114個の予測因子をとって、なんとなく6個を選んで、モデルを学習させたら、どのターゲットが良いのか結論が出ますよね。しかし、この得られた結果は局所的な最大値に過ぎない。16本先を予測するにはユーロスドの方が優れている」とグローバルに言うのではなく、「114個の予測因子のセット」と言うだけでいいのです。(pre1, pre2, pre3,...) using gbm best predicts price direction through 16 bars".
114個の予測因子をとって、なんとなく6個を選んで、モデルを学習させたら、どのターゲットが良いのか結論が出ますよね。しかし、この得られた結果は局所的な最大値に過ぎない。16本先を予測するにはユーロスドの方が優れている」とグローバルに言うのではなく、「114個の予測変数のセット」と言うだけでいいのです。(pre1, pre2, pre3,...) using gbm best predicts price direction through 16 bars".
凍結しているからです。
申し訳ありませんが、質問と答えが同じです。
判断するためには、分類器の出力の値を何か、例えば閾値と比較する必要があるので、このユーモアは理解できません。また、あなたの問題の定式化では、何らかの理由で比較可能な値が不明であり、分類に必要のない値だけが知られているので、それを明確にするのがよいでしょう。
数日分の計算が完了しました(FXで選択した6つの予測因子(114のうち)に関するモデル)。
こちらがタイトル写真です。テストボックスで最良(同指標による)とされたモデルの、バリデーションでの回帰精度(L1ノルムでカウント:絶対 誤差値の 総和)の分布。
各ボックスには99個の値があり、それぞれ一意の検証サンプルで計量1 - sum(abs(X-Y))/sum(abs(X-mean(X))) を行っています。R^2に類似している、なるほど、そうなんですね。
得られた合計は8908モデル...。研究対象のすべての機器とターゲットについて。
平均0.2%のエラー削減(のみ)。しかし、それは重要なことです...各モデルに固有の検証用サンプルが生成された。
発表したい研究ばかり。さらに、モデルMOの推定など、論理的な終わりまで続きます。MQLではありませんが)公開する場合は、ここでやりとりしている何人かの人にリンクを渡したり、自分のプロフィールに掲載したりします。
そして、そこにも。実用的な観点からは、もっと面白い絵が描けます。テストブロック(クロスバリデーション内)とバリデーションにおけるモデルの数学的期待値の関係。
ここで、正の相関が有意であるかどうか(負の相関は全く合理的に説明できないので)、検証時にMPOに正の値があるかどうかを直ちに確認する必要がある。まあ、ご自分の目で確かめてください。
99点はモデルです。
これは、なぜ99%の素朴なトレーダーが負けるのかを示す良い例だ...。
そして、この支店は、トレーディングにおける機械学習が、理論に過ぎないということを明確に示す良い例です...。
何日もかけて計算を終えました。
私はあなたの研究に従います、非常に有益な、投稿していただきありがとうございます。しかし、このような複雑な問題をうまく解いても、準備作業を怠ってしまい、結果的に台無しになってしまうような気がするのです。つまり、予測変数の選択を無視しているのです。
114個の予測因子をとって、なんとなく6個を選んで、モデルを学習させたら、どのターゲットが良いのか結論が出ますよね。しかし、この得られた結果は局所的な最大値に過ぎない。16本先を予測するにはユーロスドの方が優れている」とグローバルに言うのではなく、「114個の予測因子のセット」と言うだけでいいのです。(pre1, pre2, pre3,...) using gbm best predicts price direction through 16 bars".
gbmの代わりにneuronicsを摂取した場合、最適なターゲットが異なってきます。他の114の予測値を使えば、最適なターゲットはまた違ってきます。114の予測変数は、他のすべての実験が依存する重要なベースであり、あなたは何の準備もなく天井からそれを取り出したのです。
約半年前にSanSanychは、彼の予測ファイルを掲載しました。その特徴は、ガラケーのモデルのほとんどは誤差が小さく、新しいデータが来ても誤差が大きくならないことです。任意のセグメントでモデルを学習し、残りのデータでosテストを実行しても、何も劣化していないことが確認できます。予測因子とターゲットが非常に関連しているため、モデルはどのバーでもそれらの間の唯一の可能な関係を見つけることができること。
これを再現しようとしているのです。私は1万以上の初期予測因子(mt5とは異なるパラメータとラグを持つ指標)を使用し、ターゲットバーとの唯一の可能な接続を持つようにそれらを選択することを学びます。私は、このような相関のある予測因子とターゲットを決定する、あるいは見つける能力こそが、真の聖杯へのポインタであると信じているので、同じ実験をすることをお勧めします。
MQL5では、最近Expert Advisorジェネレーターが利用可能になりました。必要な指標のリストを選択すると、コード付きのExpert Advisorがすぐに作成され、さらにそれを遺伝学で簡単に最適化できます。 このようなExpert Advisorでは、20の指標があり、機械学習モデルは全くありません(あるのは、それぞれの指標に割り当てられた重要度係数だけです)。
遺伝子のフィットネス関数にカスタムコードを追加し、ターゲットと指標が密接に関連しているとみなされるようにいくつかの基準を盛り込んだだけです。こんな感じになりました。
(EURUSD H1)
最初の2/3はバックテスト(サンプル)、最後の1/3はフロントテスト(オーズ)です。2/3以降はドレインではなく、オーズテストのために残高が初期値にリセットされます。このような貧弱な特徴量を持ちながら、「予測因子とターゲットの依存性に関する粗雑で未完成な基準」を追加するだけで、結果は悪いながらも損失にはならないのです。oosでのトレード成功率は51%。すごいと思いませんか?しかし、20の代わりに20000の指標を使用し、いくつかの機械学習モデルを追加し、mt5遺伝子の10000反復の制限を削除し、我々はさらに有益なExpert Advisorを持つことができます。
このスレッドは、トレーディングにおける機械学習が、理論に過ぎないことを示す、良い、明確な例です...。
トレーディングでは理論が原理的に存在できない、というか理論は儲からない、効率的な市場など、すべて価格に織り込み済みで、交換メカニズム......。しかし、別の数学的なパッケージやライブラリに最近よりアクセスしやすくなった統計と機械学習は、あなたが本当にそれが標準TAでとても悲しいです なぜ見る ことができますが、科学者が、単純なトレーダーは、R-スタジオやMatlabで週を過ごす。
もし、トレードの手口が「あくまで理論」だとしたら、それは一部正しいのですが、TAは理論ですらなく、占星術やブードゥー教のようなデタラメなものだと思います。
しかし、ここにいる多くの人は、それでもお金を稼ぐことは可能であることを知っています。効率的な市場は、神の意志によるものではなく、一部の人が他の人より情報の入手と処理に長けているからです。私の意見では、トレーダーのための最も重要な障害は、彼らが彼らの署名のためのお金を得るかのように、この種のビジネスのシンプルさの錯覚であり、ここでこのフォーラムで彼らは繰り返し "あなたは貿易にハドロン衝突型を作成する必要はありません "のようなものを聞いている...それはあなたがあなたのためのものではありません。
でも、結局はそうなんですよね...。
あなたの研究に従います、とても参考になります、投稿ありがとうございました。しかし、そのような複雑な問題をうまく解いても、準備作業を怠ってしまい、結果的に台無しになってしまうような気がします。つまり、予測変数の選択を無視しているのです。
114個の予測因子をとって、なんとなく6個を選んで、モデルを学習させたら、どのターゲットが良いのか結論が出ますよね。しかし、この得られた結果は局所的な最大値に過ぎない。16本先を予測するにはユーロスドの方が優れている」とグローバルに言うのではなく、「114個の予測変数のセット」と言うだけでいいのです。(pre1, pre2, pre3,...) using gbm best predicts price direction through 16 bars".
gbmの代わりにneuronicsを摂取すると、異なるベストターゲットが得られます。他の114の予測値を使えば、最適なターゲットはまた違ってきます。114の予測値は、実験の今後の展開がすべてかかっているような重要なベースなのに、何の準備もなく天井から取ってきてしまったんですね。
半年ほど前、SanSanychは自分の予想ファイルを投稿した。その特異性は、ガラケーのほとんどのモデルは誤差が小さく、同時に新しいデータでも誤差が大きくならないことだ。任意のセグメントでモデルを学習し、残りのデータでosテストを実行しても、何も劣化していないことが確認できます。予測因子とターゲットは非常に関係が深いので、モデルはどのバーでもそれらの間の唯一の可能な関係を見つけることができます。
これを再現しようとしているのです。私は1万以上の初期予測因子(mt5とは異なるパラメータとラグを持つ指標)を使用し、ターゲットバーとの唯一の可能な接続を持つようにそれらを選択することを学びます。私は、このような相関のある予測因子とターゲットを決定する、あるいは見つける能力こそが、真の聖杯へのポインタであると信じているので、同じ実験をすることをお勧めします。
MQL5では、最近Expert Advisorジェネレーターが利用可能になりました。必要な指標のリストを選択すると、コード付きのExpert Advisorがすぐに作成され、さらにそれを遺伝学で簡単に最適化できます。 このようなExpert Advisorでは、20の指標があり、機械学習モデルは全くありません(あるのは、それぞれの指標に割り当てられた重要度係数だけです)。
遺伝子のフィットネス関数にカスタムコードを追加し、ターゲットと指標が密接に関連しているとみなされるようにいくつかの基準を盛り込んだだけです。こんな感じになりました。
(EURUSD H1)
最初の2/3はバックテスト(サンプル)、最後の1/3はフロントテスト(オーズ)です。その後、2/3はドレインではなく、オーズテストのためにバランスが初期にリセットされます。このような貧弱な選択肢を持ちながら、「予測因子とターゲットの依存性という粗雑で未完成な基準」を加えるだけで、結果は悪いが損はないのである。oosでのトレード成功率は51%。すごいと思いませんか?しかし、20の指標ではなく、20000の指標を使い、機械学習モデルを追加し、mt5遺伝子の1万回の反復の制限をなくせば、利益を生むExpert Advisorを得ることも可能です。
ある時刻に取引を開始し、ある時刻に取引を終了するようなEA(ロボット)をどこで手に入れられるかアドバイスしてください。
例えば、12時59分に取引を開始し、13時59分に決済すれば、結果はどうであれ、利益も損失もすべて同じです。