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 1336 1...132913301331133213331334133513361337133813391340134113421343...3399 新しいコメント Ivan Negreshniy 2019.02.14 13:53 #13351 マキシム・ドミトリエフスキーその発想はない...頭の中でチャートを並べ替えれば全て解決する。 テスターのチャートをいつも巻き戻すのが面倒なのでそうしていますが、違いはありませんし、3年前のトレーニングが最新のものになるのはさらに良いことです 問題は、将来価格と現在価格の接続が、すべての取引が現在価格に基づいて 計画され、それが将来価格に影響を与えるという事実を通じて論理的に行われることである--すなわち、引数と機能の接続は左から右へ進み、逆はない。 Ivan Negreshniy 2019.02.14 13:54 #13352 アレクセイ・ヴャジミキンなぜ？出目だけでなく、根拠にも興味を持つ。 前出 Ivan Negreshniy 2019.02.14 13:59 #13353 マキシム・ドミトリエフスキーいいえ、私はマルコフ過程を持っています。解は現在の状態にのみ依存し、古典的なq-learningのように学習時の計画はありません、例えばテスターで学ぶことは何もない - そのままリアルタイムに:) しかし、テスターを使用する場合は、すべてを1回で行う。 Yuriy Asaulenko 2019.02.14 14:01 #13354 イワン・ネグレシュニー 問題は、将来の価格と現在の価格の関係は、すべての取引が現在の価格に基づいて 計画され、それが将来の価格に影響を与えるという事実によって論理的に決定されることである、すなわち論証-機能接続は左から右へ行くが逆はない。チャートから判断して、短期契約を結んでいる。リアレンジしても何も変わりません。さらに言えば、最新のデータから学習するため、本番よりずっと前に学習したときよりも本番が良くなる可能性がある。 Ivan Negreshniy 2019.02.14 14:15 #13355 マキシム・ドミトリエフスキーすでに交換で少し乗って、感じているところですが...。 まあ、取引所では、エージェントはガラスの中で自分の行動で何とかプロセスに影響を与えることができますが、ここForexでは、影響はなく、マルコフとして扱われます...。 Yuriy Asaulenko 2019.02.14 14:37 #13356 マキシム・ドミトリエフスキー人工知能を搭載したボットを独自に開発し、市場だけでなく全世界を制覇する。ナポレオン計画。思い出してほしいのですが、ナポレオンはセントヘレナで最期を迎えました。 Forester 2019.02.14 14:40 #13357 ユーリイ・アサウレンコナポレオン計画。ナポレオンがセントヘレナに行き着いたことを思い出してください。 みんなどこかに行き着くんです。 Женя 2019.02.14 14:43 #13358 マキシム・ドミトリエフスキーこれはあなたにとって自転車ですが、他の人にとってはカーネル化した SVM（「レシェトフのベクターマシン」について）カーネル化」というのは、出力が線形であって、単なる超平面ではない でしょうか。Yuryが失踪する前にcyber-forumに投稿していたJavaコードを詳しく解析したわけではありませんが、知り合いの「graaleライター」がこのコードを顧客にいじってもらうために解析したところ、線形モデルの係数をブルートフォースサーチしただけ、遺伝学やオチグミのようにある種のカスタム確率探索、結果は線形係数のベクトルで、つまりこの傑作の発展版であるとのことでした。MetaTrader 4用AI Expert Advisor。 double perceptron() { double w1 = x1 - 100; double w2 = x2 - 100; double w3 = x3 - 100; double w4 = x4 - 100; double a1 = iAC(Symbol(), 0, 0); double a2 = iAC(Symbol(), 0, 7); double a3 = iAC(Symbol(), 0, 14); double a4 = iAC(Symbol(), 0, 21); return(w1 * a1 + w2 * a2 + w3 * a3 + w4 * a4); } ただし、係数の検索はMT-optimizerではなく、私の自作で行っています。 Machine learning in trading: Experts: Artificial Intelligence MQL5で学び、共に書く Aleksey Vyazmikin 2019.02.14 14:53 #13359 モデルの処理終了、シード1～200 - 訓練用サンプルと検証用サンプルを入れ替えた、またはその逆を行った。表では、10%だったものが90%になったり、その逆が起きたりと、ロジックを保っています。バランス推定結果の表 メトリクスの指標となる表 独立サンプリングで選択基準を満たしたモデル数の表 3つのサンプルのうち、選択基準を満たしたモデルの数を表にしています。選ばれたモデルが少ない-なぜそうなったかは不明-考える必要がある。 モデルのグラフ（選択したモデルの数が少ないため、写真は作っていない）60% 70% 結論から言うと、サンプリング比率は再び30％を超えることが判明しました（古いサンプルは70％ですが、場所が入れ替わりました！）。グラフは一見するとより多くの違いがありますが、それでも効果的な並列実行を行い、より高い完全性（Recall）の割合をカバーするには十分ではありません。 Aleksey Vyazmikin 2019.02.14 15:09 #13360 そして、これが最後から二番目の実験による2つのモデルの組み合わせ方です。ただし、分離を0.55に増やしました。いずれかのモデルがシグナルを出したら、市場に参入する。 1...132913301331133213331334133513361337133813391340134113421343...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
その発想はない...頭の中でチャートを並べ替えれば全て解決する。
テスターのチャートをいつも巻き戻すのが面倒なのでそうしていますが、違いはありませんし、3年前のトレーニングが最新のものになるのはさらに良いことです
なぜ？出目だけでなく、根拠にも興味を持つ。
いいえ、私はマルコフ過程を持っています。解は現在の状態にのみ依存し、古典的なq-learningのように学習時の計画はありません、例えば
テスターで学ぶことは何もない - そのままリアルタイムに:)
しかし、テスターを使用する場合は、すべてを1回で行う。
問題は、将来の価格と現在の価格の関係は、すべての取引が現在の価格に基づいて 計画され、それが将来の価格に影響を与えるという事実によって論理的に決定されることである、すなわち論証-機能接続は左から右へ行くが逆はない。
チャートから判断して、短期契約を結んでいる。リアレンジしても何も変わりません。さらに言えば、最新のデータから学習するため、本番よりずっと前に学習したときよりも本番が良くなる可能性がある。
すでに交換で少し乗って、感じているところですが...。
人工知能を搭載したボットを独自に開発し、市場だけでなく全世界を制覇する。
ナポレオン計画。思い出してほしいのですが、ナポレオンはセントヘレナで最期を迎えました。
ナポレオン計画。ナポレオンがセントヘレナに行き着いたことを思い出してください。
これはあなたにとって自転車ですが、他の人にとってはカーネル化した SVM（「レシェトフのベクターマシン」について）
カーネル化」というのは、出力が線形であって、単なる超平面ではない でしょうか。Yuryが失踪する前にcyber-forumに投稿していたJavaコードを詳しく解析したわけではありませんが、知り合いの「graaleライター」がこのコードを顧客にいじってもらうために解析したところ、線形モデルの係数をブルートフォースサーチしただけ、遺伝学やオチグミのようにある種のカスタム確率探索、結果は線形係数のベクトルで、つまりこの傑作の発展版であるとのことでした。
MetaTrader 4用AI Expert Advisor。
double perceptron()
{
double w1 = x1 - 100;
double w2 = x2 - 100;
double w3 = x3 - 100;
double w4 = x4 - 100;
double a1 = iAC(Symbol(), 0, 0);
double a2 = iAC(Symbol(), 0, 7);
double a3 = iAC(Symbol(), 0, 14);
double a4 = iAC(Symbol(), 0, 21);
return(w1 * a1 + w2 * a2 + w3 * a3 + w4 * a4);
}
ただし、係数の検索はMT-optimizerではなく、私の自作で行っています。
選ばれたモデルが少ない-なぜそうなったかは不明-考える必要がある。
モデルのグラフ（選択したモデルの数が少ないため、写真は作っていない）
60%
70%
結論から言うと、サンプリング比率は再び30％を超えることが判明しました（古いサンプルは70％ですが、場所が入れ替わりました！）。グラフは一見するとより多くの違いがありますが、それでも効果的な並列実行を行い、より高い完全性（Recall）の割合をカバーするには十分ではありません。
そして、これが最後から二番目の実験による2つのモデルの組み合わせ方です。ただし、分離を0.55に増やしました。いずれかのモデルがシグナルを出したら、市場に参入する。