠に依存し、違いはプラスまたはマイナス3〜4パーセント、それ以上ではありません。 時間枠の成長とともにパターンの安定性が低下しています。 最も正確なのは「ティック」であり、何をテストするかもしれませんが、システムパラメータは以前と同様にタイトである。そして、時間が経つにつれて誤差が蓄積され、パターンが曖昧になっていく。 パターンを形成するのに時間がかかるほど、絵は強く揺れ動くのだ。
--
すべてのマーケットグラフが「同じ」であることの鉄則はそこにあり、純粋に物理的に異なることはありえない。 また、時間の経過とともに「ミリメートル」単位でも変化することは、たとえば光速が変わったりPIの数が変わったりしない限り、ありえないことだ。
何度も本のリンクをあげていますが、なぜ同じなのか、なぜ時間が経っても変わらないのか、その両方が書かれています。
私はいつもスレッドのすべての議論を読む時間がない、私はそれを読むだろう、とにかく今読むものは何もありませんごめんなさい。
RかPythonか？なぜ両方でないのか？R内でAnaconda Pythonを{reticulate}で使う。
ファ、ジュリカのJMAのような通常のフィルターが必要ですが、71年以前のものです。
できれば、あまり複雑でなく、Rで。何かありますか？
いいえ。
mcl4でファイナライズされたJMAを期間適応という意味でずっと使ってきましたが、あまり意味がないですね、他のものと同じようにフェードアウトしてしまうので。時折、手を添えて介在させた。
私は予測因子として指標を使用していますが、対象となる変数に対して予測力を持つ平滑化を意識したことはありません。
フィルターに関することなら、smoothという不思議なパッケージがあります。平滑化の内側には、状態空間を持つカルマンが配置されている。非常に質の高いマッシュアップを提供し、数ステップ先の外挿（予測）も可能です。
しかし、繰り返しになりますが、私にとって 最も重要なことは、ターゲットに対する予測能力 であり、このパッケージのすべてが同じ問題、すなわち予測能力を持たないということです。
だから、フィルターやスムージングなど、すべて諦めているんです。
あなたの推理では、馬が荷車より先に走るか、荷車が馬より先に走るかに違いはない、と最終的に判断したのですね。))))
トレーダーは市場に適応する。なぜなら、明日の価格がわかる市場参加者はいないし、すべての市場参加者の情報を持っている市場参加者もいないのだから。
トレーダーは集合的なイメージであり、それは人（物理的または法的）の意志を表現する人であり、顧客のニーズを満たすために自分のスキルを適用することによって市場に影響を与える人です。だから、どの楽器でも同じようなスキルを持った人が勝つと言うのは、知識やスキルそのものではなく、ステークホルダーの資産をどれだけ使っているかということなのです。それに加えて、ほとんどの市場参加者には適用できないテクニカル分析という世界的な宗教（かつて私は、中央銀行がプロの証券 市場参加者にこれらの仮定を知ることを要求しているというリンクを落とした）...。価格の行方はわかりません。私たちの仕事は、選択した動きのベクトルによって価格がどのように動くかを理解し、取引に参加するためのコスト、つまりリスクの価格を最小化することです。
あなたは常にあなたのTSは偉大な解決策（私は過剰補償損失とリスクの過剰との貿易は、我々は考慮しないことを望む）を見つける必要がありますオプティマイザでその後仮定しますが、通常はすべてが悲しいです、何が1チャート上で動作しますが、他の上で動作しません。
ここで一般的な問題です：モデル（市場）をデカルト座標XとYに単純化し、すべての市場が同じであるという仮定に基づいて、あるデータを他のデータに変換できる変換比（線形または非線形）があります - もしそうなら、それはNSの問題です、それは完全に入力データの出力への依存を見つける問題を解決します、掛け算表は怠惰によってNSに与えられない;)。
私は市場を描写するプレディクターをより多く扱っているのですが、すでに300以上あり、300のインプットはSNにとって複雑すぎます......。だから、ツリー状のモデルを使っているんです。いずれにせよ、ポイントは相対的な単位に変換して、予測変数が商品に依存しないようにする必要があります。 私は日足ATRでそれを行っていますが、もっと良い方法があるかもしれません。いずれにせよ、私のトレーニングサンプルは小さいので、すべてのバリエーションが考慮されているわけではありませんし、ルールの特定（リストの作成）を妨げるような小さな量的形態で存在しているため、データ変換の異なる方法を試してみる必要があります。
個々のシートや仕事の統計を見ることができるパッケージやプログラムは？
そこで1本の木、1本の森を鍛えたのですか？そうですね、Deductor Studioでサンプリング作業をするのはとても有益です。枝を再構築したり、ゼロから木を作ったりすることができます。木の仕組みを理解し、仮説を検証するのにとても良いツールです。デメリットは、パッケージが有料であることと、そう簡単にルール（葉）をおろせないこと...。
Rスクリプトで遺伝子を含む木を生成し、反復ごとに木のデータをアンロードするスクリプトを使い、さらに別に書いたパーサープログラムを使って、木をこの形式の葉に変換しているのです。
そして、最適化モード「数式計算」でファイルから予測値と決算結果を読み込んでリーフをかけるEAを使い、その中ですでに金融指標などの計算で統計を取り、エージェントからEAにフレームで渡して結果的に一つのファイルに集めているのです。
そして、各レポート期間のシートを見ます。
そうですね、Deductor Studioでサンプリング作業をするのはとても有益です。枝を再構築したり、ゼロから木を作ったりすることができます。木の仕組みを理解し、仮説を検証するのにとても良いツールです。デメリットは、パッケージが有料であることと、そう簡単にルール（葉）をおろせないこと...。
Rスクリプトで遺伝子を含む木を生成し、反復ごとに木のデータをアンロードするスクリプトを使い、さらに別に書いたパーサープログラムを使って、木をこの形式の葉に変換しているのです。
そして、最適化モード「数式計算」でファイルから予測値と決算結果を読み込んでリーフをかけるEAを使い、その中ですでに金融指標などの計算で統計を取り、エージェントからEAにフレームで渡して結果的に一つのファイルに集めているのです。
次に、各レポート期間において、シートがどのような挙動を示したかを見てみます。
じぇじぇじぇ、手動でやることは全部ニューロネットでやればいいんだ、それで...。時間の無駄であり、結果が陰性であれば、他の方法を探すなど、不満が残る。
ハンマーバックライトの利便性を試す（ヒートマップ）
たしかに、バックライトを使ったそのような実装は見たことがありますが、書くアルゴリズムもキャンバスの魅せ方も別で、私は全く扱っていません。だから、数式で抜いているんです。でも、地図があれば面白いんだけど、やっぱり多次元を使った方が...。
今、1つのモデルのために葉を集めるときに何を目標にするかを考えています。まず、安定した葉を選びました。すでに書きましたが、次にフィルターの葉（-1/0/1の分類で、売る/入らない/買う）、それぞれフィルターは「入らない」グループの葉、売るための「買う」グループの葉にすることが可能です。と実際には、彼らは "売り "グループからです - どちらかのパターンが偽または市場のエントリに 葉を適用することのチャートは、エントリ信号でこの表面をカバーしていないためですが、エントリを無視するという点でよくフィルタリングします。これまでのところ、フィルターの基準は次のとおりです - 利益の改善、ドローダウンの減少、連続した負けエントリーの数の減少、したがって、3倍/4倍の期間でこれらのすべての指数を一度に改善し、一般的にインデックス - 利益とドローダウン、4-6葉を取ることができます。その上で、収益性や正解率に着目して選択するか、あるいは、コストはかかりますが、理論的にはより効果的であるはずの、各葉（1～2枚）に個別のフィルターを見つけようと考えています。