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 1787 1...178017811782178317841785178617871788178917901791179217931794...3399 新しいコメント Valeriy Yastremskiy 2020.05.21 11:11 #17861 Aleksey Vyazmikin：私は裸の増分を使用しません - 本質的に相対的な正規化された指標だけです。 モデルの性能に関する予測因子と、特定のモデルを適用することの好ましさを判断するための予測因子を混在させることに意味はない。一方のモデルは好感度を、もう一方はTCそのものを判断するべきだと思うのです。そして、そのような好条件をトレーニングするためのマークアップの問題が残ります。そのためには、TSが効果的に機能する閾値を定義する必要があるのです。これは、例えばエラーバランスや利益の伸びなど、何らかの指標となり得るものです。したがって、分類は1週間、少なくとも1日単位で判断する必要があります。 もちろん、相対的な指標を使うべきですが。裸のスケールで我々は考えなければならない)))差分よりも相対性理論が正しい))) シリーズの大きな特徴とTCの設定は、当然ながら目的が異なるので、混同することはできません。しかし、それらは相互に関連しています。あるシリーズのTC設定の良し悪し。サイクルとランダム性必要な状態、最適なTSを見つける。しかし、この組み合わせがベストというわけではありません。また、さらに最適な系列を探しても、前の系列と一致しないことがあります))) 指標の問題は、逆からやったほうがいいんです。最大平均値から、梅）相対的な単位で。効率の閾値ではなく、性能とドレインゾーンを求めているのです。 分類はすべてのデータで行うべきである。分単位、時間単位で仕事をするという考え方は、本質的に間違っているのです。現時点での作品。これは分単位や時間単位での分析であり、私の考えでは判断の誤りであり、間違いの元です。 Valeriy Yastremskiy 2020.05.21 11:27 #17862 mytarmailS:ここに謎はない。 1) TCの有利な期間と不利な期間を決める必要がある。つまり、通常のバイナリ形式と同じY = 0000111100000でターゲット「Y」を作成する。 2) 変数を作成し、"市場の特性 "を反映させる。公正で公平なDSP、特にスペクトル解析は、ここで役に立つでしょう。 DSPから、どんな複雑な信号でも正弦波の和で記述できることがわかっています。正弦波は振幅、周波数、位相の3つのパラメータしか持っていません。この正弦波の和というかパラメータは市場の特性として捉えることができ、客観性を持つことになるでしょう。 難しい場合は、価格と分類の「Y」のデータを用意していただければ、自分でコードを作成し、取引に有利な条件を見分けることができるかどうか確認します。 期間そのものは、何も教えてくれません。これらの期間を分類するために使用される、意味のある特徴を定義することが必要である。 変数にロジックがあるはずです。ない場合は、エラーを検出する方法がありません。論理がなければ経験的にやるしかなく、確率は確かにあるけれども小さい。Sinusoidsは、その意味を理解すると便利です。 現在のデータから学習するという問題については、基準によって、データが履歴によって分類されるか、されないか、であるべきです。歴史と現在のデータで系列の重要な特性を学習した結果を比較する必要がありますが、もし組み合わせが新しいものであれば、エラーのリスクは高まります。 mytarmailS 2020.05.21 11:38 #17863 Valeriy Yastremskiy：期間そのものは、何も提供しない。これらの時代を分類するために、意味のある特徴を明らかにする必要があります。 変数にロジックがあるはずです。ロジックがない場合は、エラーを検出することができません。論理がなければ経験的にやるしかなく、確率は確かにあるけれども小さい。Sinusoidsは、その意味を理解すると便利です。 現在のデータから学習するという問題については、基準によって、データが履歴によって分類されるか、されないか、であるべきです。我々は、歴史と現在のデータでシリーズの重要な特性の学習結果を比較する必要があり、組み合わせが新しい場合、エラーのリスクが増加します。 これは生理とは関係ない、そんなこと言ったっけ？何もわかっていない！ AFR（振幅-周波数応答）は、関数、この場合は市場の客観的な特性である。 Aleksey Vyazmikin 2020.05.21 12:14 #17864 mytarmailS:ここに謎はない。 1) TCの有利な期間と不利な期間を決める必要がある。つまり、通常のバイナリ形式と同じY = 0000111100000でターゲット「Y」を作成する。 2) 変数を作成し、"市場の特性 "を反映させる。公正で公平なDSP、特にスペクトル解析は、ここで役に立つでしょう。 DSPから、どんな複雑な信号でも正弦波の和で記述できることがわかっています。正弦波は振幅、周波数、位相の3つのパラメータしか持っていません。この正弦波の和というかパラメータは市場の特性として捉えることができ、客観性を持つことになるでしょう。 もし難しければ、価格と分類のための "Y "のデータを用意してくれれば、自分でコードを作って、取引に有利な条件を見分けられるかどうかチェックしますよ、このテーマは私にとっても興味深いですから 謎解きに積極的に参加していただき、ありがとうございます 先ほど質問された指標については、具体的なTORはあるのでしょうか？すべての計算が可能です。 プロット分類のアイデアの実装を見ると、1分足バーごとに予測をすると余計なノイズが入りすぎるので、再トレーニングや調整をせずに、ある程度固定した時間枠を用意することになると思うのですが。 マークアップについては、まだ明確ではありません。基準を理解するというか、品質を評価するためのさまざまな基準を実験してみる必要があります。 このアイデアをATCの開発という観点から実現するために、自分自身にメモをしました - 17番へ :)ですから、すぐに問題が解決するわけではなく、どのように問題を解決し、どのように結果を確認するかを決める必要があるのです。 多分、MT5で、適用する予定のDSPをベースにしたツールを作って、何が出てくるか、もうここで？ Valeriy Yastremskiy 2020.05.21 12:14 #17865 mytarmailS:生理は関係ないだろ、そんなこと言ったか？あなたは何も理解していない、振幅-周波数応答（ AFR）は、関数の客観的な特性であり、この場合には、市場 1）有利な期間ではなく、TSの期間を特定する必要があります、つまり、同じ通常のバイナリ形式Y = 0000111100000でターゲット "Y "を作成します。 2) 変数を作成し、"市場の特性 "を反映させる。ここで役立つのがDSP、特にスペクトル解析です。 一般的に、私はAFCシリーズに反対しているわけではありません。良い時期とそうでない時期を関連付けることができれば。空燃比だけでは、他の必要な特性との関係で、必ずしも客観的なシリーズ特性にはなりません。 分解は問題ではなく、つながりを見つけることが問題なのです。 Aleksey Vyazmikin 2020.05.21 12:16 #17866 Valeriy Yastremskiy：もちろん、相対的な数値はそうでなければならない。裸眼では、スケールを考慮しなければならないでしょう)) 。相対性理論は差より真なり))) シリーズの意味ある特性とTCの設定は、当然ながら目的が異なるので、混同することはあり得ません。しかし、それらは相互に関連しています。あるシリーズのTC設定の良し悪し。サイクルとランダム性必要な状態、最適なTSを見つける。しかし、この組み合わせがベストというわけではありません。また、さらに最適な系列を探しても、前の系列と一致しないことがあります))) 指標の問題は、逆からやったほうがいいんです。最大平均値から、梅）相対的な単位で。効率の閾値ではなく、性能とドレインゾーンを求めているのです。 分類はすべてのデータで行うべきである。分単位、時間単位で仕事をするという考え方は、本質的に間違っているのです。現時点での作品。分や1時間単位の時間枠の分析であり、私の考えでは判断の誤りであり、間違いのもとです。 分単位の分析も可能です。ただ、予測は長い期間、あるいは出来事や状況が起こる前、変化する前にしてほしいのです。その中の1つのマイクロトレンドを捉えて、反転時にストップを積み重ねるようなことはしたくない。 Aleksey Vyazmikin 2020.05.21 12:19 #17867 mytarmailS:しかし、どのようにYをカウントする？ ちょうど利益によって、おそらく最良の選択肢ではありませんが、エントリポイントが重要です...すべての利益は良いエントリポイントから、エントリと出口の間の範囲から取得されていません。 だから、この時はシステムのエントリーポイントとマーケットのパラメーターだけが必要なことがわかった． AMOはTSからのエントリーシグナルを受けて、ポジションを建てるかどうか判断することが判明しました そう考えると怖いですが、うちのみっちゃんは常にそういう傾向でした)) これが問題なのです。エントリーポイントが必要なのか、それともレンジなのか...。エントリーポイントが必要なのか、レンジが必要なのか、これが問題です。 エントリーポイントに縛られるのは嫌ですね。すべてのTSがエントリーポイントで簡単に決まるわけではないし、エグジットポイントが設定されている場合もありますから。参加者にとって有利なエリア全体で有効だと想定してTSを決定する必要がありますね。 Valeriy Yastremskiy 2020.05.21 12:41 #17868 Aleksey Vyazmikin：分単位の分析も可能です。ただ、予測は長い期間、あるいは出来事や状況が変わるまでにしてほしいですね。例えば、今日は横ばいになりそうだと予測した場合、その中の1つのマイクロトレンドを捉えて、反転時にストップを回収しても意味がないのです。 解析は、すべてのティックに 行う必要があります。それがないと、単純にできないんです。隙間などナンセンス。予測は過去のデータにしかできないので、システムが現状を認識できていない場合（過去のデータと受信データの比較）が重要で、システムによる学習済み、未学習の状態であることが重要です。 Aleksey Vyazmikin：これは、エントリーポイントが必要なのか、それともやはりレンジなのか...という問題です。エントリーポイントに縛られるのは、すべてのTSがエントリーポイントで簡単に決まるわけではないし、出口もたくさんあるかもしれないからです。すべての有利な領域で有効であることを前提に、現場でのTSを決めるべきでしょう。 そして、レンジとエントリーポイント。別途期待値が低下する )))) mytarmailS 2020.05.21 14:10 #17869 Valeriy Yastremskiy：1) TCに有利な期間と不利な期間を定義する必要がある。つまり、通常のバイナリ形式と同じY = 0000111100000でターゲット「Y」を作成する。 2) 変数を作成し、"市場の特性 "を反映させる。公正で公平なそこで活躍するのがDSP、特にスペクトル解析です。 あ、そうか、発想が悪かったですね、発振周期とかではなく、単なる部分、有利な領域は Valeriy Yastremskiy：ただ、周波数特性は必ずしも客観的な特性ではありません。 実はいつもそうなんです（笑)。 Valeriy Yastremskiy：分解が問題なのではなく、つながりを見つけることが問題なのです。 実験することなく、それが歌詞になる。 Aleksey Vyazmikin：エントリーポイントが必要なのか、それともやはりレンジが必要なのか、そこが問題です...。エントリーポイントに縛られるのは嫌だ。すべてのTSがエントリーポイントで簡単に決まるわけではないし、出口もたくさんあるかもしれない。すべての有利な領域で有効であることを前提に、現場でのTSを決めるべきだろう。 知らない、考えない、やってみない。 私にとって入り口はもっとシンプルで客観的なものです。 Valeriy Yastremskiy 2020.05.21 15:41 #17870 mytarmailS:あ、そうそう、間違えました、生理と言ったのではありません、変動とかではなく、ただの斑点、好都合な斑点の はずです。 実はいつも) 実験がなければ、それは叙情詩です。 見て、セクションを選択し、すべてのタイムポイントでこれらのセクションの振幅-周波数特性の違いを見ることは容易であり、その違いをキャッチする必要があります。 1...178017811782178317841785178617871788178917901791179217931794...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
私は裸の増分を使用しません - 本質的に相対的な正規化された指標だけです。
モデルの性能に関する予測因子と、特定のモデルを適用することの好ましさを判断するための予測因子を混在させることに意味はない。一方のモデルは好感度を、もう一方はTCそのものを判断するべきだと思うのです。そして、そのような好条件をトレーニングするためのマークアップの問題が残ります。そのためには、TSが効果的に機能する閾値を定義する必要があるのです。これは、例えばエラーバランスや利益の伸びなど、何らかの指標となり得るものです。したがって、分類は1週間、少なくとも1日単位で判断する必要があります。
もちろん、相対的な指標を使うべきですが。裸のスケールで我々は考えなければならない)))差分よりも相対性理論が正しい)))
シリーズの大きな特徴とTCの設定は、当然ながら目的が異なるので、混同することはできません。しかし、それらは相互に関連しています。あるシリーズのTC設定の良し悪し。サイクルとランダム性必要な状態、最適なTSを見つける。しかし、この組み合わせがベストというわけではありません。また、さらに最適な系列を探しても、前の系列と一致しないことがあります)))
指標の問題は、逆からやったほうがいいんです。最大平均値から、梅）相対的な単位で。効率の閾値ではなく、性能とドレインゾーンを求めているのです。
分類はすべてのデータで行うべきである。分単位、時間単位で仕事をするという考え方は、本質的に間違っているのです。現時点での作品。これは分単位や時間単位での分析であり、私の考えでは判断の誤りであり、間違いの元です。
ここに謎はない。
1) TCの有利な期間と不利な期間を決める必要がある。つまり、通常のバイナリ形式と同じY = 0000111100000でターゲット「Y」を作成する。
2) 変数を作成し、"市場の特性 "を反映させる。公正で公平なDSP、特にスペクトル解析は、ここで役に立つでしょう。
DSPから、どんな複雑な信号でも正弦波の和で記述できることがわかっています。正弦波は振幅、周波数、位相の3つのパラメータしか持っていません。この正弦波の和というかパラメータは市場の特性として捉えることができ、客観性を持つことになるでしょう。
難しい場合は、価格と分類の「Y」のデータを用意していただければ、自分でコードを作成し、取引に有利な条件を見分けることができるかどうか確認します。
期間そのものは、何も教えてくれません。これらの期間を分類するために使用される、意味のある特徴を定義することが必要である。
変数にロジックがあるはずです。ない場合は、エラーを検出する方法がありません。論理がなければ経験的にやるしかなく、確率は確かにあるけれども小さい。Sinusoidsは、その意味を理解すると便利です。
現在のデータから学習するという問題については、基準によって、データが履歴によって分類されるか、されないか、であるべきです。歴史と現在のデータで系列の重要な特性を学習した結果を比較する必要がありますが、もし組み合わせが新しいものであれば、エラーのリスクは高まります。
期間そのものは、何も提供しない。これらの時代を分類するために、意味のある特徴を明らかにする必要があります。
変数にロジックがあるはずです。ロジックがない場合は、エラーを検出することができません。論理がなければ経験的にやるしかなく、確率は確かにあるけれども小さい。Sinusoidsは、その意味を理解すると便利です。
現在のデータから学習するという問題については、基準によって、データが履歴によって分類されるか、されないか、であるべきです。我々は、歴史と現在のデータでシリーズの重要な特性の学習結果を比較する必要があり、組み合わせが新しい場合、エラーのリスクが増加します。
これは生理とは関係ない、そんなこと言ったっけ？何もわかっていない！ AFR（振幅-周波数応答）は、関数、この場合は市場の客観的な特性である。
ここに謎はない。
1) TCの有利な期間と不利な期間を決める必要がある。つまり、通常のバイナリ形式と同じY = 0000111100000でターゲット「Y」を作成する。
2) 変数を作成し、"市場の特性 "を反映させる。公正で公平なDSP、特にスペクトル解析は、ここで役に立つでしょう。
DSPから、どんな複雑な信号でも正弦波の和で記述できることがわかっています。正弦波は振幅、周波数、位相の3つのパラメータしか持っていません。この正弦波の和というかパラメータは市場の特性として捉えることができ、客観性を持つことになるでしょう。
もし難しければ、価格と分類のための "Y "のデータを用意してくれれば、自分でコードを作って、取引に有利な条件を見分けられるかどうかチェックしますよ、このテーマは私にとっても興味深いですから
謎解きに積極的に参加していただき、ありがとうございます
先ほど質問された指標については、具体的なTORはあるのでしょうか？すべての計算が可能です。
プロット分類のアイデアの実装を見ると、1分足バーごとに予測をすると余計なノイズが入りすぎるので、再トレーニングや調整をせずに、ある程度固定した時間枠を用意することになると思うのですが。
マークアップについては、まだ明確ではありません。基準を理解するというか、品質を評価するためのさまざまな基準を実験してみる必要があります。
このアイデアをATCの開発という観点から実現するために、自分自身にメモをしました - 17番へ :)ですから、すぐに問題が解決するわけではなく、どのように問題を解決し、どのように結果を確認するかを決める必要があるのです。
多分、MT5で、適用する予定のDSPをベースにしたツールを作って、何が出てくるか、もうここで？
生理は関係ないだろ、そんなこと言ったか？あなたは何も理解していない、振幅-周波数応答（ AFR）は、関数の客観的な特性であり、この場合には、市場
1）有利な期間ではなく、TSの期間を特定する必要があります、つまり、同じ通常のバイナリ形式Y = 0000111100000でターゲット "Y "を作成します。
2) 変数を作成し、"市場の特性 "を反映させる。ここで役立つのがDSP、特にスペクトル解析です。
一般的に、私はAFCシリーズに反対しているわけではありません。良い時期とそうでない時期を関連付けることができれば。空燃比だけでは、他の必要な特性との関係で、必ずしも客観的なシリーズ特性にはなりません。 分解は問題ではなく、つながりを見つけることが問題なのです。
もちろん、相対的な数値はそうでなければならない。裸眼では、スケールを考慮しなければならないでしょう)) 。相対性理論は差より真なり)))
シリーズの意味ある特性とTCの設定は、当然ながら目的が異なるので、混同することはあり得ません。しかし、それらは相互に関連しています。あるシリーズのTC設定の良し悪し。サイクルとランダム性必要な状態、最適なTSを見つける。しかし、この組み合わせがベストというわけではありません。また、さらに最適な系列を探しても、前の系列と一致しないことがあります)))
指標の問題は、逆からやったほうがいいんです。最大平均値から、梅）相対的な単位で。効率の閾値ではなく、性能とドレインゾーンを求めているのです。
分類はすべてのデータで行うべきである。分単位、時間単位で仕事をするという考え方は、本質的に間違っているのです。現時点での作品。分や1時間単位の時間枠の分析であり、私の考えでは判断の誤りであり、間違いのもとです。
分単位の分析も可能です。ただ、予測は長い期間、あるいは出来事や状況が起こる前、変化する前にしてほしいのです。その中の1つのマイクロトレンドを捉えて、反転時にストップを積み重ねるようなことはしたくない。
しかし、どのようにYをカウントする？ ちょうど利益によって、おそらく最良の選択肢ではありませんが、エントリポイントが重要です...すべての利益は良いエントリポイントから、エントリと出口の間の範囲から取得されていません。
だから、この時はシステムのエントリーポイントとマーケットのパラメーターだけが必要なことがわかった．
AMOはTSからのエントリーシグナルを受けて、ポジションを建てるかどうか判断することが判明しました
そう考えると怖いですが、うちのみっちゃんは常にそういう傾向でした))
これが問題なのです。エントリーポイントが必要なのか、それともレンジなのか...。エントリーポイントが必要なのか、レンジが必要なのか、これが問題です。 エントリーポイントに縛られるのは嫌ですね。すべてのTSがエントリーポイントで簡単に決まるわけではないし、エグジットポイントが設定されている場合もありますから。参加者にとって有利なエリア全体で有効だと想定してTSを決定する必要がありますね。
分単位の分析も可能です。ただ、予測は長い期間、あるいは出来事や状況が変わるまでにしてほしいですね。例えば、今日は横ばいになりそうだと予測した場合、その中の1つのマイクロトレンドを捉えて、反転時にストップを回収しても意味がないのです。
解析は、すべてのティックに 行う必要があります。それがないと、単純にできないんです。隙間などナンセンス。予測は過去のデータにしかできないので、システムが現状を認識できていない場合（過去のデータと受信データの比較）が重要で、システムによる学習済み、未学習の状態であることが重要です。
これは、エントリーポイントが必要なのか、それともやはりレンジなのか...という問題です。エントリーポイントに縛られるのは、すべてのTSがエントリーポイントで簡単に決まるわけではないし、出口もたくさんあるかもしれないからです。すべての有利な領域で有効であることを前提に、現場でのTSを決めるべきでしょう。
そして、レンジとエントリーポイント。別途期待値が低下する ))))
1) TCに有利な期間と不利な期間を定義する必要がある。つまり、通常のバイナリ形式と同じY = 0000111100000でターゲット「Y」を作成する。
2) 変数を作成し、"市場の特性 "を反映させる。公正で公平なそこで活躍するのがDSP、特にスペクトル解析です。
あ、そうか、発想が悪かったですね、発振周期とかではなく、単なる部分、有利な領域は
ただ、周波数特性は必ずしも客観的な特性ではありません。
実はいつもそうなんです（笑)。
分解が問題なのではなく、つながりを見つけることが問題なのです。
実験することなく、それが歌詞になる。
エントリーポイントが必要なのか、それともやはりレンジが必要なのか、そこが問題です...。エントリーポイントに縛られるのは嫌だ。すべてのTSがエントリーポイントで簡単に決まるわけではないし、出口もたくさんあるかもしれない。すべての有利な領域で有効であることを前提に、現場でのTSを決めるべきだろう。
知らない、考えない、やってみない。 私にとって入り口はもっとシンプルで客観的なものです。
あ、そうそう、間違えました、生理と言ったのではありません、変動とかではなく、ただの斑点、好都合な斑点の はずです。
実はいつも)
実験がなければ、それは叙情詩です。
見て、セクションを選択し、すべてのタイムポイントでこれらのセクションの振幅-周波数特性の違いを見ることは容易であり、その違いをキャッチする必要があります。