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 1396 1...138913901391139213931394139513961397139813991400140114021403...3399 新しいコメント Maxim Dmitrievsky 2019.03.04 13:20 #13951 エリブラリウス 森が好きなんです。NSに戻るとしたら、そう長くはないでしょう。もう1年もかけているんですよ。ok ) Yuriy Asaulenko 2019.03.04 14:58 #13952 elibrarius: 私は、予測の絶対的な正しさを追求することはありません。私にとっては、利益が出たトレードはすべて正しいのです。 例1) 予測-10で-8 -これは素晴らしい利益で、全くエラーではありません 2) 予測-4.8で-13 -予測よりはるかに多くの利益で、これは全てエラーではありません。 3)予測-3.5は+5を得た、そこに損失が発生します - これはエラーです。左側と0以上のすべてのポイントと同じように、彼らだけが損失を出すことになり、彼らで取引するのは間違いである。あなたの理解はまったく正しい。必要なのは、成功するトレードの確率分布が こちら側に偏ることだ。その上、ストップやトレーリングストップなどの取引支援方法もキャンセルされておらず、実際の結果は5メートルでポジションを閉じるという愚かなものよりも良いものになるでしょう。写真に写っているのがそのケースです。 マキシムが市場で言っている堅牢性というのは、根拠のない幻想なんです。もし回帰から実際に逸脱があれば(トレーニングやテストは気にしない)、どんなモデルもその逸脱をゼロにすることはできません。いずれにせよ、偏差値はそのままになります。回帰は常に分布の中心に向かうものであり、それ以上のものではありません。 マキシムは、残念ながら森とRLに引きこもり、外部からの情報はすべて自分の世界観への攻撃、そしておそらく自分の成果の意義への攻撃と受け止めている)。何もかもがおかしい、ナンセンス、幼稚園など。 NSからフォレストツリーへの切り替えについては。ほぼ同等のモデルで、新しいものは手に入らないし、レベルも同じ卵、横顔だけです。獣の正体を見抜くには、もちろん無理はない。 MCLのAlglibに切り替えると、短期的には何か得られるかもしれません。長期的に見れば、ペースを失うだけで、行き止まりでしかない。同じマキシムがすでにPythonに這い上がってきていて、それを引き継ぐためにAlglib-MCLのMOを煽ってるんでしょう。面白いですね。 Forester 2019.03.04 15:23 #13953 ユーリイ・アサウレンコまさにその通りですね。必要なのは、我々の方向で取引が成功する確率の歪んだ分布である。それに、ストップやトレイリングストップなどの取引支援方法も解約されていませんし、実際の結果は5m後にバカスカ決済するよりも良い結果になると思います。写真に写っているのがそのケースです。 マキシムが市場で言っている堅牢性というのは、根拠のない幻想なんです。もし回帰から実際に逸脱があれば(トレーニングやテストは気にしない)、どんなモデルもその逸脱をゼロにすることはできません。いずれにせよ、彼らがそうであったことは、これからも変わらない。回帰は常に分布の中心に向かうものであり、それ以上のものではありません。 マキシムは残念ながら、森やRLに入り込んでしまい、外部からの情報はすべて自分の世界観への攻撃、そしておそらく自分の成果の意義と捉えてしまうのだ)。すべて間違い、すべて無意味、幼稚園など。 NSからフォレストツリーへの切り替えについては。ほぼ同等のモデルであり、新しいものは何も得られない、あるいはレベル的には同じ卵、プロファイルだけ である。獣の正体を見抜くには、もちろん無理はない。 MCLのAlglibに切り替えると、短期的には何か得られるかもしれません。長期的に見れば、ペースを失うだけで、行き止まりでしかない。同じマキシムがすでにPythonに這い上がってきていて、それを引き継ぐためにAlglib-MCLのMOを煽ってるんでしょう。面白いですね。Scaffoldingは、モデル自体のパラメータが少ない。NSではその数が多く、最適な組み合わせを見つけるのが難しく、さらに正規化、アライメントが必要です。そして、配給とスケーリングは時間とともに浮き上がり、結果として同じ再教育は正しく行われなくなります。そして、森はすべてを絶対値で消化する。 Maxim Dmitrievsky 2019.03.04 15:27 #13954 少なくとも散布図を正しく解釈できるようになるのは良いことです。 そうすると、誤差は打ち消し合うよりも大きくなる傾向があること、1点の確率分布が 歪んでいるととらえるのは一瞬のことで、それが積み重なって大きな誤差になることを理解し始めるでしょう Yuriy Asaulenko 2019.03.04 15:31 #13955 エリブラリウスフォレストはモデル自体のパラメータが少ない。しかし、NSの方が数が多く、最適な組み合わせを見つけるのは難しく、さらに正規化、アライメントも必要です。また、配給や規模は時代によって異なるため、結果として同じ再教育が正しく行われるとは限りません。そして、森はすべてを絶対視して消化します。すべてを語ることはできませんが、私が見てきた足場モデルもスケーリングなどが必要です。ところで、入力信号の前処理をしないと、どうしてこのようなことができるのか、理解できません。ほぼ同じシグナルが2つあり、片方の初値がもう片方より10%高いと想像してください。そして、大きい方(同一)のボラティリティは、自動的に最初のものより10%高くなる。NSやフォレストではどのように対応すればよいのでしょうか?そして、その結果は同じになる。 Yuriy Asaulenko 2019.03.04 15:33 #13956 マキシム・ドミトリエフスキー少なくとも散布図を正しく解釈できるようになるのは良いことです。 そうすると、誤差は打ち消し合うのではなく、大きくなる傾向があること、1点の確率分布が歪んでいるととらえるのは一瞬のことで、それが積み重なって大きな誤差になることを理解し始めるでしょうマキシム、自分だけでなく、チャートを読む力を身につけよう。私のグラフで何もわからないのであれば、何もできない。あなたがしたくない場合は、それらを扱うことはありません、誰も強制ではありません。正直言って、あなたにはうんざりしています。くだらないことを言ってるとは言いたくないが、言わざるを得ない。 Maxim Dmitrievsky 2019.03.04 15:37 #13957 ユーリイ・アサウレンコマキシム、自分のものだけでなく、チャートを読む力を身につける。正直言って、あなたにはうんざりしています。くだらないことを言っていると言いたくはないのですが、言わざるを得ません。では、チャートはどのように読むのでしょうか? 従来のものとは逆に、何か特別な読み方があるのでしょうか?エリブラリウスがいる、彼のパパはどうだろう、ちゃんと読めなかったし。私はただ、これらのチャートで見たことを書いただけだ...そこから結論を導き出すことはできない。 と具体的に言うと、誤差はランダムより少しマシな程度、おそらく40%程度です。 Forester 2019.03.04 15:39 #13958 ユーリイ・アサウレンコすべてを語ることはできませんが、私が見てきた足場モデルもスケーリングなどが必要です。ところで、入力信号の前処理をしないと、どうしてこのようなことができるのか、理解できません。 ほぼ同じシグナルが2つあり、片方の初値がもう片方より10%高いと想像してください。そ して、2番目(同一)のボラティリティは1番目より自動的に10%高くなる。NSやフォレストではどのように対応すればよいのでしょうか?そして、その結果は同じになるのです。森は、桁違いの値とボラティリティを持つ入力を処理する。 一方は0.00014で、もう一方は41548.3で、ノードで分割する。 そして、NSのためには、すべてのインプットを同じ規模に縮小する必要があるのです。 Yuriy Asaulenko 2019.03.04 15:41 #13959 マキシム・ドミトリエフスキー時間割の読み方について、従来の読み方とは逆に、特別な読み方はありますか?フォンエリブラリウス、家長もまともに読めなかったし、よくわからない。私はただ、これらのチャートで見たことを書いただけだ...そこから結論を導き出すことはできない。 で、具体的には、誤差はランダムよりわずかに良く、おそらく40%程度のオーダーですそれがどうした?何がいけないんですか?10分だとすべてがわからなくなるし、1時間だと想像もつかない)。 Yuriy Asaulenko 2019.03.04 15:43 #13960 エリブラリウス森は、価値とボラティリティが桁違いな入力を消化する。 一方は例えば0.00014のノードで、もう一方は41548.3のノードで分割されます。 そして、NSのためには、すべての入力を1つの尺度に落とし込む必要があるのです。意識はしていません。私は見た森についてしか話していません。オデッサ全体が言わないからだ。 1...138913901391139213931394139513961397139813991400140114021403...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
森が好きなんです。NSに戻るとしたら、そう長くはないでしょう。もう1年もかけているんですよ。
ok )
私は、予測の絶対的な正しさを追求することはありません。私にとっては、利益が出たトレードはすべて正しいのです。
例
1) 予測-10で-8 -これは素晴らしい利益で、全くエラーではありません
2) 予測-4.8で-13 -予測よりはるかに多くの利益で、これは全てエラーではありません。
3)予測-3.5は+5を得た、そこに損失が発生します - これはエラーです。左側と0以上のすべてのポイントと同じように、彼らだけが損失を出すことになり、彼らで取引するのは間違いである。
あなたの理解はまったく正しい。必要なのは、成功するトレードの確率分布が こちら側に偏ることだ。その上、ストップやトレーリングストップなどの取引支援方法もキャンセルされておらず、実際の結果は5メートルでポジションを閉じるという愚かなものよりも良いものになるでしょう。写真に写っているのがそのケースです。
マキシムが市場で言っている堅牢性というのは、根拠のない幻想なんです。もし回帰から実際に逸脱があれば(トレーニングやテストは気にしない)、どんなモデルもその逸脱をゼロにすることはできません。いずれにせよ、偏差値はそのままになります。回帰は常に分布の中心に向かうものであり、それ以上のものではありません。
マキシムは、残念ながら森とRLに引きこもり、外部からの情報はすべて自分の世界観への攻撃、そしておそらく自分の成果の意義への攻撃と受け止めている)。何もかもがおかしい、ナンセンス、幼稚園など。
NSからフォレストツリーへの切り替えについては。ほぼ同等のモデルで、新しいものは手に入らないし、レベルも同じ卵、横顔だけです。獣の正体を見抜くには、もちろん無理はない。
MCLのAlglibに切り替えると、短期的には何か得られるかもしれません。長期的に見れば、ペースを失うだけで、行き止まりでしかない。同じマキシムがすでにPythonに這い上がってきていて、それを引き継ぐためにAlglib-MCLのMOを煽ってるんでしょう。面白いですね。
まさにその通りですね。必要なのは、我々の方向で取引が成功する確率の歪んだ分布である。それに、ストップやトレイリングストップなどの取引支援方法も解約されていませんし、実際の結果は5m後にバカスカ決済するよりも良い結果になると思います。写真に写っているのがそのケースです。
マキシムが市場で言っている堅牢性というのは、根拠のない幻想なんです。もし回帰から実際に逸脱があれば(トレーニングやテストは気にしない)、どんなモデルもその逸脱をゼロにすることはできません。いずれにせよ、彼らがそうであったことは、これからも変わらない。回帰は常に分布の中心に向かうものであり、それ以上のものではありません。
マキシムは残念ながら、森やRLに入り込んでしまい、外部からの情報はすべて自分の世界観への攻撃、そしておそらく自分の成果の意義と捉えてしまうのだ)。すべて間違い、すべて無意味、幼稚園など。
NSからフォレストツリーへの切り替えについては。ほぼ同等のモデルであり、新しいものは何も得られない、あるいはレベル的には同じ卵、プロファイルだけ である。獣の正体を見抜くには、もちろん無理はない。
MCLのAlglibに切り替えると、短期的には何か得られるかもしれません。長期的に見れば、ペースを失うだけで、行き止まりでしかない。同じマキシムがすでにPythonに這い上がってきていて、それを引き継ぐためにAlglib-MCLのMOを煽ってるんでしょう。面白いですね。
Scaffoldingは、モデル自体のパラメータが少ない。NSではその数が多く、最適な組み合わせを見つけるのが難しく、さらに正規化、アライメントが必要です。そして、配給とスケーリングは時間とともに浮き上がり、結果として同じ再教育は正しく行われなくなります。そして、森はすべてを絶対値で消化する。
少なくとも散布図を正しく解釈できるようになるのは良いことです。
そうすると、誤差は打ち消し合うよりも大きくなる傾向があること、1点の確率分布が 歪んでいるととらえるのは一瞬のことで、それが積み重なって大きな誤差になることを理解し始めるでしょう
フォレストはモデル自体のパラメータが少ない。しかし、NSの方が数が多く、最適な組み合わせを見つけるのは難しく、さらに正規化、アライメントも必要です。また、配給や規模は時代によって異なるため、結果として同じ再教育が正しく行われるとは限りません。そして、森はすべてを絶対視して消化します。
すべてを語ることはできませんが、私が見てきた足場モデルもスケーリングなどが必要です。ところで、入力信号の前処理をしないと、どうしてこのようなことができるのか、理解できません。ほぼ同じシグナルが2つあり、片方の初値がもう片方より10%高いと想像してください。そして、大きい方(同一)のボラティリティは、自動的に最初のものより10%高くなる。NSやフォレストではどのように対応すればよいのでしょうか?そして、その結果は同じになる。
少なくとも散布図を正しく解釈できるようになるのは良いことです。
そうすると、誤差は打ち消し合うのではなく、大きくなる傾向があること、1点の確率分布が歪んでいるととらえるのは一瞬のことで、それが積み重なって大きな誤差になることを理解し始めるでしょう
マキシム、自分だけでなく、チャートを読む力を身につけよう。私のグラフで何もわからないのであれば、何もできない。あなたがしたくない場合は、それらを扱うことはありません、誰も強制ではありません。正直言って、あなたにはうんざりしています。くだらないことを言ってるとは言いたくないが、言わざるを得ない。
マキシム、自分のものだけでなく、チャートを読む力を身につける。正直言って、あなたにはうんざりしています。くだらないことを言っていると言いたくはないのですが、言わざるを得ません。
では、チャートはどのように読むのでしょうか? 従来のものとは逆に、何か特別な読み方があるのでしょうか?エリブラリウスがいる、彼のパパはどうだろう、ちゃんと読めなかったし。
私はただ、これらのチャートで見たことを書いただけだ...そこから結論を導き出すことはできない。
と具体的に言うと、誤差はランダムより少しマシな程度、おそらく40%程度です。
すべてを語ることはできませんが、私が見てきた足場モデルもスケーリングなどが必要です。ところで、入力信号の前処理をしないと、どうしてこのようなことができるのか、理解できません。 ほぼ同じシグナルが2つあり、片方の初値がもう片方より10%高いと想像してください。そ して、2番目(同一)のボラティリティは1番目より自動的に10%高くなる。NSやフォレストではどのように対応すればよいのでしょうか?そして、その結果は同じになるのです。
森は、桁違いの値とボラティリティを持つ入力を処理する。
一方は0.00014で、もう一方は41548.3で、ノードで分割する。
そして、NSのためには、すべてのインプットを同じ規模に縮小する必要があるのです。
時間割の読み方について、従来の読み方とは逆に、特別な読み方はありますか?フォンエリブラリウス、家長もまともに読めなかったし、よくわからない。
私はただ、これらのチャートで見たことを書いただけだ...そこから結論を導き出すことはできない。
で、具体的には、誤差はランダムよりわずかに良く、おそらく40%程度のオーダーです
それがどうした?何がいけないんですか?10分だとすべてがわからなくなるし、1時間だと想像もつかない)。
森は、価値とボラティリティが桁違いな入力を消化する。
一方は例えば0.00014のノードで、もう一方は41548.3のノードで分割されます。
そして、NSのためには、すべての入力を1つの尺度に落とし込む必要があるのです。
意識はしていません。私は見た森についてしか話していません。オデッサ全体が言わないからだ。