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 193 1...186187188189190191192193194195196197198199200...3399 新しいコメント Dr. Trader 2016.11.06 13:55 #1921 ここしばらくは、コンボリューション・ニューロンで遊んでいます。今のところうまくいっていませんが、少なくとも、それでどう準備し、どう予測するかはわかりました。以下は、コメント付きの簡単なコードと、テスト用のテーブルです。2つの畳み込み層と1つの通常の隠れ層があります。学習したモデルは、出力に常に「1」を出して終わるだけです(買い)。2層どころか数十層の畳み込み層があって、そのうえ何週間も訓練して、成功する保証はまったくないということです。でも、やってみる価値はありますよ。forex_mxnet.txtを再パッチした ところ、エラーがありました。ソフトマックス関数の場合、最終層の出力数はクラス数と同じであるべきです。この場合、リグレッションを用いたオプションは全く不可能である。 ファイル: eurusd_h1.zip 30 kb forex_mxnet.txt 20 kb mytarmailS 2016.11.06 14:05 #1922 Dr.トレーダー1)「クラスタリング」の意味がよくわからないのですが。通常、ある特定の予測因子をクラスター化するのではなく、十数個の予測因子を取り出して、これらの点がクラスター化する空間領域を見つけます。例えば、下の図では、2つの予測変数がある場合、2つのクラスタにクラスタリングすると、青と赤のクラスタができます。2)もしかして、パターンの話?緑色のパターン - 価格が下がり、その後上昇する。黄色:価格は下から上がっていく。赤:上→下うまく撮れましたか?最初はどの予測変数が良くてどの予測変数が悪いか分からないので、1つのモデル(stochastic+rsi+masd......)=クラスター1、2、3、4、5......に一度にまとめると。であれば、不要な予測因子も考慮することになるので、不要であることにすら気づかない...。各予測子をクラスタリングする必要があるK1=(ストキャスティック)=クラスター1,2,3,4,5・・・。K2 = (rci) = クラスタ1,2,3,4,5・・・。K3=(質量)=クラスター1,2,3,4,5・・・。で、モデルの組み合わせ間のクラスタ数で組み合わせを探す。К1K1、K2K2、K3K1、K3K1、K2、K32) 正しい。この文脈では、クラスタとパターンは同じものである。 Dr. Trader 2016.11.06 14:17 #1923 mytarmailS:クラスターとパターンが違う1つのベクトル上のクラスターは区間であり、すなわち、すべての許容指標値のリストはいくつかのゾーンに分割される。しかし、この場合、写真の間隔2と3は同じものです。しかし、2つ目と3つ目のクラスターが必ずしも違うものであれば、それはもはやクラスターではなく、パターンです。 mytarmailS 2016.11.06 14:25 #1924 Dr.Trader(ドクタートレーダー) クラスターとパターンが違う1つのベクトル上のクラスターは区間であり、すなわち、すべての許容指標値のリストはいくつかのゾーンに分割される。しかし、この場合、写真の間隔2と3は同じものです。しかし、2つ目と3つ目のクラスターが必ずしも違うものであれば、それはもはやクラスターではなく、パターンです。最後の指標値ではなく、例えばスライディングウィンドウ内の10個の指標値をクラスタリングすると、指標の数値的・幾何学的 特性(傾きなど)の両方を考慮した一定の数のクラスタが得られます。クラスターなのかパターンなのか?質問に答えたか、質問を理解していなかったか?:) Dr. Trader 2016.11.06 14:40 #1925 mytarmailS:質問に答えられたか、それとも質問を誤解していたか?:) それはそうですね、かなりクラスタリング、ならいいんですけどね。 Alexey Burnakov 2016.11.06 17:34 #1926 ここでは、利用可能なすべてのモデルの委員会が、単純な近似値(買いのみ、売りのみ、ランダムな方向)と比較して、どのような挙動を示すかを見ていきます。このサンプルでは、Baiがわずかにリードしている。この先、マッチングが薄い委員会の検証のために、もう一つ遅延したサンプルがあります。売が良くなる可能性があります。しかし、重要なのは、モデル委員会がどう動くか...。私が示したスキームとの相関 Dr. Trader 2016.11.06 17:48 #1927 アレクセイ・ブルナコフこのサンプルでは、Baiがわずかにリードしています。 もし、その時間枠で価格チャートが上昇しているのであれば、統計的には、ただ買い取引を開始し、それを保持し、それを閉じる方がより有益な場合があるでしょう。儲かる」というわけではありませんが、売り注文を出してしばらく保有するのに比べれば、損失は少なくなります。だからこそ、ランダムトレードを中心に買いオンリー、売りオンリーが見事に対称になるのです。モデルそのものが引っ張っているのではなく、うまく価格がついているだけなのです。 Alexey Burnakov 2016.11.06 17:52 #1928 Dr.トレーダー もし、その時間枠で価格チャートが上昇しているのであれば、統計的には、ただ買い取引を開始し、保持し、閉じる方がより有益な場合があるでしょう。儲かる」ということではなく、「売りも適当に建ててしばらく持っている」場合に比べて損失が少なくなるだけのことです。だからこそ、ランダムトレードを中心に買いオンリー、売りオンリーが見事に対称になるのです。モデルそのものが引っ張っているのではなく、うまく価格がついているだけなのです。 そういうことなんです。売りオンリー、買いオンリーともに、パターン化されていないランダムトレードが行われた...。しかし、トレンドは上昇し、買いも他のランダムに対して良くなっていた。そして、鍛え上げられたモデルのお得な情報は、緑色...。このサンプルでは、彼らがリードしています。このターゲットが選ばれたのは、このサンプルではモデルが平均してプラス側に寄っているためで、これはトレーニングにもパターン選択にも関与していない。その後、委員会での調整と検証が行われます。そして、最後の遅延サンプルは、研究全体で一度だけ使うことにしています。 PS )スプレッドはすべて込み。したがって、ランダム性はゼロ以下に分布している。 Dr. Trader 2016.11.06 18:56 #1929 全体的にいい感じですね、最後はどうなるんでしょうね。委員会について - いくつか例を掲載しましたが、丸めを使った回帰で分類しているモデルもあり、そこはあまり明確ではありませんね。票の組み合わせは2種類試してみました。1)すべてをクラスに丸め込み、最も多くの票を集めたクラスを受講する。 例:3つのモデルから4本のバーを予測すること c(0.1, 0.5, 0.4, 0.4) c(0.6, 0.5, 0.7, 0.1) c(0.1, 0.2, 0.5, 0.7) 私ならさらにそれを丸めてクラスへ c(0, 1, 0, 0) c(1,1,1,0) c(0,0,1,1) となり、予測値の最終ベクトルは、投票数で c(0, 1, 1, 0) となる。2) もう一つの方法は、平均値をすぐに求め、それをクラス単位に切り上げることです。 その結果、c((0.1+0.6+0.1)/3, (0.5+0.5+0.2)/3, (0.4+0.7+0.5)/3, (0.4+0.1+0.7)/3) となります。 または (0.2666667, 0.4000000, 0.5333333, 0.4000000), または c(0, 0, 1, 0)どのステップで丸めるかによって、結果が異なることがおわかりいただけると思います。どちらがスタンダードなのかはわかりませんが、新しいデータでは2番目の方法の方がうまくいくと思います。 Mihail Marchukajtes 2016.11.06 19:38 #1930 Alexey Burnakov: ここでは、利用可能なすべてのモデルの委員会が、単純な近似値(買いのみ、売りのみ、ランダムな方向)と比較して、どのような挙動を示すかを見ていきます。このサンプルでは、Baiがわずかにリードしている。この先、マッチングが薄い委員会の検証のために、もう一つ遅延したサンプルがあります。売が良くなる可能性があります。しかし、重要なのは、モデル委員会がどう動くか...。私が示したスキームとの相関 要は、私のベーシックなSequent Demarkの 楽器には、なかなか面白い機能がついていて、その一つが購入機能です。買いシグナルが多ければ模型の走りは良くなり、売りシグナルが少なければ模型の走りは悪くなる。世界的な下降トレンドを示していると思うのですが、絵が反対に変わると、買う前提があるわけで、ポンドはもちろんですが、ユダヤにもそういうのが一度に見られるというか...。 1...186187188189190191192193194195196197198199200...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
ここしばらくは、コンボリューション・ニューロンで遊んでいます。今のところうまくいっていませんが、少なくとも、それでどう準備し、どう予測するかはわかりました。以下は、コメント付きの簡単なコードと、テスト用のテーブルです。
2つの畳み込み層と1つの通常の隠れ層があります。学習したモデルは、出力に常に「1」を出して終わるだけです(買い)。2層どころか数十層の畳み込み層があって、そのうえ何週間も訓練して、成功する保証はまったくないということです。でも、やってみる価値はありますよ。
forex_mxnet.txtを再パッチした ところ、エラーがありました。ソフトマックス関数の場合、最終層の出力数はクラス数と同じであるべきです。この場合、リグレッションを用いたオプションは全く不可能である。
1)「クラスタリング」の意味がよくわからないのですが。通常、ある特定の予測因子をクラスター化するのではなく、十数個の予測因子を取り出して、これらの点がクラスター化する空間領域を見つけます。例えば、下の図では、2つの予測変数がある場合、2つのクラスタにクラスタリングすると、青と赤のクラスタができます。
2)もしかして、パターンの話?緑色のパターン - 価格が下がり、その後上昇する。黄色:価格は下から上がっていく。赤:上→下うまく撮れましたか?
最初はどの予測変数が良くてどの予測変数が悪いか分からないので、1つのモデル(stochastic+rsi+masd......)=クラスター1、2、3、4、5......に一度にまとめると。であれば、不要な予測因子も考慮することになるので、不要であることにすら気づかない...。
各予測子をクラスタリングする必要がある
K1=(ストキャスティック)=クラスター1,2,3,4,5・・・。
K2 = (rci) = クラスタ1,2,3,4,5・・・。
K3=(質量)=クラスター1,2,3,4,5・・・。
で、モデルの組み合わせ間のクラスタ数で組み合わせを探す。
К1
K1、K2
K2、K3
K1、K3
K1、K2、K3
2) 正しい。この文脈では、クラスタとパターンは同じものである。
クラスターとパターンが違う1つのベクトル上のクラスターは区間であり、すなわち、すべての許容指標値のリストはいくつかのゾーンに分割される。しかし、この場合、写真の間隔2と3は同じものです。
しかし、2つ目と3つ目のクラスターが必ずしも違うものであれば、それはもはやクラスターではなく、パターンです。
クラスターとパターンが違う1つのベクトル上のクラスターは区間であり、すなわち、すべての許容指標値のリストはいくつかのゾーンに分割される。しかし、この場合、写真の間隔2と3は同じものです。
しかし、2つ目と3つ目のクラスターが必ずしも違うものであれば、それはもはやクラスターではなく、パターンです。
最後の指標値ではなく、例えばスライディングウィンドウ内の10個の指標値をクラスタリングすると、指標の数値的・幾何学的 特性(傾きなど)の両方を考慮した一定の数のクラスタが得られます。
クラスターなのかパターンなのか?
質問に答えたか、質問を理解していなかったか?:)
質問に答えられたか、それとも質問を誤解していたか?:)
ここでは、利用可能なすべてのモデルの委員会が、単純な近似値(買いのみ、売りのみ、ランダムな方向)と比較して、どのような挙動を示すかを見ていきます。
このサンプルでは、Baiがわずかにリードしている。
この先、マッチングが薄い委員会の検証のために、もう一つ遅延したサンプルがあります。売が良くなる可能性があります。しかし、重要なのは、モデル委員会がどう動くか...。
私が示したスキームとの相関
このサンプルでは、Baiがわずかにリードしています。
もし、その時間枠で価格チャートが上昇しているのであれば、統計的には、ただ買い取引を開始し、保持し、閉じる方がより有益な場合があるでしょう。儲かる」ということではなく、「売りも適当に建ててしばらく持っている」場合に比べて損失が少なくなるだけのことです。だからこそ、ランダムトレードを中心に買いオンリー、売りオンリーが見事に対称になるのです。モデルそのものが引っ張っているのではなく、うまく価格がついているだけなのです。
PS )スプレッドはすべて込み。したがって、ランダム性はゼロ以下に分布している。
全体的にいい感じですね、最後はどうなるんでしょうね。
委員会について - いくつか例を掲載しましたが、丸めを使った回帰で分類しているモデルもあり、そこはあまり明確ではありませんね。票の組み合わせは2種類試してみました。
1)すべてをクラスに丸め込み、最も多くの票を集めたクラスを受講する。
例:3つのモデルから4本のバーを予測すること
c(0.1, 0.5, 0.4, 0.4) c(0.6, 0.5, 0.7, 0.1) c(0.1, 0.2, 0.5, 0.7) 私ならさらにそれを丸めてクラスへ
c(0, 1, 0, 0) c(1,1,1,0) c(0,0,1,1) となり、予測値の最終ベクトルは、投票数で c(0, 1, 1, 0) となる。
2) もう一つの方法は、平均値をすぐに求め、それをクラス単位に切り上げることです。
その結果、c((0.1+0.6+0.1)/3, (0.5+0.5+0.2)/3, (0.4+0.7+0.5)/3, (0.4+0.1+0.7)/3) となります。
または (0.2666667, 0.4000000, 0.5333333, 0.4000000), または
c(0, 0, 1, 0)
ここでは、利用可能なすべてのモデルの委員会が、単純な近似値(買いのみ、売りのみ、ランダムな方向)と比較して、どのような挙動を示すかを見ていきます。
このサンプルでは、Baiがわずかにリードしている。
この先、マッチングが薄い委員会の検証のために、もう一つ遅延したサンプルがあります。売が良くなる可能性があります。しかし、重要なのは、モデル委員会がどう動くか...。
私が示したスキームとの相関