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 182 1...175176177178179180181182183184185186187188189...3399 新しいコメント Vladimir Perervenko 2016.10.27 11:09 #1811 mytarmailS:RNeatの記事の第4部(最終回)が公開されました...少なくとも一人は読んでみたいと思うはずだ。http://gekkoquant.com/はい、面白いです。M30の見積もりでテストしています。良い結果を得るためには、遺伝子のパラメーターを調整する必要があります。しかし、非常に有望なモデルです。グッドラック mytarmailS 2016.10.27 13:27 #1812 ウラジミール・ペレヴェンコそうですね、面白いですね。M30の見積もりでテストしています。良い結果を得るためには、遺伝子のパラメーターを調整する必要があります。しかし、非常に有望なモデルです。グッドラック 興味を持ってくれてうれしいよ、何か研究や論文を教えてくれるかもしれないね...。私自身もこのグリッドを見たことがなく、まだうーんとぼんやりしていますが、これも空虚なアルゴリズムではなく、イミフです...。 toxic 2016.10.27 14:16 #1813 mytarmailS: シンプルにやればいいじゃないか群衆を見つけ、大物を見つけ...私は "簡単に "すべてがすでに私たちの前に盗まれていると思う、私は唯一の中小投機家を理解するように、この "群衆 "についてあまりにも一般的であり、投機家のほかにも投資家やヘッジャーと国間の転送のすべての種類があり、多くの位置は、したがって、反対であり、群衆を形成することができない、それは小さな投機家の行動を見つける方法と理由は明らかではありません。 toxic 2016.10.27 14:28 #1814 ivanivan_11 です。グラフィカルなパターンやインジケータを探すのはあきらめなければならない。間違いなく誰もが経験することですが、誰もがそれを卒業するわけではありません。人生も同じで、ほとんどの人は10代の考え方を卒業することはありません。ivanivan_11 です。は、ここで興味深い解決策を述べています。https://www.mql5.com/ru/forum/96886/page2#comment_2866637しかし、大企業がどのように入札を行い、どのように約定し、大きなマージンや氷山が発生した後に価格がどのように動くか、などのパターンを探せば、そのようなことがわかるはずです。株ではECN+ダークプールが多すぎて難しいかもしれませんね。面白いテーマですね、ありがとうございます。 mytarmailS 2016.10.27 15:27 #1815 毒性中小の投機家だけでも、投機家の他に投資家やヘッジャー、あらゆる種類の国を越えた移動、多くのポジション群衆の中にある...imhoとあなたも私も、不愉快かもしれませんが......。 toxic 2016.10.27 16:25 #1816 mytarmailS:これぞ群雄割拠...。imhoとあなたも私も、不愉快かもしれませんが......。もし、あなたの観客にビッグプレーヤーやスマートマネーが含まれているならば、そのような観客と対戦することは無駄なことです。 Mihail Marchukajtes 2016.10.27 17:09 #1817 再び、分割の話をするとき、ここで最初の信号が正しい、その後2つの間違った信号と電流であるネットワークの仕組みの典型的な例です。私たちが見るように4番目の信号は、第二と第三が偽であったとして、すなわち、彼らはひっくり返す必要があり、それはあまりにも、前の二つとは異なっているので、最後に、ひっくり返す必要があり、その後計画に従う......。そう、最初の買いシグナルが出るとマイナスになるのですが、2つ目の買いシグナルは前のマイナスと同じクラスに属しているので逆転し、最後の売りシグナルは前の2つと違って、違うクラスに名前が変わっているのです。そして、それらがマイナスなら、今回はプラスになるはずです。ネットワークがミスして信号のミラーリングを始めたとしても、分割が安定していることが最大のポイントです。だから、こんな風になるんですね...。 Dr. Trader 2016.10.27 18:46 #1818 ウラジミール・ペレヴェンコそうですね、面白いですね。M30の見積もりでテストしています。良い結果を得るためには、遺伝子のパラメーターを調整する必要があります。しかし、非常に有望なモデルです。グッドラック数ヶ月前にrneatで作業モデルを作ろうとしましたが、うまくいきませんでした、モデルもオーバートレーニングになっています。最初の世代はOOSで少し成功するかもしれませんが、トレーニングが長くなればなるほど、SampleとOOSでの結果の相関は少なくなります。そして、その学習が止まる瞬間というのは、クロスバリデーションでもなかなかつかめないものなのです。記事中の例についてですが、私の結果は著者のものと全く異なっています。OOSのモデルは、1年ほどプラスで取引していましたが、その後、残高が2割ほど減り、取引を停止しています。結果は、利益はそれほどでもないのですが、著者のもののように「5年間利益が出続ける」ということはありません。マーケットで何をしたらいいかわからない場合、彼らは正しいアプローチで正しい方向を使うことを提案します。だから、この記事は怪しい。 mytarmailS 2016.10.27 19:26 #1819 Dr.トレーダー 数ヶ月前にrneatで動くモデルを作ろうとしたのですが、うまくいかず、モデルもオーバートレーニング気味です。最初の世代はOOSで少し成功するかもしれませんが、トレーニングが長くなればなるほど、SampleとOOSでの結果の相関は少なくなります。そして、その学習が止まる瞬間というのは、クロスバリデーションでもなかなかつかめないものなのです。記事中の例についてですが、私の結果は著者のものと全く異なっています。OOSのモデルは、1年ほどプラスで取引していましたが、その後、残高が2割ほど減り、取引を停止しています。結果は、利益はそれほどでもないのですが、著者のもののように「5年間利益が出続ける」ということはありません。もし、著者が使っているこれらの予測因子(米国政府の指標)を取るなら、時間がかかりすぎて信用できない。だから、この記事全体が疑問なのだ。私も明日から試してみます...。私も自分のデータで試してみたいのですが、予測変数がたくさんあると時間がかかるのでは......。学習曲線は長かったですか? これが最後です。 Dr. Trader 2016.10.27 19:33 #1820 ヴィザード_。 ヒントのある皮肉。作画は手描きです。こういうマシンで割っても問題ないし、クーラーもある。要は、将来的にうまくいくように...ということですね。最初の2つのグラフは本当にシンプルで、どんなモデルでもこのように空間を分割することができるでしょう。しかし、そう簡単に2つのターゲットにグループ化するような予測因子を見つけることは不可能だと私は思います。3番目のチャートは、より現実的なFXのチャートです。しかし、このあたりからモデルは完全に行き詰まり始めるだろう。 2つのFXインジケータを使った例を見つけて、モデルを学習させ、空間分割のマップを描きたかったのですが、できませんでした、2つのインジケータは少なすぎます。 このように例を示すとわかりやすいですね。http://playground.tensorflow.org。 ニューロニクスでもこのようなチャートを見ることができます。3つ目のグラフにあるような「クラスの島」はすべて、モデル上では明確な円形の境界を持ちません。その間に橋が架かったり、違う方向に枝分かれしたり、いろいろあるでしょう。 クラスの境界を手で描くのは簡単ですが、モデルだともっとひどい出来になります。だから、私はあなたの絵が好きなのです。このような予測因子とターゲットとモデルがあれば、すべてがうまくいく、というのはなかなかありません。SVMを試してみようかな。同じクラスの領域を空間的に分割するのがそんなにいいなら、スーパー、ヒントをありがとう。 1...175176177178179180181182183184185186187188189...3399 新しいコメント 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
RNeatの記事の第4部(最終回)が公開されました...
少なくとも一人は読んでみたいと思うはずだ。
http://gekkoquant.com/
はい、面白いです。
M30の見積もりでテストしています。良い結果を得るためには、遺伝子のパラメーターを調整する必要があります。
しかし、非常に有望なモデルです。
グッドラック
そうですね、面白いですね。
M30の見積もりでテストしています。良い結果を得るためには、遺伝子のパラメーターを調整する必要があります。
しかし、非常に有望なモデルです。
グッドラック
mytarmailS:
シンプルにやればいいじゃないか群衆を見つけ、大物を見つけ...
私は "簡単に "すべてがすでに私たちの前に盗まれていると思う、私は唯一の中小投機家を理解するように、この "群衆 "についてあまりにも一般的であり、投機家のほかにも投資家やヘッジャーと国間の転送のすべての種類があり、多くの位置は、したがって、反対であり、群衆を形成することができない、それは小さな投機家の行動を見つける方法と理由は明らかではありません。
グラフィカルなパターンやインジケータを探すのはあきらめなければならない。
間違いなく誰もが経験することですが、誰もがそれを卒業するわけではありません。人生も同じで、ほとんどの人は10代の考え方を卒業することはありません。
は、ここで興味深い解決策を述べています。https://www.mql5.com/ru/forum/96886/page2#comment_2866637
しかし、大企業がどのように入札を行い、どのように約定し、大きなマージンや氷山が発生した後に価格がどのように動くか、などのパターンを探せば、そのようなことがわかるはずです。株ではECN+ダークプールが多すぎて難しいかもしれませんね。
面白いテーマですね、ありがとうございます。
中小の投機家だけでも、投機家の他に投資家やヘッジャー、あらゆる種類の国を越えた移動、多くのポジション
群衆の中にある...imhoとあなたも私も、不愉快かもしれませんが......。
これぞ群雄割拠...。imhoとあなたも私も、不愉快かもしれませんが......。
もし、あなたの観客にビッグプレーヤーやスマートマネーが含まれているならば、そのような観客と対戦することは無駄なことです。
再び、分割の話をするとき、ここで最初の信号が正しい、その後2つの間違った信号と電流であるネットワークの仕組みの典型的な例です。私たちが見るように4番目の信号は、第二と第三が偽であったとして、すなわち、彼らはひっくり返す必要があり、それはあまりにも、前の二つとは異なっているので、最後に、ひっくり返す必要があり、その後計画に従う......。そう、最初の買いシグナルが出るとマイナスになるのですが、2つ目の買いシグナルは前のマイナスと同じクラスに属しているので逆転し、最後の売りシグナルは前の2つと違って、違うクラスに名前が変わっているのです。そして、それらがマイナスなら、今回はプラスになるはずです。ネットワークがミスして信号のミラーリングを始めたとしても、分割が安定していることが最大のポイントです。
だから、こんな風になるんですね...。
そうですね、面白いですね。
M30の見積もりでテストしています。良い結果を得るためには、遺伝子のパラメーターを調整する必要があります。
しかし、非常に有望なモデルです。
グッドラック
数ヶ月前にrneatで作業モデルを作ろうとしましたが、うまくいきませんでした、モデルもオーバートレーニングになっています。最初の世代はOOSで少し成功するかもしれませんが、トレーニングが長くなればなるほど、SampleとOOSでの結果の相関は少なくなります。そして、その学習が止まる瞬間というのは、クロスバリデーションでもなかなかつかめないものなのです。
記事中の例についてですが、私の結果は著者のものと全く異なっています。OOSのモデルは、1年ほどプラスで取引していましたが、その後、残高が2割ほど減り、取引を停止しています。結果は、利益はそれほどでもないのですが、著者のもののように「5年間利益が出続ける」ということはありません。マーケットで何をしたらいいかわからない場合、彼らは正しいアプローチで正しい方向を使うことを提案します。だから、この記事は怪しい。
数ヶ月前にrneatで動くモデルを作ろうとしたのですが、うまくいかず、モデルもオーバートレーニング気味です。最初の世代はOOSで少し成功するかもしれませんが、トレーニングが長くなればなるほど、SampleとOOSでの結果の相関は少なくなります。そして、その学習が止まる瞬間というのは、クロスバリデーションでもなかなかつかめないものなのです。
記事中の例についてですが、私の結果は著者のものと全く異なっています。OOSのモデルは、1年ほどプラスで取引していましたが、その後、残高が2割ほど減り、取引を停止しています。結果は、利益はそれほどでもないのですが、著者のもののように「5年間利益が出続ける」ということはありません。もし、著者が使っているこれらの予測因子(米国政府の指標)を取るなら、時間がかかりすぎて信用できない。だから、この記事全体が疑問なのだ。
私も明日から試してみます...。
私も自分のデータで試してみたいのですが、予測変数がたくさんあると時間がかかるのでは......。
学習曲線は長かったですか? これが最後です。
ヒントのある皮肉。作画は手描きです。こういうマシンで割っても問題ないし、クーラーもある。要は、将来的にうまくいくように...ということですね。
最初の2つのグラフは本当にシンプルで、どんなモデルでもこのように空間を分割することができるでしょう。しかし、そう簡単に2つのターゲットにグループ化するような予測因子を見つけることは不可能だと私は思います。
3番目のチャートは、より現実的なFXのチャートです。しかし、このあたりからモデルは完全に行き詰まり始めるだろう。
2つのFXインジケータを使った例を見つけて、モデルを学習させ、空間分割のマップを描きたかったのですが、できませんでした、2つのインジケータは少なすぎます。
このように例を示すとわかりやすいですね。http://playground.tensorflow.org。 ニューロニクスでもこのようなチャートを見ることができます。3つ目のグラフにあるような「クラスの島」はすべて、モデル上では明確な円形の境界を持ちません。その間に橋が架かったり、違う方向に枝分かれしたり、いろいろあるでしょう。
クラスの境界を手で描くのは簡単ですが、モデルだともっとひどい出来になります。だから、私はあなたの絵が好きなのです。このような予測因子とターゲットとモデルがあれば、すべてがうまくいく、というのはなかなかありません。
SVMを試してみようかな。同じクラスの領域を空間的に分割するのがそんなにいいなら、スーパー、ヒントをありがとう。