past values of the same series; and current and past values of the driving (exogenous) series — that is, of the externally determined series that influences the series of interest. In addition, the model contains: which relates to the fact that knowledge of other terms will not enable the current value of the time series to be predicted...
Renkoには戻りたくない、すでに時間を無駄にした、OHLC情報が完全に失われるだけでなく、さらにRenkoのレンガの高さ2つ分のラグが発生する - それは非常にラグがある。
ZigZagも同様でしょうが、特に扱ったことはありません。
OHLCのうち、対応するティックが到着した時点で即座に識別できるのはOのみである。しかし実際には、前のティックの処理に遅れが生じると、オープニングを見逃すことがあります。
この世に完璧はない)
OHLCのうち、Oだけが該当ティックの到着と同時に一義的に特定される。しかし、実際には、前のティックの処理に遅れが生じると、オープニングを見逃すことがあります。
この世に完璧はない)
ここでは、すべてが非常に複雑です。
多くの参加者はバーの始値と終値で作業し、些細な指標と複雑なモデリングと価格を引用する人の操作の両方があります。
高値と安値は、チャンネル、ジグザグ、過去の最大値（最小値）のブレイクダウン、グラフ分析、さらにセタップとパターンの作成 時に意味をなす - これらはすべてあまりにも意味をなします。
アメリカ人はグラフィカルな分析を積極的に使っていますね、数年前に彼らとコミュニケーションしましたから......。しかし、彼らはそれがうまくいかないことも知っている ))))
問題は、一般に市場参加者自身にある。彼らは常に理想的な価格体系を妨げているのだ！」。
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。
ジグザグになった・・・。しかし、3月に入ってからは、3月以前とは比較にならないほど、単純に小さくなっています。以前は30分、1時間かけて膝を作ることができたのが、同じパラメータでボラティリティが高いため、5分でできるようになったのです。だから、3月以前のデータで学習するのは意味がない。今までと何もかもが違う。
やはり、高ボラティリティと低ボラティリティに普遍的なものを考えるべきでしょう。
おそらく波動的な何かでしょう。波は変わらず、幅が広くなっただけです。
ググってみたけど、やっぱり聞いてみたい
オブジェクトマネジメントシステムとして、どのようなニューラルネットワークが 利用できるのか？
少なくともこの例では、NSは、希望する方向の注文をオープンし、テイクとストップロスの値を設定する、つまり3つの制御パラメータ（買い/売り＋TP＋SL）の応答を与える必要があります。
EN: 強化学習
https://github.com/EliteQuant/EliteQuant#quantitative-model
RU: 強化学習
https://www.mql5.com/ru/search#!keyword=%D0%BF%D0%BE%D0%B4%D0%BA%D1%80%D0%B5%D0%BF%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC
パラメータセットとその値が固定されている場合は、通常の分類のように見えますがググってみたけど、やっぱり聞いてみたい
オブジェクトマネジメントシステムとして、どのようなニューラルネットワークが 利用できるのか？
例：NSは、必要な方向の注文をオープンし、テイクとストップロスの値を設定する応答を与える必要があります、つまり、3つの制御パラメータ（買い/売り+ TP + SL）です。
なんて問題を解決しようとしているのでしょう。
これが計画です。
1. 一定時間ごとに値動きの方向を推測するネットワークを作る。
2. P.1があれば、動的に方向を推測する、つまり、最も自信のある方向と時間を出すネットを作る。
3. 2の項目がわかったら、動きの方向と強さを推測する網を作る。
4.3ができたら、方向と強さ＋移動時間を推測する網を作る。
その後、3つのパラメータに移動します。
EN: 強化学習
https://github.com/EliteQuant/EliteQuant#quantitative-model
RU：強化学習
https://www.mql5.com/ru/search#!keyword=%D0%BF%D0%BE%D0%B4%D0%BA%D1%80%D0%B5%D0%BF%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC
パラメータセットとその値が固定されている場合は、通常の分類のように見えますが強化のトレーニングは、もはやしたい、私はフィット、使用するより効果的なランダムGAのテスターを取得していた、少なくとも前方は強化のトレーニングよりも遺伝学によって発見されたTSを渡します。
gitをありがとうございます。
なんという課題を解決しようとしているのでしょうか？
これがその計画です。
1.一定時間後の値動きの方向を推測するネットワークを作る。
2.ステップ1が達成できたなら、動的に方向を推測する、つまり最も自信のある方向と時間を出すネットワークを作る。
3. 2の項目がわかったら、動きの方向と強さを推測する網を作る。
4.3ができたら、方向と強さ＋移動時間を推測する網を作る。
その後、3つのパラメータに移動してください。
RNNネットワークでも、従来の多層パーセプトロンでもいいんです。
タスクはオブジェクトの制御だけです。ニューロコントロールでググってください。Wikiで専門用語を読んでからググってください
RNNネットワークや従来の多層パーセプトロンで十分なのです。
ニューロコントロールでググれば、同じウィキで専門用語が読めるし、さらにググることもできる。
専門家ではないが、一見したところ、このマーケットに対するアプローチは、NARXを 超えるものは得られそうにない。 そしてこのモデルは、常にRNNを介して実装可能なようです。そして、RNNのチューリング完全性は、その充足性にも寄与している。
NARXとRNNの等価性についての記事 です。
専門家ではないが、一見したところ、このマーケットに対するアプローチは、NARXを 超えるものは得られそうにない。 そしてこのモデルは、常にRNNを介して実装可能なようです。そして、TuringによるRNNの完全性は、その充足性にも寄与している。
ググってみたところ、RBF-netを使うべきとのことでした。
具体的には、フォワードテストされた原始的なTSのポートフォリオがあり、各TSは1日以内にタイムバウンドし、TSは時間的に重なる可能性があることです。
テスターのジェネリックでブルートフォースでポートフォリオを最適化するだけでも......。しかし、私はいくつかの知性が必要です)))
ググってみたところ、RBF-networkを使うのがよさそうです。
具体的には、フォワードテストされた原始的なTSのポートフォリオがあり、各TSは1日以内にタイムバウンドし、TSは時間的に重複する可能性があります - 入力データに応じて「ポートフォリオを列挙しようとするもの」が必要 - OHLC
テスターのジェネリックでブルートフォースでポートフォリオを最適化するだけでも......。でも、インテリジェンスが欲しい ))))
このタスクはまだ形式化されていないようで、パラメータのセットが明確ではありません。システムの完全な集合は有限なのか、可算なのか、連続なのか？ポートフォリオのサイズは決まっているのですか？ポートフォリオに含まれるシステムは、何らかのウェイトがあるのか、それともYES/NOだけなのか？