Does it seem like you had missed getting rich during the recent crypto craze? Fret not, the international financial markets continue their move rightwards every day. You still have your chance. But successful traders all agree emotions have no place in trading — if you are ever to enjoy a fortune attained by your trading, better first make...
基本的にボットの部品を探したり、自分用に動画を書いたりしています。
実を言うと、私はまだ、あらゆるところからほんの少しづつ、直接的にとても役に立つものを借りた記事はありません。そうですね......いつも借りられるものがあるわけではないことは確かです......。
しかし、CatBoostについては、他のモデルと同様、時系列には あまり適さないでしょう。すべてのモデルは、サンプリング履歴におけるパターン（シート）の再現性、サンプリング中の分布が考慮されていないのです。
いつも借りられるものがないのは理解できるのですが...。
しかし、CatBoostについては、他のモデルと同様に、時系列にはあまり適していないようです。これらのモデルはすべて、サンプル履歴上のパターン（シート）の再現性、サンプル上の分布、が考慮されていません。
どのような意味で考慮されていないのでしょうか？ 一部のパターンのサンプリング不足？
積み重ねることが可能です。
実は、それ自体がとてもクールで便利なもので、しかもどんどん改良されているんです。ほぼすべての項目でxgboostを超えたと言われています。しかし、まだ未解決の問題です。時系列には 何が良いのでしょうか？
どのような点が考慮されていないのでしょうか？ 一部のパターンのサンプリングが不足していること？
溜めることができる
私が理解する限り、CatBoostは一般的にサンプリングアルゴリズムでランダムウィンドウを取り、64の値への分割を計算します（ただ、これがカテゴリ予測変数に適用されるかどうかはわかりません）。
重要なのは、ほとんどのアルゴリズムでは、1/10のサンプルで葉の活性化が起こったか、すべてのサンプルに分布しているかは気にしないことです。私は、分布はすべてのサンプルにあるべきで（例えば1/5で10-15%以下）、経済的指標を 統計的に考慮する必要があると信じています。
一般的に、それ自体が非常にクールでユーザーフレンドリーであり、しかも常に改善されています。ほぼ全ての項目でxgboostを追い抜いたと言われています。しかし、まだ未解決の問題です。時系列NSとブースティングでは、どちらが優れているのでしょうか？
先ほども言いましたが、開発者の意見では、予測変数が同じ測定単位で似ている場合は、NSの方が良いとされていますが、私は帰国子女を持っていませんが、NSを試してみてはいかがでしょうか。
先ほども言いましたが、開発者によると、予測因子同士が同じ単位で類似している場合はNSの方が良いそうですが、私はちょうど再帰を持っていないのですが、NSを試してみてはいかがでしょうか？
NSを試してみようかな。 正確にはリカレントなものとその修正がインクリメントに適している、後で試してみようかな。
Recurrenceのものとその改造は、インクリメントに適しているので、後で試してみます。
何でも可能です、やってみることです。
最後のビデオについてですが、コードでは興味が変わらないというのは納得できません。pythonとMOで力を試すだけの人の方が見ていて面白いし、質問もメリットになるかもしれませんね。とはいえ、観客にはわかりにくいかもしれませんし、そう、すべてが一度にそうなるわけではありません。
フィックスについて - 増分を選択する際に、ランダムではなく、さまざまな線形式を試したほうがいいのでは？1から10までのオフセットを持つ3つのリターンと、10から50までのオフセットを持つ30つのリターンを用意すべきかもしれません。
ちょっと批判）マキシム私は***理解できない...。
ヒント：コードを見ないと、そこで何を思い浮かべるか理解できない。だから、各ビデオのコードをブログかどこかに掲載し、ファイルなしでオープンソースだけにしてください。
コードにコメントを入れる。そして、コードの断片を実際に適用し、何かを推論することができるようになります。でも、今のところ、声に出して反省しているだけのビデオクリップです）。
追伸：グラフのスケールを 調整する、ブラウザでしか動かないライブラリは何ですか？
すべてがコードでできるわけではありませんが...。
例えば、保留中の注文を 出すこと（その変種もある）
ちょっと批判）マキシム私は***理解できない...。
ヒント：コードを見ないと、そこで何を思い浮かべるか理解できない。だから、各ビデオのコードをブログかどこかに掲載し、ファイルなしでオープンソースだけにしてください。
コードにコメントを入れる。そして、コードの断片を実際に適用し、何かを推論することができるようになります。でも、今のところは声に出して反省しながらビデオクリップを見るだけです）。
追伸：グラフのスケールを 調整する、ブラウザだけで動作するライブラリは何ですか？
すべてのコードに答えるのは気が狂いそうだ、時間が足りない
あとで中級編を投入します。
https://kernc.github.io/backtesting.py/