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 1...160316041605160616071608160916101611161216131614161516161617...3399 新しいコメント Maxim Dmitrievsky 2020.03.06 13:16 #16091 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 2020.03.06 13:27 #16092 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 2020.03.06 13:39 #16093 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 2020.03.06 16:10 #16094 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 2020.03.06 16:25 #16095 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 2020.03.06 16:30 #16096 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 2020.03.06 18:45 #16097 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 2020.03.06 18:49 #16098 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 2020.03.06 18:56 #16099 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 2020.03.06 19:06 #16100 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? 1...160316041605160616071608160916101611161216131614161516161617...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
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。
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。
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。
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...。
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。
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。
:)) 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...。
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 :))
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。
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?