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 1353

 
ユーリイ・アサウレンコ

LPFの入力に市場BPを供給した。同じBPがNS入力に供給される。そうです、このネットワークはLPFの動作を記述し、ある間隔での出力を予測したのです。

ブーストについては......いや、試していない。

面倒でなければ、やってみようかな。

 
アレクセイ・ヴャジミキン

サンプルを投稿してください、差し支えなければ、試してみます。

よくわからないのですが、何のサンプルですか?BPそのもの?できるんですね。しかし、BPからのサンプルは、ランダムなんです。

 
ユーリイ・アサウレンコ

よくわからないのですが、どんなサンプルなのでしょうか?BPそのもの?できるんですね。でも、BPのサンプルは、ランダムなんです。

ファイルに書き込むことはできないのですか?Pythonをお使いのようですが、学習用に用意された分割サンプルをファイルにアンロードすることができますよね?

 
アレクセイ・ヴャジミキン

ファイルに書き込むことはできないのですか?おそらくPythonで、学習用に用意された分割サンプルをファイルにアンロードしてやっているんでしょう?

もう一度、確認しましょう。

1.BP全体では55kのOHLSVです。そこからランダムに長さ20(Closeのみ)の5〜6k行を抽出する。トレーニングのためにNSインプットに行くことになる。

2.第1項によるサンプリングは、LPFを通過させる。ここで、長さ20+Trのシーケンスを得る。ここで、Tpは予測時間である。LPF出力の最後の値が目標値となる。

3.NS 1、2への供給-トレーニング。

それとも何か理解できていないのか(

PS データを保存しようとしています。.matや.spydataのファイル形式は使えるのか?CSVへのエクスポートがなぜか来なかったので、探す必要がある。

 
ユーリイ・アサウレンコ

もう一度、確認しましょう。

1.BP全体では55kのOHLSVです。そこからランダムに長さ20(Closeのみ)の5〜6k行を抽出する。トレーニングのためにNSインプットに行くことになる。

2.第1項によるサンプリングは、LPFを通過させる。ここで、長さ20+Trのシーケンスを得る。ここで、Tpは予測時間である。LPF出力の最後の値が目標値となる。

3.NS 1、2への供給-トレーニング。

それとも何か理解できていないのか(

PS データを保存しようとしています。.matや.spydataのファイル形式は使えるのか?CSVへの書き出しがなぜか出てこなかったので、探す必要があります。

よし、悩まなくていい。

これらのフォーマットの読み方がわからない。

でも、何が予測因子なのか、よくわからない...。

 
アレクセイ・ヴャジミキン

よし、悩まなくていい。

こういう形式は、何をもって読めばいいのかわからない。

でも、予測因子がよくわからない...。

そこには予測変数はなく、スケーリングされた一連のクローズ値 - [Close[i-0], Close[i-1], Close[i-2],...,Close[i-19] - が直接NS入力に供給されます。

ターゲットとして、VLF出力[i + Tp]の1値、ここでTpは予測時間(分)。その紐の総量は5〜6千本です。

ZZY 一般的に、森で結果を出すのは面白いですよね。せっかくなら、近いうちにCSVにしようかな。

さて、最後にもう一つ、予想図を。FNF(EMA(8)にほぼ等しい)を5分間予測する。予報と連動することは十分可能なので、それを示しています。

.

 
アレクサンダー_K

まあ、この国民がいろいろ言って、漠然と...。彼のメッセージの主旨は、ErlangもBachelierも、彼がくれたような行を除いては、何も私を助けてはくれないということでした。

私のモデルでは何も機能しません。だからここに来たのですが、もしかしたらニューラルネットワークが何かを発見してくれるかもしれません。

ウィキペディアで検索すると、もっと多くの名字があります。知っている苗字が多ければ多いほど、賢い人に見えます。カロモロフがまた言い忘れたことがある。

 
ユーリイ・アサウレンコ

そこには予測変数はなく、スケーリングされた一連のクローズ値 - [Close[i-0], Close[i-1], Close[i-2],...,Close[i-19] - がNS入力に直接供給されます。

ターゲットとして、VLF出力[i + Tp]の1値、ここでTpは予測時間(分)。その紐の総量は5〜6千本です。

ZZY 一般的に、森で結果を出すのは面白いですよね。やるなら近々CSVにします。

サンプリングをしてくれたら、私がやりますよ。確かに、分類ではないでしょうが、それでも、面白いのではないでしょうか。

 
アレクセイ・ヴャジミキン

サンプルでやってくれたら、回してあげるよ。分類ではないですけどね、面白いですね。

OKです。しかし、緊急性はない。

 
アレクセイ・ヴャジミキン

サンプルでやってくれたら、回してあげるよ。分類ではないですけどね、面白いですよ。

以下はそのアーカイブです。添付ファイルをご覧ください。

Learn.csv - 入力。各行の1桁目 - 歴史的な縛りがあるため、削除する必要があります。

Cell.scv - ターゲット

このデータでトレーニングすると、このようなチャートになるはずです。

フィルターはEMA(16)にほぼ等しく、予測は5分です。

必要であれば、後でテストを実施します。

ファイル:
TS1.zip  961 kb