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 1610

[Maxim Dmitrievsky]

mytarmailS:

なぜ？

リッチ」なモデルほど悪い？

特に、どの予測変数の組み合わせが良いのか自分でも分からない場合は、可能な限りの選択肢をモデルに投入し、モデルの観点から予測変数の重要性を確認することが正しいのではないでしょうか？

そんなことはないんです。

[Farkhat Guzairov]

mytarmailS:

すみません、サポートとレジスタンスのレベルという意味です

当初、支持線と 抵抗線を特定するタスクはなかったため、正式なトレーニングデータには含まれていない。簡単なパターンベースのシグナルシステム（パターン）を持っています。

[Aleksey Vyazmikin]

mytarmailS:

理論的な質問があります

モデルを近似させる目標関数がある

1000個とします。

つまり、予測変数がたくさんある場合、それらを均等に分割し、100として、10のモデルを学習させることができるのかということです。

そして、これら10個のモデルの出力が、予測因子として新しいモデルに供給される。1000個の予測因子に対して初期学習された1つのモデルを一度に使うのと同等になるのでしょうか？

何か、違うような気がするのですが、ご意見をお聞かせください。

問題は、どの予測因子がより良いキーとなるのかが分からないことです。正しく決めたセットで、いろいろなバリエーションをやることになりますね。ツリーモデルから土着の予測因子を除外する際にも、同じようなことをします。既存のモデル自体が効果的であれば、それらを統合することで全体の仕上がりが良くなることもありますし、葉っぱの場合はグループ化という形で行っています。

[Alexander_K2]

マキシム・ドミトリエフスキー

ハロー、マックス！

戻ってこれてよかった...どこかでワーロックを見ませんでしたか？つまらない...。

[Maxim Dmitrievsky]

Alexander_K2 です。

ハロー、マックス！

戻ってこれてよかった...どこかでワーロックを見ませんでしたか？つまらない...。

ねえ、長いヒゲの人、タダ飯の列に並んでる？昨日も見たような気がする。

[Alexander_K2]

マキシム・ドミトリエフスキー

あれ、タダ飯に並んでる長いヒゲの人？昨日も見たような気がする。

:)) マーケットにおける時間の支配的な役割を確認したfxsaberの研究についてはどう思いますか？研究は続けているのですか？私にとってはパラドックスです。テストではすべてが素晴らしいのに、実際には同じように見えてしまう...。まだまだこれからです。

[Maxim Dmitrievsky]

Alexander_K2 です。

:)) マーケットにおける時間の優位性を確認したfxsaberの研究をどう思われますか？研究は続けているのですか？テストではうまくいっているのに、実際にやってみるとうまくいかない......という矛盾があります。まだ考え中です。

リンクはありますか？

手つかず

[Alexander_K2]

マキシム・ドミトリエフスキー

ついていけないのですが、リンクはありますか？

私はまだ何もしていない

最初に見つけたのがこちら。

トレーディング、自動売買システム、トレーディング戦略のテストに関するフォーラム

適切なTSのいくつかの兆候

fxsaber, 2020.03.05 13:02

入力としてbid/ask/time_mscシリーズのみのTSを見ていることを明確にしたいと思います。他にはありません。そして、このTSはオプティマイザーによってチューニングされています。

似たような投稿もありましたが、-見るのが億劫で...。

[Alexander_K2]

マキシム・ドミトリエフスキー

まだ何もしていないんです。

マックス、FXを完全に辞めたなんてビックリさせないでよ...。それは非常に悲しいことです...。すべてはこれからです :))

[Evgeny Dyuka]

mytarmailS:

理論的な質問があります

モデルを近似させる目標関数がある

1000個とします。

つまり、予測変数がたくさんある場合、それらを均等に分割し、100として、10のモデルを学習させることができるのかということです。

そして、これら10個のモデルの出力が、予測因子として新しいモデルに供給される。1000個の予測因子に対して初期学習された1つのモデルを一度に使うのと同等になるのでしょうか？

ないような気がするが、意見を聞いてみたい。

予測因子というのが特徴量ということであれば、一般的には等価にはならないと思います。理論上1000個学習させることができるモデルが、100個学習させることができないのは、データ不足が原因であることがほとんどです。
そもそも、なぜこのようなことをしなければならないのかが不明です。フェッチは、モデルに最小限の十分なデータセットを与えるという基準で選択されます。元々ミニマムなものなので、後からどう割り切れるか？