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 154 1...147148149150151152153154155156157158159160161...3399 新しいコメント Alexey Burnakov 2016.10.12 09:13 #1531 J.B: コンボリューションネットワークやリカージョンネットワークがそれだけですべてをやってくれると期待するのは、かつてグレイルターキーと考えられていたのと同じで、ナイーブな考えである。決して甘い考えではないのです。それは、検索の方向性です。また、必ずしもニューラルネットワーク である必要はありません。つまり、時系列の価格の過去の値から、実際のフォワードテストの時間軸に関係なく、利益を生む(コストを克服する)取引に十分な情報を引き出すことができる、というものである。 このテーマについて、いくつかのチャートも掲載します。現在、記事のための資料を作成しているところです。PS:個人的には、オーバートレーニングにつながるすべての要因を考慮し、最も保守的で信頼できるモデル条件を取ろうとすると、年間30~40%以上(最大ドローダウン25%)は絞り込めないことが判明しました。しかし、すでにヘッジファンドの利回りの中央値を超えている。時系列に基づくテクニカル分析によって長期的に得られるとされるその他の宇宙的な利益は、すべて嘘である。 mytarmailS 2016.10.12 09:20 #1532 fxsaber 何年も前からMQLに搭載されています。どこを見ればいいのか=======cp don't see :) fxsaber 2016.10.12 09:22 #1533 mytarmailS: どこを見ればいいのか 上にリンクを貼っておきました。 mytarmailS 2016.10.12 09:28 #1534 J.B:1)考え方はまずまず正しいが、通貨ペアだけでなく、商品、株式、先物、オプションも使うべき。2) 老子は「知る者-黙れ、語る者-知らず」というアルゴトレーダーの言葉を残した)))1) はい、これは一般的な考えです。その規模でやるには億万長者でなければなりませんし、オーダーログだけでもかなりの費用がかかります。私は市場に対して少し違った見方をしています。私はまだパターンに固執しています。価格はすでにすべての面倒を見ています。あなたがやるよりも安価で簡単な方法で有益な市場予測を立てることができると思います。そのためには、市場の仕組みを理解し、形式的でないものを形式化できることが必要です。私が学んだら、共有します......仕組みは理解できたので、あとは形式化するのみです。2)たくさん... mytarmailS 2016.10.12 09:57 #1535 fxsaber 上にリンクを貼っておきました。相互相関や私が説明したアプローチについての言及はなく、単なるポートフォリオ・トレーディング、それだけでした......。 J.B 2016.10.12 09:59 #1536 アレクセイ・ブルナコフ今ならわかるよ。私の観測と一致しています。私はこれをミラーリングと呼んでいます(これについては、後ほどグラフを掲載する予定です)。n分足の値上がりを予測するには、同じn分足で時間をさかのぼった方が説明力が高いことがわかります。しかし、それ以上に、どの地平線を予測する力が最も大きいかについて、非常に広範なデータを持っているのです。4~5%という数字はどこから来ているのか?どのように算出するのですか?予測変数の有意性、R^2、相互情報量? これは、この因子がある場合の分類品質の利得を経験的に推定したもので、この因子がないと、単純に、非線形多因子システムにおける相互情報と決定性が信頼できない働きをします。そして、4-5%という数字はドグマではなく、「すべての市場」と「情報の流れ」を使って、ある商品の価格のダイナミクスを無視して、ある地平線のためにその将来を予測できること、<5%悪化すること、それだけなのだ、と理解しなければならない。つまり、将来の資産の前上昇を予測する1分間の確率が例えば70%であれば、予測した系列の価格を分析用データから除外すると70 - (70-50)*0.5 = 69%となり、ほぼ差分のノイズ限界内に収まります。まあ、もちろん市場だけでなく、世界中の市場のリアルタイムデータがあれば、インサイダーもなく、一つの商品の価格だけなら・・・どんなAIであれ、そんなデータで市場を叩くより、ターミネーターを作る方が簡単なんですけどね。 fxsaber 2016.10.12 10:01 #1537 mytarmailS: 相互相関や私が説明したアプローチについては、ポートフォリオ・トレーディングというだけで、何も見つからなかったのですが...。共分散行列とその後の相関行列への移行は、このMQLのリソースのどこかにありました。この行列は、BPにウィンドウを移したときに、とても速く計算されたことだけは覚えています。おそらく、Rでも行われているのでしょう。そして、あなたが言っていた偏差値は、そのまま端末に表示されました。聞けば、誰かが教えてくれるはずだ。 mytarmailS 2016.10.12 10:03 #1538 fxsaber共分散行列に続いて相関行列が、このMQLのリソースのどこかにあったのです。この行列は、ウィンドウをBPにシフトしたときに、非常に速く計算されたことだけは覚えています。おそらく、Rでも行われているのでしょう。そして、あなたが言っていた偏差値は、端末にそのまま表示されました。聞けば、誰かが教えてくれるはずだ。 もちろんそうです :) しかし,共分散行列はクロスオーバーではありません :) fxsaber 2016.10.12 10:11 #1539 mytarmailS: もちろんそうです :) しかし共分散行列は相互相関ではありません :)好きなツールを使っていいんです。なんなら、真正面から相互相関でやってくれ。それは、「異常値」を見つけて、それを「バランス」に向けてトレードすることでした。 fxsaber 2016.10.12 10:12 #1540 mytarmailS: はい、もちろん です。) そうでしょうか。証明したくてもできないでしょう。 1...147148149150151152153154155156157158159160161...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
コンボリューションネットワークやリカージョンネットワークがそれだけですべてをやってくれると期待するのは、かつてグレイルターキーと考えられていたのと同じで、ナイーブな考えである。
決して甘い考えではないのです。それは、検索の方向性です。また、必ずしもニューラルネットワーク である必要はありません。つまり、時系列の価格の過去の値から、実際のフォワードテストの時間軸に関係なく、利益を生む(コストを克服する)取引に十分な情報を引き出すことができる、というものである。
このテーマについて、いくつかのチャートも掲載します。現在、記事のための資料を作成しているところです。
PS:個人的には、オーバートレーニングにつながるすべての要因を考慮し、最も保守的で信頼できるモデル条件を取ろうとすると、年間30~40%以上(最大ドローダウン25%)は絞り込めないことが判明しました。しかし、すでにヘッジファンドの利回りの中央値を超えている。時系列に基づくテクニカル分析によって長期的に得られるとされるその他の宇宙的な利益は、すべて嘘である。
何年も前からMQLに搭載されています。
どこを見ればいいのか
=======
cp don't see :)
どこを見ればいいのか
1)考え方はまずまず正しいが、通貨ペアだけでなく、商品、株式、先物、オプションも使うべき。
2) 老子は「知る者-黙れ、語る者-知らず」というアルゴトレーダーの言葉を残した)))
1) はい、これは一般的な考えです。その規模でやるには億万長者でなければなりませんし、オーダーログだけでもかなりの費用がかかります。私は市場に対して少し違った見方をしています。私はまだパターンに固執しています。価格はすでにすべての面倒を見ています。あなたがやるよりも安価で簡単な方法で有益な市場予測を立てることができると思います。そのためには、市場の仕組みを理解し、形式的でないものを形式化できることが必要です。私が学んだら、共有します......
仕組みは理解できたので、あとは形式化するのみです。
2)たくさん...
上にリンクを貼っておきました。
相互相関や私が説明したアプローチについての言及はなく、単なるポートフォリオ・トレーディング、それだけでした......。
今ならわかるよ。
私の観測と一致しています。私はこれをミラーリングと呼んでいます(これについては、後ほどグラフを掲載する予定です)。n分足の値上がりを予測するには、同じn分足で時間をさかのぼった方が説明力が高いことがわかります。
しかし、それ以上に、どの地平線を予測する力が最も大きいかについて、非常に広範なデータを持っているのです。
4~5%という数字はどこから来ているのか?どのように算出するのですか?予測変数の有意性、R^2、相互情報量?
これは、この因子がある場合の分類品質の利得を経験的に推定したもので、この因子がないと、単純に、非線形多因子システムにおける相互情報と決定性が信頼できない働きをします。そして、4-5%という数字はドグマではなく、「すべての市場」と「情報の流れ」を使って、ある商品の価格のダイナミクスを無視して、ある地平線のためにその将来を予測できること、<5%悪化すること、それだけなのだ、と理解しなければならない。つまり、将来の資産の前上昇を予測する1分間の確率が例えば70%であれば、予測した系列の価格を分析用データから除外すると70 - (70-50)*0.5 = 69%となり、ほぼ差分のノイズ限界内に収まります。まあ、もちろん市場だけでなく、世界中の市場のリアルタイムデータがあれば、インサイダーもなく、一つの商品の価格だけなら・・・どんなAIであれ、そんなデータで市場を叩くより、ターミネーターを作る方が簡単なんですけどね。
相互相関や私が説明したアプローチについては、ポートフォリオ・トレーディングというだけで、何も見つからなかったのですが...。
共分散行列とその後の相関行列への移行は、このMQLのリソースのどこかにありました。
この行列は、BPにウィンドウを移したときに、とても速く計算されたことだけは覚えています。おそらく、Rでも行われているのでしょう。
そして、あなたが言っていた偏差値は、そのまま端末に表示されました。聞けば、誰かが教えてくれるはずだ。
共分散行列に続いて相関行列が、このMQLのリソースのどこかにあったのです。
この行列は、ウィンドウをBPにシフトしたときに、非常に速く計算されたことだけは覚えています。おそらく、Rでも行われているのでしょう。
そして、あなたが言っていた偏差値は、端末にそのまま表示されました。聞けば、誰かが教えてくれるはずだ。
もちろんそうです :) しかし共分散行列は相互相関ではありません :)
好きなツールを使っていいんです。なんなら、真正面から相互相関でやってくれ。
それは、「異常値」を見つけて、それを「バランス」に向けてトレードすることでした。
はい、もちろん です。)