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 1590 1...158315841585158615871588158915901591159215931594159515961597...3399 新しいコメント Aleksey Nikolayev 2020.01.11 14:41 #15891 アンドレイ この記事は5年ほど前に読みましたが、面白いのですが、あまり追加情報がありません。著者はより「便利な」ボラティリティ指標を得るためにOHLCで何かをしているのですが、原理的には新しいものではなく、前世紀に遡るクラシックなDacorogna "An introduction to high-frequency finance" では、RMS値ではなく平均絶対リターンをボラティリティ指標とするよう勧められています。また，ボラティリティの予測可能性はよく知られており，季節性と慣性の2つの要因に依存し，その影響力は95％を占める。しかし、(log)リターンをボラティリティに応じて整列させても、何も得られません。 例えば、ガウシアンノイズを取った場合、定常性に関係なく以前のサンプルを使って次のものを予測することは当然できませんが、例えばその系列を整理して、分布は変わらないが完全に予測できるようにすれば、ダイナミックボラティリティを広い範囲で遊んで、非定常だが簡単に予測できるようにすることができるのです。 1つの時間枠ではなく、いくつかの時間枠でこのようなことを行い、その結果を、同様の分散を持つガウス型SBにあるべき姿と比較することに意味がある。 Maxim Dmitrievsky 2020.01.11 14:57 #15892 アレクセイ・ニコラエフ 厳密さが必要であれば、例えば リターンの対数という広い意味での定常性の欠如について述べていると考えることができる。 https://github.com/BlackArbsCEO/mixture_model_trading_public/blob/master/notebooks/current_public_notebooks/03_Are_Gaussian_Mixture_Components_More_Stationary_2019-01-01.ipynb BlackArbsCEO/mixture_model_trading_public BlackArbsCEOgithub.com Contribute to BlackArbsCEO/mixture_model_trading_public development by creating an account on GitHub. Андрей 2020.01.11 15:08 #15893 アレクセイ・ニコラエフ 1つのタイムフレームではなく、あるセグメントでこれらをすべて行い、その結果を、同じような分散を持つガウス型SBにあるべき姿と比較することに意味があります。 帰国者の分布については、平均化という些細な理由から、時間枠が大きくなるほどガウス分布になることが非常に重要である（非正規分布を集約すると正規分布になることは誰もが覚えていることである）。実際の市場の「ランダム」な出来事は、注文や 取引によって、ベスト（askbid）が変化するだけで、1分でもティックの集約によって分布が変わり、ガウス分布に近くなる（均一分布からガウス分布にするには12回の反復が必要）、本当の市場の分布はティック分布だけで、正規分布では全くないのである。 Maxim Kuznetsov 2020.01.11 15:24 #15894 アンドレイ 帰国者の分布については、平均化という些細な理由から、時間枠が大きくなるほどガウス分布になることが非常に重要である（非正規分布の集合が正規分布になることは周知の通りである）。市場の本当の「ランダム」な事象は、注文を出したり、 取引をしたりすることによって、ベスト（askbid）が変化するだけで、1分間でもティックの集積によって分布が変わり、ガウス分布に近くなる（12回の反復で均一分布がガウス分布になる）、本当の市場分布はティック分布だけ で、正規分布では全くないのである。 通貨は、それさえも本物ではありません。より正確には、全く実在しないし、全く「普通」ではない（分布の観点からもそうでない）。 なぜなら、中心がないからです。ダニの発生源は一つではなく、ユーザーの手元に届く保証はありません。特定のサーバーの「仮想的な刻みの流れ」は他のサーバーの集合体であるだけでなく、この流れは技術的な理由でサーバーと端末の両方で間引かれる。 ティックのスタット特性は、特定のDC、その仲間、そのソフトウェアに依存します。 Aleksey Nikolayev 2020.01.11 15:33 #15895 アンドレイ 帰国者の分布については、平均化というありふれた理由から、時間軸が長くなるほどガウス分布になることが非常に重要である（非正規分布の集合が正規分布になることは誰もが覚えていることである）。市場の本当の「ランダム」な事象は、注文を出したり引いたり、取引をしたりすることで、ベスト（askbid）が変化するだけで、1分間でもティックの集約によって分布がガウス分布に近くなり（12回の反復で一様なガウス分布に変化）、本当の市場分布はティック分布のみで、正規分布では全くありません。 しかし、刻みのレベルでは、より正しいモデルはポアソン過程のいくつかの変形、例えば、ジャンプの離散分布と非一定時間関数を持つ複合ポアソン過程です。しかし、これは現実の取引時間の離散性を無視したものである。 ヒストグラムの形状は、どの領域に遭遇するかによって異なります（Maxim Dmitrievskyは、混合物について上記のように書いています）。時には、ヒストグラムが二重ハンプしてしまうことさえあるのです。 Maxim Dmitrievsky 2020.01.11 15:34 #15896 完全なマルコフモデルをmetacに転送する方法を知らないので、アイデアは、Pythonですべての季節成分をクラスタリングし、次にクラスタを予測する単純なMOHを学習し、テストサンプルでテストすることです。そして端末に転送する。これが爆弾3号となる。 各クラスタは一定の分散とマトロイドを持つことが期待される。 Boris 2020.01.11 15:40 #15897 マキシム・ドミトリエフスキー 完全なマルコフモデルをmetacに転送する方法を知らないので、アイデアは、Pythonですべての季節成分をクラスタリングし、次にクラスタを予測する単純なMOHを学習し、テストサンプルでテストすることです。そして端末に転送する。これが爆弾3号となる。 各クラスタは一定の分散とマトロイドを持つことが期待される。 どちらも広くない範囲で浮いているとしても、それも大したことないと思います Maxim Kuznetsov 2020.01.11 15:42 #15898 マキシム・ドミトリエフスキー 完全なマルコフモデルをmetacに転送する方法を知らないので、アイデアは、Pythonですべての季節成分をクラスタリングし、次にクラスタを予測する単純なMOHを学習し、テストサンプルでテストすることです。そして端末に転送する。これが爆弾3号となる。 各クラスタは一定の分散とマトロイドを持つことが期待される。 ボンバ5号は、特定のレートが等間隔で繰り返されるトレンドムーブメントです。しかし、4番も通過しなければならない Igor Makanu 2020.01.11 15:56 #15899 アレクセイ・ニコラエフ それでも、ティックレベルでは、より正しいモデルは、ポアソンプロセスのいくつかのバリエーション、例えば、ジャンプの離散分布と可変強度（一定時間関数ではない）を持つ複合ポアソンプロセスです）。 多くの理由でうまくいかないでしょうし、長い間研究されてきたことですし、DCサーバーによるティックフィルタリングどころではありません これは私が知っているものですhttps://www.mql5.com/ru/forum/102066/page9#comment_2968124 この写真では、矢印が異常値である。 このようなティックは常に存在するもので、これが市場の仕組みです。 そして、ティックのジャンプについてのあなたの仮定に従うならば、あなたはこれらのスパイクを考慮しますが、これらのティックはちょうどさらなる動きの方向を形成しない、せいぜい彼らはバーの高/低で発生します。 Privalのティックインジケーターのスクリーンショットが見つからなかったのですが、このようなスパイクを表現するのに非常に優れています。 一つの可能性として、MMはしばしば見積もりフローに時間差でasc/bidを混ぜることがありますが、これは本当の見積もりです！このような場合、asc/bidはasc/bidの間に位置し、asc/bidはasc/bidの間に位置します。))) Maxim Dmitrievsky 2020.01.11 15:57 #15900 マキシム・クズネツォフ Bomba #5は、特定のテンポが一定間隔で繰り返されるトレンドムーブメントです。しかし、4番も通過する必要があります すでにボムナンバー2に入っています :) 1...158315841585158615871588158915901591159215931594159515961597...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
この記事は5年ほど前に読みましたが、面白いのですが、あまり追加情報がありません。著者はより「便利な」ボラティリティ指標を得るためにOHLCで何かをしているのですが、原理的には新しいものではなく、前世紀に遡るクラシックなDacorogna "An introduction to high-frequency finance" では、RMS値ではなく平均絶対リターンをボラティリティ指標とするよう勧められています。また，ボラティリティの予測可能性はよく知られており，季節性と慣性の2つの要因に依存し，その影響力は95％を占める。しかし、(log)リターンをボラティリティに応じて整列させても、何も得られません。
例えば、ガウシアンノイズを取った場合、定常性に関係なく以前のサンプルを使って次のものを予測することは当然できませんが、例えばその系列を整理して、分布は変わらないが完全に予測できるようにすれば、ダイナミックボラティリティを広い範囲で遊んで、非定常だが簡単に予測できるようにすることができるのです。
1つの時間枠ではなく、いくつかの時間枠でこのようなことを行い、その結果を、同様の分散を持つガウス型SBにあるべき姿と比較することに意味がある。
厳密さが必要であれば、例えば リターンの対数という広い意味での定常性の欠如について述べていると考えることができる。
https://github.com/BlackArbsCEO/mixture_model_trading_public/blob/master/notebooks/current_public_notebooks/03_Are_Gaussian_Mixture_Components_More_Stationary_2019-01-01.ipynb
1つのタイムフレームではなく、あるセグメントでこれらをすべて行い、その結果を、同じような分散を持つガウス型SBにあるべき姿と比較することに意味があります。
帰国者の分布については、平均化という些細な理由から、時間枠が大きくなるほどガウス分布になることが非常に重要である（非正規分布を集約すると正規分布になることは誰もが覚えていることである）。実際の市場の「ランダム」な出来事は、注文や 取引によって、ベスト（askbid）が変化するだけで、1分でもティックの集約によって分布が変わり、ガウス分布に近くなる（均一分布からガウス分布にするには12回の反復が必要）、本当の市場の分布はティック分布だけで、正規分布では全くないのである。
帰国者の分布については、平均化という些細な理由から、時間枠が大きくなるほどガウス分布になることが非常に重要である（非正規分布の集合が正規分布になることは周知の通りである）。市場の本当の「ランダム」な事象は、注文を出したり、 取引をしたりすることによって、ベスト（askbid）が変化するだけで、1分間でもティックの集積によって分布が変わり、ガウス分布に近くなる（12回の反復で均一分布がガウス分布になる）、本当の市場分布はティック分布だけ で、正規分布では全くないのである。
通貨は、それさえも本物ではありません。より正確には、全く実在しないし、全く「普通」ではない（分布の観点からもそうでない）。
なぜなら、中心がないからです。ダニの発生源は一つではなく、ユーザーの手元に届く保証はありません。特定のサーバーの「仮想的な刻みの流れ」は他のサーバーの集合体であるだけでなく、この流れは技術的な理由でサーバーと端末の両方で間引かれる。
ティックのスタット特性は、特定のDC、その仲間、そのソフトウェアに依存します。
帰国者の分布については、平均化というありふれた理由から、時間軸が長くなるほどガウス分布になることが非常に重要である（非正規分布の集合が正規分布になることは誰もが覚えていることである）。市場の本当の「ランダム」な事象は、注文を出したり引いたり、取引をしたりすることで、ベスト（askbid）が変化するだけで、1分間でもティックの集約によって分布がガウス分布に近くなり（12回の反復で一様なガウス分布に変化）、本当の市場分布はティック分布のみで、正規分布では全くありません。
しかし、刻みのレベルでは、より正しいモデルはポアソン過程のいくつかの変形、例えば、ジャンプの離散分布と非一定時間関数を持つ複合ポアソン過程です。しかし、これは現実の取引時間の離散性を無視したものである。
ヒストグラムの形状は、どの領域に遭遇するかによって異なります（Maxim Dmitrievskyは、混合物について上記のように書いています）。時には、ヒストグラムが二重ハンプしてしまうことさえあるのです。
完全なマルコフモデルをmetacに転送する方法を知らないので、アイデアは、Pythonですべての季節成分をクラスタリングし、次にクラスタを予測する単純なMOHを学習し、テストサンプルでテストすることです。そして端末に転送する。これが爆弾3号となる。
各クラスタは一定の分散とマトロイドを持つことが期待される。
完全なマルコフモデルをmetacに転送する方法を知らないので、アイデアは、Pythonですべての季節成分をクラスタリングし、次にクラスタを予測する単純なMOHを学習し、テストサンプルでテストすることです。そして端末に転送する。これが爆弾3号となる。
各クラスタは一定の分散とマトロイドを持つことが期待される。
完全なマルコフモデルをmetacに転送する方法を知らないので、アイデアは、Pythonですべての季節成分をクラスタリングし、次にクラスタを予測する単純なMOHを学習し、テストサンプルでテストすることです。そして端末に転送する。これが爆弾3号となる。
各クラスタは一定の分散とマトロイドを持つことが期待される。
それでも、ティックレベルでは、より正しいモデルは、ポアソンプロセスのいくつかのバリエーション、例えば、ジャンプの離散分布と可変強度（一定時間関数ではない）を持つ複合ポアソンプロセスです）。
多くの理由でうまくいかないでしょうし、長い間研究されてきたことですし、DCサーバーによるティックフィルタリングどころではありません
これは私が知っているものですhttps://www.mql5.com/ru/forum/102066/page9#comment_2968124 この写真では、矢印が異常値である。
このようなティックは常に存在するもので、これが市場の仕組みです。
そして、ティックのジャンプについてのあなたの仮定に従うならば、あなたはこれらのスパイクを考慮しますが、これらのティックはちょうどさらなる動きの方向を形成しない、せいぜい彼らはバーの高/低で発生します。
Privalのティックインジケーターのスクリーンショットが見つからなかったのですが、このようなスパイクを表現するのに非常に優れています。 一つの可能性として、MMはしばしば見積もりフローに時間差でasc/bidを混ぜることがありますが、これは本当の見積もりです！このような場合、asc/bidはasc/bidの間に位置し、asc/bidはasc/bidの間に位置します。)))
Bomba #5は、特定のテンポが一定間隔で繰り返されるトレンドムーブメントです。しかし、4番も通過する必要があります
すでにボムナンバー2に入っています :)