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 1496

[Maxim Dmitrievsky]

mytarmailS:

大雑把に言うとそうですね。http://gekkoquant.com/2014/09/07/hidden-markov-models-examples-in-r-part-3-of-4/ の すべての根拠となった記事はこちらです。

そして、ここに記事中の例のコードスニペットを掲載します。

データ処理とビジュアライゼーションを取り除けば、そう、コードは3行になります。

例えば、bulmarketやbearmark、bulmarktはここから来ています。つまり、最初に何らかのデータ前処理が必要なのです。

そして、ビタビとフォワード・バックワードという2種類のアルゴリズムで経路を計算します。わからないから読んでみる。

Pythonでは、lib hmmlearrnで次のようになります。

>>> import numpy as np
>>> from hmmlearn import hmm
>>> np.random.seed(42)
>>>
>>> model = hmm.GaussianHMM(n_components=3, covariance_type="full")
>>> model.startprob_ = np.array([0.6, 0.3, 0.1])
>>> model.transmat_ = np.array([[0.7, 0.2, 0.1],
...                             [0.3, 0.5, 0.2],
...                             [0.3, 0.3, 0.4]])
>>> model.means_ = np.array([[0.0, 0.0], [3.0, -3.0], [5.0, 10.0]])
>>> model.covars_ = np.tile(np.identity(2), (3, 1, 1))
>>> X, Z = model.sample(100)

[Ilya Antipin]

現在、http://gekkoquant.com/2016/10/23/evolving-neural-networks-through-augmenting-topologies-part-4-of-4-trading-strategy からトポロジーを補強することでニューラルネットを進化さ せることに取り組んでいる。

RNeatのパッケージをdevtoolsでリモートインストールできず、代替手段のremotes(remotes::install_github)を使っています。MT4用のスクリプトはほぼ完成しています。複雑な前処理による変換は除外して、まずは生データでやってみる。また、予測変数の数を任意に設定できるようにしました。何か面白いものが出てきたら、すぐにお知らせします。

FXデータ用のRスクリプトの例を添付します。分析対象シンボルはUSDJPY-H1です。初期データ：直近の価格とRSIの10回分の遅れ。

[mytarmailS]

イリヤ・アンチピン

RNeatが私のインジケーターでどのように機能するかぜひ見てみたい。

[Ilya Antipin]

mytarmailS:

よく知られている指標の使用とさえ固定期間と腐ったアイデアですが、彼らは単に存在しないため、アルゴリズムがそこに任意のパターンを見つけることはありません、市場はダイナミック、フラクタル（相互に囲まれた構造）を持って、我々は考慮にフラクタル、少なくとも若干適切である指標を必要とする間接的であっても

私もそう思います。ZigZagインジケータで良い結果が得られました。直近の極値またはその派生値（直近の極値の未完成価格を含む）をフィードします。指標は学習セットから各インスタンスに対して計算され、つまり、再形成をしないバリアントを生成する。この指標は、多かれ少なかれ満足のいく結果を示している、取引可能な唯一の指標である。

[mytarmailS]

イリヤ・アンチピン
私もそう思います。ZigZagインジケータで良い結果が得られました。直近の極値またはその派生値（直近の極値の未完成価格を含む）をフィードします。指標は学習セットから各インスタンスに対して計算され、つまり、再形成をしないバリアントを生成する。この指標は、多かれ少なかれ満足のいく結果を示している、取引可能な唯一の指標である。

もし私が正しかったら、私もほぼ同じことをしましたが、違うアルゴリズムで、方向ではなく、ターニング・ニーを予測しました。私がどのように価格を処理したかは、ここに書きました。https://www.mql5.com/ru/forum/86386/page1476。

[Ilya Antipin]

RNeatパッケージの研究についての第一印象。まず、モデルの計算に非常に時間がかかり、コンピュータの演算能力に厳しいこと。2つ目は、ターゲットを入力しても完璧な結果が得られないことです。予測変数の重要度を直接評価しない、特異な学習メカニズムを持っているようだ。

[mytarmailS]

イリヤ・アンチピン
ターゲットを入力しても、完璧な結果が得られているのかどうかわからない。

よくわからないのですが...。もう少し具体的に教えてください。

p.s. で、ターゲットは何だったんですか？ コードを見てもわからなかったんですが、利益の最大化ですか？

[Ilya Antipin]

mytarmailS:

私の理解が正しければ、私もほぼ同じことをしましたが、異なるアルゴリズムで、方向ではなく、ターニング・ニーを予測しました。私は、価格https://www.mql5.com/ru/forum/86386/page1476 をどのように処理したかをここに書きました。

この効果について、市場説明をすることができます。相場の反転点（トレンドの転換点）では、より強い（ファンダメンタル）価格決定要因の発現に伴う需給バランスの変化がある。このような過去の異なるポイント間の数学的関係には、将来のポイントを技術的に予測するための貴重な情報が含まれているかもしれない。

[mytarmailS]

イリヤ・アンチピン
この効果については、市場で説明することができる。相場の反転点では、より強い（ファンダメンタル）価格決定要因の発現に伴う需給バランスの変化がある。もしかしたら、過去の異なるポイント間の数学的関係には、将来のポイントを技術的に予測するための貴重な情報が含まれているかもしれない。

もっとシンプルに考えてもよさそうなものだが...。重要な価格の極値だけを残し、それ以外をすべて削除し、さらに方向ではなく極値の痕跡だけを予測するのであれば、多くのノイズからデータを取り除き、ニューラルネットワークの自由度を下げることになり、そのためにありがたいことです

[Ilya Antipin]

mytarmailS:

もっとシンプルに考えてもよさそうなものだが...。重要な価格の極値だけを残してそれ以外を捨て、さらに方向を予測せず、極値の痕跡だけを予測すると、多くのノイズからデータを浄化できず、ニューラルネットワークの自由度が下がるので、その分、ありがたいのですが......。

確かに、極値を使うことでデータの次元が下がり、学習結果にも良い影響を与えますね。