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 139 1...132133134135136137138139140141142143144145146...3399 新しいコメント СанСаныч Фоменко 2016.09.15 11:45 #1381 これだけ聞くと、学術的な話に聞こえますね。10万回以上の観測で思い出したが、オリジナルのコチエでさえ、ほぼ静止している。それがどうした?結局のところ、私たちは100~150の観測窓の中で、端末を使って作業していることがほとんどです。一般的に、窓の大きさはどのくらいがよいのでしょうか?何のために?ノイズを除去するのであれば、1万個くらいは必要かもしれません。ノイズ予測器を除去するために10万個も必要なのか?実際、サンプルサイズは市場の定常的な特性と何らかの関係があるはずです。議論中のケースでは、ノイズ予測器はかなり大きな時間間隔についてそうであるべきです。これがノイズ除去の段階です。次に、モデルが過剰に訓練されていないことを確認するために、モデルを訓練する。 もし、モデルが過学習にならないような予測変数のセットを見つけることができれば、他のすべてが意味を持つことになります。そうでなければ、どんな話もまったく空しい。人工知能を駆使するよりも、指標を使って意図的に再教育したTSを作る方がずっと簡単で、その結果、やはり過教育のTSができてしまうことを忘れてはならない。だから、再トレーニングにつながらない予測変数のセットが決まっているんです。収益性の数値は重要ではなく、そのような収益性を持ち、異なるサンプルであまり変動しないことが主なポイントです。 そして、次のステップへ。我々は,小さな窓=100-500個のオブザベーションを取り,それを使って,たとえば,rfeによって予測変数を選択するモデルを学習させる.予測変数のセットをさらに減らすことができる。2回の経験で。この縮小された予測変数のセットを使って、まさに一歩先の予測を行うのである。この予測には通常、信頼区間が 必要であり、これがリスクである。予測の中で取引しています。つまり、翌日を予測し、M5でトレードするのです。予測される動きの半分に、TPを貼りました。全ポジション終了後、ウィンドウを移動し、rfeで予測子を選択し、再度予測します。予測誤差は各ステップでの誤差であり、一度に全部が誤差になるわけではありません。しかし、実用的な価値はこの値ではなく、少なくともテスターでは損益係数とかの値です。 Alexey Burnakov 2016.09.15 11:59 #1382 サンサニッチ・フォメンコ学術的な話になってしまいますが。///あなたの結論をすべて一つのフレーズに置き換えると、無限に大きなサンプルで非ノイズ予測器が機能する、ということになりますね。ですから、ノイズスクリーニングはできるだけ多くのサンプルで行う必要があります。もし、「非ノイズ予測器」が商の有限サンプルで機能するならば、それは局所的なノイズである。 Vladimir Perervenko 2016.09.15 12:04 #1383 Alexey Burnakov: なるほど、読んでみると面白いかもしれませんね。CNNはそれ自体がリカレントネットワークというわけではない。畳み込みネットワークと いえば。この種のニューラルネットワークは、回帰問題を解くために設計されたものではない。それだけに、公開実験の結果は残念なものでした。CNNが解決すべきタスクは、分類、位置特定、検出、セグメンテーションである。つまり、これらは「余白のメモ」なのです。グッドラック Alexey Burnakov 2016.09.15 12:08 #1384 ウラジミール・ペレヴェンコ畳み込みネットワークといえば。この種のニューラルネットワークは、回帰問題を解くために設計されたものではない。それだけに、公開実験の結果は残念なものでした。CNNが解決するタスクは、分類、位置特定、検出、セグメンテーションである。それらは、あくまでも「余白のメモ」です。グッドラック分類は回帰として表現できず、その逆もまた然りということでよろしいでしょうか?結局、このブロックは完全連結層で解いているわけで、そこに何か違いがあるのでしょうか?プルーフをお持ちですか?ちなみに結果は嘆かわしいものではありません。なぜそう決めたのか?ただ、機能がかなり複雑で、ネットワークがノイズと区別しなくなる(フルリンクのネットワークという意味です)。自分で解決したのか、それともデマゴギーしているだけなのか? mytarmailS 2016.09.15 12:11 #1385 みんな、誰もが日中の引用符、好ましくはM5指標を持っていない、3つの楽器、少なくとも50,000のろうそくを必要とする。1) Euro Stoxx 50またはEuro Stoxx 6002) ダウ・ジョーンズ、S&P500、NASDAQのいずれか。3)EUR/USDペアありますか、実験のために教えてください、感謝します。 СанСаныч Фоменко 2016.09.15 14:02 #1386 アレクセイ・ブルナコフもし、「非ノイズ予測器」が限られた商セグメントで機能するならば、それはローカルノイズで ある。最長のサンプルで何を証明したいのか?効率的市場仮説?その仮説を説いた銀行員など、能天気な連中がいるんだよ。一方、私は、ツールの非常に具体的な活用法について話しています。そして、私にとってのその具体性は、このフレーズに集約されています。"アップフロントハーフリターン "です。この枠組みでは、最適な予測期間は1週間であり、安心できるのは2ヶ月である。それ以外のことは、利益の取り崩しに合わせて正確に調整しなければならない。今、ここで。87年以前のことは、おもしろくない。97年以前のことは面白くないし、さらに進めば次のフロンティアは2007年だ。ノイズ予測因子を特定するために期間を選択する場合、その前の期間が将来と類似しているという何らかの意味のある考察が必要である。Brexitの後も、その前と同じようにすべてがうまくいくのでしょうか? そして、アメリカの選挙の後はどうなるのでしょうか?政治と関係ない政治ショックや株式市場の暴落があり、過去のデータをチャンクに分割している。 mytarmailS 2016.09.15 14:50 #1387 video -https://www.youtube.com/watch?v=-INzzOXxkhU私の考えでは、ここに正しい開発方法のひとつがあり、ノイズ選択の問題と再トレーニングの問題の両方を包括的に解決しています(もちろん、すべて理論上の ことです)。1) 歴史の中で繰り返される状況を探す - 一種の特徴選択2)我々は、パターン上の価格反応の統計、例えば、10低下と1成長を計算し、それは我々が次のようになったことが判明した。1.統計的に優れた強いパターンを特定した(定性的な特徴選択)2.パターンが繰り返されない ことを理解した(定性的な特徴選択)3.私たちは、この形質についてすべての統計量を計算し、実質的にクロスバリデーションを 行いました。4.不要なものをすべて排除し、これまでの歴史でうまくいったものだけを残したため、再教育が 不要になった。そして、これらすべてを1本のボトルに詰め込みました :)p.s.ビデオを見るときインジケータを見て、私は彼が予測について間違っていたことを一回見なかった、そして、それはたくさんだ... Скальпинг на форекс. Индикатор будущего. Future Price (FP). Ведущий Лихо Сергей. 2014.04.21www.youtube.com http://likho.ru http://likho.ru/skalping-na-foreks-indikator-budushhego-future-price-fp/ - подробнее (pdf) индикатор прогнозирует тиковую цену по финансовому... Alexey Burnakov 2016.09.15 14:59 #1388 サンサニッチ・フォメンコ最長のサンプルで何を証明したいのか?効率的市場仮説?その仮説を説いた銀行員も含めて、能天気な奴が多いな。実は、最大限のサンプルで、選択したフィクションの依存関係が再現可能であることを示したのですが、これはあなたの発言とは正反対です。歴史上、市場は非効率的である。それ以外の点についてはコメントしません:それはあなたの好みです。 Alexey Burnakov 2016.09.15 15:00 #1389 mytarmailS:video -https://www.youtube.com/watch?v=-INzzOXxkhU私の考えでは、ここに正しい開発方法のひとつがあり、ノイズ選択の問題と再トレーニングの問題の両方を包括的に解決しています(もちろん、すべて理論上の ことです)。1) 歴史の中で繰り返される状況を探す - 一種の特徴選択2)我々は、パターン上の価格反応の統計、例えば、10低下と1成長を計算し、それは我々が次のようになったことが判明した。1.統計的に優れた強いパターンを特定した(定性的な特徴選択)2.パターンが繰り返されない ことを理解した(定性的な特徴選択)3.私たちは、この形質についてすべての統計量を計算し、実質的にクロスバリデーションを 行いました。4.不要なものをすべて排除し、これまでの歴史でうまくいったものだけを残したため、再教育が 不要になった。そして、これらすべてを1本のボトルに詰め込みました :)p.s.ビデオを見るときインジケータを見て、私は彼が予測で間違っていたことを一度に見ていない、これは強くです...はすべて真実です。どんなに大風呂敷を広げても、きれいに見えるように何でも合わせられると確信しているため、動画は見ていません。真実は、きれいごとではありません。モデルが過学習でないことを証明するのは、非常に難しい。 mytarmailS 2016.09.15 15:11 #1390 Dr.トレーダー私にとってはリスクがすべてです。少なくとも少しのリスクは取るように心がけています。エキスパート・アドバイザーを作成し、何年もかけて何十ものペアを取引することに成功しているかもしれませんが、何のために?利益は年2〜3%でしょうか...。まあ、試してもいないんだろうけど...。:)統計的裁定取引に関する私の実験について、ほんの少しご報告します。パラメータはまだ決めていません、クイックテストで一番良いものを取りました、また、お金の管理は気にしていません。だから、新しいデータは、私が使ったそれらのシステムよりもずっと良い「裁定を保持する」と言うために、機械学習を使用して、それは10倍良い保持する.... 何が不思議って・・・機械学習で半年間やったことより、裁定取引で半日実験した方が得るものが多いんです。不思議というか、腹が立つというか......。第一は、裁定取引に大きな問題があることです。第一に、±30%の大幅なドローダウンがあること。そして2つ目は、機械学習の付け方がまだ思いつかないことです :) 1...132133134135136137138139140141142143144145146...3399 新しいコメント 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
これだけ聞くと、学術的な話に聞こえますね。
10万回以上の観測で思い出したが、オリジナルのコチエでさえ、ほぼ静止している。
それがどうした?
結局のところ、私たちは100~150の観測窓の中で、端末を使って作業していることがほとんどです。一般的に、窓の大きさはどのくらいがよいのでしょうか?何のために?
ノイズを除去するのであれば、1万個くらいは必要かもしれません。ノイズ予測器を除去するために10万個も必要なのか?
実際、サンプルサイズは市場の定常的な特性と何らかの関係があるはずです。議論中のケースでは、ノイズ予測器はかなり大きな時間間隔についてそうであるべきです。
これがノイズ除去の段階です。
次に、モデルが過剰に訓練されていないことを確認するために、モデルを訓練する。
もし、モデルが過学習にならないような予測変数のセットを見つけることができれば、他のすべてが意味を持つことになります。そうでなければ、どんな話もまったく空しい。人工知能を駆使するよりも、指標を使って意図的に再教育したTSを作る方がずっと簡単で、その結果、やはり過教育のTSができてしまうことを忘れてはならない。
だから、再トレーニングにつながらない予測変数のセットが決まっているんです。収益性の数値は重要ではなく、そのような収益性を持ち、異なるサンプルであまり変動しないことが主なポイントです。
そして、次のステップへ。
我々は,小さな窓=100-500個のオブザベーションを取り,それを使って,たとえば,rfeによって予測変数を選択するモデルを学習させる.予測変数のセットをさらに減らすことができる。2回の経験で。
この縮小された予測変数のセットを使って、まさに一歩先の予測を行うのである。この予測には通常、信頼区間が 必要であり、これがリスクである。
予測の中で取引しています。つまり、翌日を予測し、M5でトレードするのです。予測される動きの半分に、TPを貼りました。
全ポジション終了後、ウィンドウを移動し、rfeで予測子を選択し、再度予測します。
予測誤差は各ステップでの誤差であり、一度に全部が誤差になるわけではありません。
しかし、実用的な価値はこの値ではなく、少なくともテスターでは損益係数とかの値です。
学術的な話になってしまいますが。
///
あなたの結論をすべて一つのフレーズに置き換えると、無限に大きなサンプルで非ノイズ予測器が機能する、ということになりますね。ですから、ノイズスクリーニングはできるだけ多くのサンプルで行う必要があります。
もし、「非ノイズ予測器」が商の有限サンプルで機能するならば、それは局所的なノイズである。
なるほど、読んでみると面白いかもしれませんね。
CNNはそれ自体がリカレントネットワークというわけではない。
畳み込みネットワークと いえば。この種のニューラルネットワークは、回帰問題を解くために設計されたものではない。それだけに、公開実験の結果は残念なものでした。
CNNが解決すべきタスクは、分類、位置特定、検出、セグメンテーションである。
つまり、これらは「余白のメモ」なのです。
グッドラック
畳み込みネットワークといえば。この種のニューラルネットワークは、回帰問題を解くために設計されたものではない。それだけに、公開実験の結果は残念なものでした。
CNNが解決するタスクは、分類、位置特定、検出、セグメンテーションである。
それらは、あくまでも「余白のメモ」です。
グッドラック
分類は回帰として表現できず、その逆もまた然りということでよろしいでしょうか?結局、このブロックは完全連結層で解いているわけで、そこに何か違いがあるのでしょうか?プルーフをお持ちですか?
ちなみに結果は嘆かわしいものではありません。なぜそう決めたのか?ただ、機能がかなり複雑で、ネットワークがノイズと区別しなくなる(フルリンクのネットワークという意味です)。自分で解決したのか、それともデマゴギーしているだけなのか?
みんな、誰もが日中の引用符、好ましくはM5指標を持っていない、3つの楽器、少なくとも50,000のろうそくを必要とする。
1) Euro Stoxx 50またはEuro Stoxx 600
2) ダウ・ジョーンズ、S&P500、NASDAQのいずれか。
3)EUR/USDペア
ありますか、実験のために教えてください、感謝します。
アレクセイ・ブルナコフ
もし、「非ノイズ予測器」が限られた商セグメントで機能するならば、それはローカルノイズで ある。
最長のサンプルで何を証明したいのか?効率的市場仮説?その仮説を説いた銀行員など、能天気な連中がいるんだよ。
一方、私は、ツールの非常に具体的な活用法について話しています。そして、私にとってのその具体性は、このフレーズに集約されています。"アップフロントハーフリターン "です。この枠組みでは、最適な予測期間は1週間であり、安心できるのは2ヶ月である。
それ以外のことは、利益の取り崩しに合わせて正確に調整しなければならない。今、ここで。87年以前のことは、おもしろくない。97年以前のことは面白くないし、さらに進めば次のフロンティアは2007年だ。ノイズ予測因子を特定するために期間を選択する場合、その前の期間が将来と類似しているという何らかの意味のある考察が必要である。Brexitの後も、その前と同じようにすべてがうまくいくのでしょうか? そして、アメリカの選挙の後はどうなるのでしょうか?政治と関係ない政治ショックや株式市場の暴落があり、過去のデータをチャンクに分割している。
video -https://www.youtube.com/watch?v=-INzzOXxkhU
私の考えでは、ここに正しい開発方法のひとつがあり、ノイズ選択の問題と再トレーニングの問題の両方を包括的に解決しています(もちろん、すべて理論上の ことです)。
1) 歴史の中で繰り返される状況を探す - 一種の特徴選択
2)我々は、パターン上の価格反応の統計、例えば、10低下と1成長を計算し、それは我々が次のようになったことが判明した。
1.統計的に優れた強いパターンを特定した(定性的な特徴選択)
2.パターンが繰り返されない ことを理解した(定性的な特徴選択)
3.私たちは、この形質についてすべての統計量を計算し、実質的にクロスバリデーションを 行いました。
4.不要なものをすべて排除し、これまでの歴史でうまくいったものだけを残したため、再教育が 不要になった。
そして、これらすべてを1本のボトルに詰め込みました :)
p.s.ビデオを見るときインジケータを見て、私は彼が予測について間違っていたことを一回見なかった、そして、それはたくさんだ...
最長のサンプルで何を証明したいのか?効率的市場仮説?その仮説を説いた銀行員も含めて、能天気な奴が多いな。
実は、最大限のサンプルで、選択したフィクションの依存関係が再現可能であることを示したのですが、これはあなたの発言とは正反対です。歴史上、市場は非効率的である。
それ以外の点についてはコメントしません:それはあなたの好みです。
video -https://www.youtube.com/watch?v=-INzzOXxkhU
私の考えでは、ここに正しい開発方法のひとつがあり、ノイズ選択の問題と再トレーニングの問題の両方を包括的に解決しています(もちろん、すべて理論上の ことです)。
1) 歴史の中で繰り返される状況を探す - 一種の特徴選択
2)我々は、パターン上の価格反応の統計、例えば、10低下と1成長を計算し、それは我々が次のようになったことが判明した。
1.統計的に優れた強いパターンを特定した(定性的な特徴選択)
2.パターンが繰り返されない ことを理解した(定性的な特徴選択)
3.私たちは、この形質についてすべての統計量を計算し、実質的にクロスバリデーションを 行いました。
4.不要なものをすべて排除し、これまでの歴史でうまくいったものだけを残したため、再教育が 不要になった。
そして、これらすべてを1本のボトルに詰め込みました :)
p.s.ビデオを見るときインジケータを見て、私は彼が予測で間違っていたことを一度に見ていない、これは強くです...
はすべて真実です。
どんなに大風呂敷を広げても、きれいに見えるように何でも合わせられると確信しているため、動画は見ていません。真実は、きれいごとではありません。モデルが過学習でないことを証明するのは、非常に難しい。
私にとってはリスクがすべてです。少なくとも少しのリスクは取るように心がけています。エキスパート・アドバイザーを作成し、何年もかけて何十ものペアを取引することに成功しているかもしれませんが、何のために?利益は年2〜3%でしょうか...。
まあ、試してもいないんだろうけど...。:)
統計的裁定取引に関する私の実験について、ほんの少しご報告します。
パラメータはまだ決めていません、クイックテストで一番良いものを取りました、また、お金の管理は気にしていません。
だから、新しいデータは、私が使ったそれらのシステムよりもずっと良い「裁定を保持する」と言うために、機械学習を使用して、それは10倍良い保持する....
何が不思議って・・・機械学習で半年間やったことより、裁定取引で半日実験した方が得るものが多いんです。不思議というか、腹が立つというか......。
第一は、裁定取引に大きな問題があることです。
第一に、±30%の大幅なドローダウンがあること。
そして2つ目は、機械学習の付け方がまだ思いつかないことです :)