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 1639 1...163216331634163516361637163816391640164116421643164416451646...3399 新しいコメント Aleksey Nikolayev 2020.03.24 09:44 #16381 アレクセイ・ヴャジミキン 全く同感です。 これは私も何度も疑問に思っていたことですが、ある分野におけるシステムのポテンシャルと結果を比較することは必要なことだと思うのです。 どうしたらもっとうまく、普遍的にできるのか、今日ちょうど考えていたところなんです。学習プロセスはいくつかのステップからなるイメージで、まずサンプルのマーキングですが、いくつかのシグナルストラテジーをもとにマーキングしていきます。これらの戦略は原始的であるべきですが、例えば、価格によって交差するMAは、そのようなクロスオーバーまたはその逆の方向にエントリ信号を生成し、可能性を秘めています。そうすると、トレーニングというのは、あくまでも偽信号をフィルタリングするための手段ということになります。この仮定を受け入れると、各時間間隔において、このフィルタリングがどれだけの割合で有効であるかを計算することができる。最も単純なものは、基本戦略に対する分類の精度と完全性を計算することであろう。他の選択肢もある - メトリクスそうすれば、たとえ損をし始めたとしても、モデルの有効性がどのように変化するかを見ることができるのです。 また、原始的ではあるが、意味のあるシステムの完成形をベースにシステムを構築するのも良さそうだ。完全性とは、どのような相場でもこのセットから収益性の高いシステムを選ぶことが可能であることを意味します。意味づけとは、おおよそポテンシャルのことですね。そして、このセットから、時間によってウェイトを変えて、ポートフォリオを組んで行く。 Aleksey Nikolayev 2020.03.24 09:51 #16382 エフゲニー・デューカ 少しは練習しています。前回のトレーニングから1ヶ月以内は、ビットコインが大きく減った後でも、特に変化は感じられません。唯一影響を与えるのは、操作された資産が動いた直後の期間だけで、この間ニューロネットは完全に失われ、無意味なことをしゃべるようになる。 実践してみると、「木は空まで伸びない」ことがよくわかります。遅かれ早かれ、どんなEA/ポートフォリオでもエクイティ/バランスは大幅に減少し始め、それに対して何かをしなければならない。 sibirqk 2020.03.24 12:00 #16383 アレクセイ・ニコラエフ このスレッドでは、非定常性の問題がほとんど無視されていることに、かなり違和感を覚えます。なぜか、過去に見つけたパターンが将来も通用すると思い込んでいて、通用しない場合は過学習が起きていることになる。しかし、ある種のパターンは、時間の経過とともに、徐々に、あるいは飛躍的に機能しなくなることも十分あり得ます（例えば、今回のような危機の結果として）。 私が考える問題点は、IOのパターンが複雑で、人間にはうまく解釈できないことです。もし、性能が悪くなり始めたら、過学習のバリエーションと非定常のバリエーションを（モデル内で）区別することは不可能である。従来の分析では、「トレンドの変化」、「レベル/チャネルのブレークダウン」等と言うことが可能です。 しかし、記号の引用の「物理」を考慮する必要があると思います。その主な特徴は、時系列の 統計的特性を、時には非常に速く、劇的に変化させることだと私は考えています。その意味では、まず履歴を統計的に似たような性質を持つセクションに分類し、例えば1〜20の番号を与えるような分類器を作るのが合理的でしょう。そして、そのような類似したタイプの市場ごとに、個別のTSを作成することです。しかし、このように時系列を似たような統計的特性を持つ区間に分割するための予測因子をどのように考えたらよいのか、よくわからないのです。 Aleksey Nikolayev 2020.03.24 12:40 #16384 sibirqk もちろんイミフですが、私としては金融商品の相場の「物理」に頼るべきだと思っています。その主な特徴は、時系列の 統計的特性が、時には非常に速く、劇的に変化することだと私は考えています。その意味では、まず履歴を統計的に似たような性質を持つセクションに分類し、例えば1〜20の数字を与えるような分類器を作るのが合理的でしょう。そして、そのような類似したタイプの市場ごとに、個別のTSを作成することです。しかし、このように時系列を同じような統計的特性を持つセグメントに分割する際の予測因子をどう考えるか、私にはあまり想像がつきません。 私は通常、このような地域を「マーケットステート」と呼んでいます。それぞれの状態は、プリミティブシステムの ポートフォリオとマッチングさせることができます。市場を状態に区分し、ポートフォリオを比較するために、いくつかの再帰的なネットワークが使えると思います。 Andrey Dik 2020.03.24 13:35 #16385 ミハイル・マルキュカイツ ニューラルネットワーキングを理解しているひよこはどこにいるんだろう。johnnshpokhanの後にそういう話題で暴れられるように、ニューラルネットワーキングに詳しいひよこを探していたんです。首都に移動した方がいいと思うんです。みんなそこに集中しているようです。 普段は、普通のジョナサンシュポハンか、高尚な話を延々とするか、どちらかを選ばなければならないのです。 Igor Makanu 2020.03.24 13:50 #16386 アレクセイ・ニコラエフ それぞれの状態は、いくつかの原始的なシステムの ポートフォリオと一致させることができます。 つまり、価格系列は連続ではなく、区分的連続であるということです - バラティリティにもよりますが、これは通常セッションの実行時間に相当します ということは、ニューラルネットワークに価格系列を渡すだけで学習させることは不可能なのでしょう。 が、価格系列をセッションの時間で割って、-sessionで学習させると、買われすぎの情報を失ってしまう...。ということは、またしても円環は閉じているのでしょうか？- 駄目駄目 Mihail Marchukajtes 2020.03.24 13:52 #16387 アンドレイ・ディク 普段は、普通のジョナサンシュポハンか、高尚な話を延々とするか、どちらかを選ばなければならないのです。 まあ、彼女がオーラルセックスの最中にカットバスターの話で気が散るようなら、当然ながら反対するけどね。でも、一般的に女性が愚かでないなら、それはクールなことです :-) Mihail Marchukajtes 2020.03.24 14:48 #16388 自宅のネット環境が整った時の嬉しさは格別です。乗り越えられないんです。ビールを買ってくる他はどうだ？ 予定はありますか？ Aleksey Nikolayev 2020.03.24 16:39 #16389 イゴール・マカヌ つまり、価格系列は連続ではなく、区分的に連続であるということです。 そのため、単に価格シリーズを提示するだけでは、ニューロネットをトレーニングする望みはゼロに近いと思います。 が、価格系列をセッションの時間で割って、-sessionで学習させると、買われすぎの情報を失ってしまう...。ということは、またしても円環は閉じているのでしょうか？- 駄目駄目 ジグザグやレンコにすれば、セッションのボラティリティ変動は解消されますよね？もちろん、自然な時間構造は損なわれますが、各ニー／ブリックに設定されたインジケータとして、通常の時間を導入することができます。 Igor Makanu 2020.03.24 16:46 #16390 アレクセイ・ニコラエフ セッションのボラティリティ変動は、ジグザグやレンコに変えれば解消されますよね？もちろん、自然な時間構造は損なわれるが、各ニー／ブリックに設定された指標として、通常の時間を導入することは可能である。 OHLCの情報を完全に失うだけでなく、Renkoのレンガの高さの2倍のラグが発生する - それは非常に遅れている ZigZagも同様でしょうが、私は直接扱ったことがありません 1...163216331634163516361637163816391640164116421643164416451646...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
全く同感です。
これは私も何度も疑問に思っていたことですが、ある分野におけるシステムのポテンシャルと結果を比較することは必要なことだと思うのです。
どうしたらもっとうまく、普遍的にできるのか、今日ちょうど考えていたところなんです。学習プロセスはいくつかのステップからなるイメージで、まずサンプルのマーキングですが、いくつかのシグナルストラテジーをもとにマーキングしていきます。これらの戦略は原始的であるべきですが、例えば、価格によって交差するMAは、そのようなクロスオーバーまたはその逆の方向にエントリ信号を生成し、可能性を秘めています。そうすると、トレーニングというのは、あくまでも偽信号をフィルタリングするための手段ということになります。この仮定を受け入れると、各時間間隔において、このフィルタリングがどれだけの割合で有効であるかを計算することができる。最も単純なものは、基本戦略に対する分類の精度と完全性を計算することであろう。他の選択肢もある - メトリクスそうすれば、たとえ損をし始めたとしても、モデルの有効性がどのように変化するかを見ることができるのです。
また、原始的ではあるが、意味のあるシステムの完成形をベースにシステムを構築するのも良さそうだ。完全性とは、どのような相場でもこのセットから収益性の高いシステムを選ぶことが可能であることを意味します。意味づけとは、おおよそポテンシャルのことですね。そして、このセットから、時間によってウェイトを変えて、ポートフォリオを組んで行く。
少しは練習しています。前回のトレーニングから1ヶ月以内は、ビットコインが大きく減った後でも、特に変化は感じられません。唯一影響を与えるのは、操作された資産が動いた直後の期間だけで、この間ニューロネットは完全に失われ、無意味なことをしゃべるようになる。
実践してみると、「木は空まで伸びない」ことがよくわかります。遅かれ早かれ、どんなEA/ポートフォリオでもエクイティ/バランスは大幅に減少し始め、それに対して何かをしなければならない。
このスレッドでは、非定常性の問題がほとんど無視されていることに、かなり違和感を覚えます。なぜか、過去に見つけたパターンが将来も通用すると思い込んでいて、通用しない場合は過学習が起きていることになる。しかし、ある種のパターンは、時間の経過とともに、徐々に、あるいは飛躍的に機能しなくなることも十分あり得ます（例えば、今回のような危機の結果として）。
私が考える問題点は、IOのパターンが複雑で、人間にはうまく解釈できないことです。もし、性能が悪くなり始めたら、過学習のバリエーションと非定常のバリエーションを（モデル内で）区別することは不可能である。従来の分析では、「トレンドの変化」、「レベル/チャネルのブレークダウン」等と言うことが可能です。
しかし、記号の引用の「物理」を考慮する必要があると思います。その主な特徴は、時系列の 統計的特性を、時には非常に速く、劇的に変化させることだと私は考えています。その意味では、まず履歴を統計的に似たような性質を持つセクションに分類し、例えば1〜20の番号を与えるような分類器を作るのが合理的でしょう。そして、そのような類似したタイプの市場ごとに、個別のTSを作成することです。しかし、このように時系列を似たような統計的特性を持つ区間に分割するための予測因子をどのように考えたらよいのか、よくわからないのです。
もちろんイミフですが、私としては金融商品の相場の「物理」に頼るべきだと思っています。その主な特徴は、時系列の 統計的特性が、時には非常に速く、劇的に変化することだと私は考えています。その意味では、まず履歴を統計的に似たような性質を持つセクションに分類し、例えば1〜20の数字を与えるような分類器を作るのが合理的でしょう。そして、そのような類似したタイプの市場ごとに、個別のTSを作成することです。しかし、このように時系列を同じような統計的特性を持つセグメントに分割する際の予測因子をどう考えるか、私にはあまり想像がつきません。
私は通常、このような地域を「マーケットステート」と呼んでいます。それぞれの状態は、プリミティブシステムの ポートフォリオとマッチングさせることができます。市場を状態に区分し、ポートフォリオを比較するために、いくつかの再帰的なネットワークが使えると思います。
ニューラルネットワーキングを理解しているひよこはどこにいるんだろう。johnnshpokhanの後にそういう話題で暴れられるように、ニューラルネットワーキングに詳しいひよこを探していたんです。首都に移動した方がいいと思うんです。みんなそこに集中しているようです。
普段は、普通のジョナサンシュポハンか、高尚な話を延々とするか、どちらかを選ばなければならないのです。
それぞれの状態は、いくつかの原始的なシステムの ポートフォリオと一致させることができます。
つまり、価格系列は連続ではなく、区分的連続であるということです - バラティリティにもよりますが、これは通常セッションの実行時間に相当します
ということは、ニューラルネットワークに価格系列を渡すだけで学習させることは不可能なのでしょう。
が、価格系列をセッションの時間で割って、-sessionで学習させると、買われすぎの情報を失ってしまう...。ということは、またしても円環は閉じているのでしょうか？- 駄目駄目
普段は、普通のジョナサンシュポハンか、高尚な話を延々とするか、どちらかを選ばなければならないのです。
つまり、価格系列は連続ではなく、区分的に連続であるということです。
そのため、単に価格シリーズを提示するだけでは、ニューロネットをトレーニングする望みはゼロに近いと思います。
が、価格系列をセッションの時間で割って、-sessionで学習させると、買われすぎの情報を失ってしまう...。ということは、またしても円環は閉じているのでしょうか？- 駄目駄目
ジグザグやレンコにすれば、セッションのボラティリティ変動は解消されますよね？もちろん、自然な時間構造は損なわれますが、各ニー／ブリックに設定されたインジケータとして、通常の時間を導入することができます。
セッションのボラティリティ変動は、ジグザグやレンコに変えれば解消されますよね？もちろん、自然な時間構造は損なわれるが、各ニー／ブリックに設定された指標として、通常の時間を導入することは可能である。
OHLCの情報を完全に失うだけでなく、Renkoのレンガの高さの2倍のラグが発生する - それは非常に遅れている
ZigZagも同様でしょうが、私は直接扱ったことがありません