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 1330

 
アレクセイ・ヴャジミキン

なぜ、異なるサンプルで異なるモデルのグラフが非常に似ているのでしょうか。それは、モデルが何らかの明らかなパターンを捉え、それが頻繁な周期性と異なるサンプルサイズ(少なくともこの部分は常にウィンドウ内にあります)で現れ、モデルがこのパターンを利用しているように見えます。

面白いパターンを求めて、全データからサンプルの30%~70%を検証プロットに割り当てても良いというのが自分の中での結論ですが、やはり30%が最適のようですね。

同じ機種でもシードが違うからでは?))

モデルがランダム化されている場合、ジェネレータの開始値が結果に強く影響することを意味しない。

通常の機種はほとんど変化しない、完全にランダムなんです。あくまでロバストネスチェックです。

これらの結論は、全く何もせず、実験もせず、純粋に理論から導き出されたものであろう。

3070は純然たるランダム結果です。30から70の間は、漸近的に50に近いという結論。たまたまサブサンプルになっただけ。

 
マキシム・ドミトリエフスキー

同じ機種でも種が違うからでは?))

モデルがランダム化されている場合、ジェネレータの開始値が結果に強く影響するわけではありません。

通常の機種はほとんど変化しない、完全にランダムなんです。あくまでロバストネスチェックです。

これらの結論は、全く何もせず、実験もせず、純粋に理論から導き出されたものであろう。

よく見ると、1つのサンプルのモデルの財務結果が5000から1500まで、つまり大きく変化しており、これはSeedがモデルに影響を与えていることを意味します。似ているのは選択されたモデルで(確認します)、利益率が若干違うのだと思いますが、ほぼ全てのモデルが真ん中で横ばいというのは意外ですね~同じ利益率でミスをしている(新データの異常か?)

通常のモデルはほとんど変化しないが、完全にランダムなモデルは変化する」という記述が理解できません。

マキシム・ドミトリエフスキー

3070は純然たるランダム結果です。30から70の間は、漸近的に50に近いという結論。あくまでサブサンプルです。

そこがポイントです。ランダムかどうか、つまりこのセクションのサンプルの内容によるのか、サンプルのデータ量によるのか、どちらがより影響力があるのかを理解することが必要です。

 
アレクセイ・ヴャジミキン

よく見ると、同じサンプルのモデルの財務結果が5000から1500まで、つまり大きく異なることがあり、これはSeedがモデルに影響を与えることを意味しています。似ているのは選択されたモデルで(確認します)、利益率が若干違うのだと思いますが、ほぼ全モデルが真ん中で横ばいというのは意外ですね~同じ利益率で勘違いしています(新データの異常か)。

通常のモデルはほとんど変化しないが、絶対的にランダムなモデルは変化する」という記述が理解できません。

ランダムかそうでないか、つまりそのプロットにおけるサンプルの内容に依存するか、サンプルのデータ量に依存するか、どちらがより影響力があるか、そこが理解されるべきポイントです。

誤差の少ないモデル、すなわち定性的なモデルは、シードを変えても影響を受けません。Randomの値を0.5前後にすると、ランダム性のくしゃみに対して過剰供給してしまうので、多くの異なるモデルを取得することになります。

 
マキシム・ドミトリエフスキー

誤差の少ないモデル、すなわち品質の高いモデルは、シードの変更の影響を受けません。Randomが0.5程度であれば、Randomのくしゃみのたびにオーバーフィットが発生するため、多くの異なるモデルが存在することになります。

これはおそらく99%の精度に対して言えることで、私のRecallは念のため20%と低めにしてあります。つまり、潜在的に1のほとんどは検出されず、入力もないので、異なるモデルが20%のウィンドウで0-100の範囲で機能することが期待されます。

 
アレクセイ・ヴャジミキン

これはおそらく99%の精度に関係していると思いますが、私のRecallは念のため20%と低めにしてあります。つまり、潜在的にほとんどの1が検出されず、入力もされないので、異なるモデルが20%のウィンドウで0から100の間で機能すると期待されているのです。

モデル全体の誤差を減らし、車輪の再発明をしないようにすべきです。

そうすれば、いろいろな変なアプローチがひとりでになくなるでしょう。

50回書いたが、車輪の再発明は必要ない、この方法はどこにもつながらない
 
マキシム・ドミトリエフスキー

モデル全体の誤差を減らし、車輪の再発明をしないようにすべきです。

そうすれば、このような変なやり方は自然に消えていくでしょう。

50回も言っただろう、車輪の再発明は必要ない、この道はどこにも通じない。

よく聞いているのですが、他にエラーを減らすために使えるものはありますか?

そのために、サンプルの組成を変えたり、モデル作成の設定を変えたりしていますが、他にできることはありますか?

 

シードがモデルに与える影響を知りたい方 - 30%のサンプルを採取し、すべてのモデルを対象にしました - クリックアニメーション


 
マキシム・ドミトリエフスキー

モデル全体の誤差を減らし、車輪の再発明をしない ようにすべきです。

とすれば、変なやり方も自ずと出てくる。

私は50回書きました。車輪の再発明は必要ない、この方法はどこにも行きません。
私はそうは思いません。標準的なIO方式が市場で通用するならば、誰もがそれで稼ぐことができるだろう。
アレクセイ・ヴャジミキン

でも、日中は自転車を発明しなければならない。そして夜は眠る。健康を守る。
 
エリブラリウス
私はそうは思いません。標準的なIO方式が市場で通用するならば、誰もがそれで稼ぐことができるだろう。
しかし、バイクのメイクアップは日中に行うべきです。そして夜は眠る。健康を守る。

問題は、標準的な手法ではなく、それを使って何をしようとしているのか、どのようなプロセスで作業しているのか、という基本的な理解不足にあると思います

つまり、経済教育と数学教育の両方が欠如しているのです。

だから、ブラウン粒子のように、あっちへ行ったりこっちへ行ったり、さまよってるんです。

そして、誰もが「複雑な」本、特に英語の本を読むことを拒否している。

 
マキシム・ドミトリエフスキー

問題は標準的な手法にあるのではなく、それを使って何をしようとしているのかという基本的な誤解にあるのです。

バカの一つ覚えのように、ジグザグに出力する。

レシェトフの核機械は、ここにいる何人かが使っている自転車と同じものです。そして、標準的な何かよりも、市場への対応に成功しているようです。

だから私はバイクに賛成です!) しかし、もちろん、その使い方も理解する必要があります。