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 128

[СанСаныч Фоменко]

mytarmailS:

あるブログに出会って泣きそうになった、その人は私がかつて思いついて実行しようと思ったこととほぼ同じアイデアをやっていた、そして私が1年ほど前にプログラミングを学び始めたのはこのアイデアであった

https://www.r-bloggers.com/time-series-matching-with-dynamic-time-warping/

そして、私のアイデアはユニークだと思いました)))若さ、甘さ...もちろん、当時は理解していなかったので、DTWは使いませんでしたが......。

ターゲット変数と予測変数の2つの時系列を取るとします。いくつかの「距離」を取得します。距離が小さければ（「小さい」とは何か）、予測力が高いということか。このような予測は、この距離が大きい他のものと比較して、より価値があるのでしょうか？

ということでしょうか。

[mytarmailS]

サンサニッチ・フォメンコ

ターゲット変数と予測変数の2つの時系列を取るとします。ディスタンス」を手に入れる。距離が小さければ（「小さい」とは何か）、予測力が高いということか。このような予測は、この距離が大きい他のものと比較して、より価値があるのでしょうか？

ということでしょうか。

そんなことはない、何の予測も的中もない、そんなことはない......。最新の現状に近い部分をBPで露骨に検索しているだけなのですが、すべてが...。

[Andrey Dik]

mytarmailS:

3回読んでもわからない((

1) 純粋なMOではなく、既存のTSを改良したようなもので、入力するシグナルがあり、その入力に対してのみ入力し、その入力に対してMOを分析するということですよね？

2) 利益が出たら、取引を終了する。損失が出た場合はポジションを保有することになりますが、なぜそうする必要があるのでしょうか？

3）いつ買うか、いつ売るか？

4)私もそうなんですが)、書かれていることがよく分からないので、写真かフライチャートを見せていただけると...。

1.1.信号はネットワークで生成されます。

2.何もわからない、自由な国なんだから。欲しいなら閉めればいいし、いらないなら閉めなくていい。SLはシステム内にあり、あってもなくてもいい - それもあなたの権利です。

3.どうしてわかるの？トレーニングしているグリッドに聞く。

4.4回目を読むと、もしかしたら腑に落ちるかもしれません。

[mytarmailS]

mytarmailS:

あるブログに出会って泣きそうになった。その人は、私がかつて思いついて実行することにしたアイデアとほとんど同じことをしていて、私が1年ほど前にプログラミングを学び始めたのはこのアイデアだったのだ

https://www.r-bloggers.com/time-series-matching-with-dynamic-time-warping/

そして、私のアイデアはユニークだと思いました)))若さ、甘さ...DTWを利用しなかったのは、当時は全く知らなかったからです

もしあなたが英語をよくご存じなら、記事の要点を説明していただけると幸いです。

[mytarmailS]

アンドレイ・ディク：

1.信号はネットワークで生成されます。

2.ない、自由の国だから。欲しいなら閉めればいいし、いらないなら閉めなくていい。SLはシステム内にあり、あってもなくてもいい - それもあなたの権利です。

3.どうしてわかるの？トレーニングしているグリッドに聞く。

4.4回目を読むと、もしかしたら腑に落ちるかもしれません。

1) ニューラルネットワークのために、ある種の「ソフト」な目標関数を作るというのが、このアルゴリズムの全体像ですよね？

しかし、このアルゴリズムの最初のステップでは、すでにニューラルネットワークから何らかのシグナルを受け取っているはずです。シグナルは、ターゲット関数によって、学習用ニューラルネットワークから 受け取られます。

私の脳は爆発している...

[СанСаныч Фоменко]

mytarmailS:
、全くそんなことはありません。どんな予測因子、どんなターゲット、そんなものはありません...。最新の現状に近い部分をBPで淡々と探す、ただそれだけのことなのですが...。

2つの時系列

以下はその参考例です。

dtw(x, y=NULL,
dist.method="Euclidean",
step.pattern=symmetric2,
window.type="none",
keep.internals=FALSE,
distance.only=FALSE,
open.end=FALSE,
open.begin=FALSE,
... )

詳細 この関数は 動的時間歪み（DTW）を行い，数値ベクトルとして与えられた2つの時系列 x と y の最適な位置関係を計算する．最適」なアライメントは、アライメントされた要素間の距離の合計を最小化する。xとyの長さは異なる場合があります。x（クエリ）とy（リファレンス）の要素間の局所距離は、以下のいずれかの方法で計算することができる。

step.pattern=symmetric2という パラメータに注目してください。

これは、パッケージのドキュメントからです。

[Alexey Burnakov]

mytarmailS:

1) ニューラルネットワークのために、ある種の「ソフト」な目標関数を作るというのが、このアルゴリズムの全体像ですよね？

しかし、このアルゴリズムの最初のステップで、すでにニューラルネットワークから何らかのシグナルを受け取っているはずです。このシグナルは、ターゲット関数によるニューラルネットワークのトレーニングから来るものです。

私の脳は爆発している...

ここの人たちは、こんな感じです。柔らかい」のです。細かいことは言わない。何のために？梅干しで生活してるのか？

ソフトターゲット機能がたくさん思い浮かびますね。思いつくままに。

マシュカの方向性予測。

zz膝の予測

リニアトレンドの傾き予測

これらのシグナルは、いつ、どのように取引を成立させればいいのか、全くわからない。そして、シャーマニズムに閉鎖的な条件が付き、結果としてフィッティングが行われるようになるのです。

[mytarmailS]

サンサニッチ・フォメンコ

2つの時間列。

そうですね、2列ですね。2列の近さを測るには、2列が必要です。

2つのシリーズ（この場合）とは、同じシリーズ（価格）の2つの部分を意味 します。

ただ、dtwに入れる行の大きさが違うだけで、それは私たちにとってとてもクールなことです。

[Andrey Dik]

mytarmailS:

1) ニューラルネットワークのために、ある種の「ソフト」な目標関数を作るというのが、このアルゴリズムの全体像ですよね？

しかし、このアルゴリズムの最初のステップで、すでにニューラルネットワークから何らかのシグナルを受け取っているはずです。このシグナルは、ターゲット関数によるニューラルネットワークのトレーニングから来るものです。

私の脳は爆発している...

アレクセイ・ブルナコフ
ここの人たちは、こんな感じです。柔らかい」のです。詳細は語らない。そして、その使い道は？彼らは梅を生きている？

ソフトターゲット機能がたくさん思い浮かびますね。思いつくままに。

マシュカの方向性予測。

zz膝の予測

リニアトレンドの傾き予測

これらのシグナルは、いつ、どのように取引を成立させればいいのか、全くわからない。そして、クロージング条件とシャッフルされ、結果としてフィッティングが行われるのです。

ここでは、私が何をするのかが明確に綴られています。

詳細については：現在のバーで買いシグナルは、我々が買うように、将来的に先にバーの最小数をカウントバックし、チェック - 取引が有益であるかどうか、もしそうなら - 私たちのように、閉じていない場合 - 我々は前方に1以上のバーをカウントして再度チェックします。そして、この方法で最大数のバーに到達し、最終的に閉じます。これは、学習のメカニズムです。

何が明確でないのか？ファンタジーではなく、まさに今の私です。目標機能は、最小のドローダウンで最大限の利益を得ることです。自分の遺伝子を使ったトレーニングをしています。

[削除済み]

アレクセイ・ブルナコフ
そんな人たちがここにいる。柔らかい」のです。細かいことは言わない。しかし、何の役に立つのか？彼らは梅を生きている？

ソフトターゲットがたくさん思い浮かびますね。頭から離れない。

マシュカの方向性予兆

Zzz 膝の予想

リニアトレンド予測

これらのシグナルは、いつ、どのように取引を成立させればいいのか、全くわからない。そして、クロージング条件とシャッフルし、結果的にフィッティングを行うことになるのです。

調理法を知らないだけだろ（神経質）。(ц) :)