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 2060

新しいコメント
 
Evgeny Dyuka:
このスレッドのチャートは全て左下から始まって 右上に終わる ))
I wish I live...

まんざらでもない）

 
ロールシャッハ：
疑問があります。

私はそれをやったし、ここに記述したこともある......。

ただ、私はさらに踏み込んで......。

すべての指標の値を予測し、得られた予測を新しい属性として使い、その属性とその予測をもとにさらに予測を行う、ということを誤差が少なくなるまで7回繰り返しました......。

MGUAの自己組織化や現代のメタ特性をベースにしたもので、...


リンクありがとうございます、素晴らしい子供、読むのが楽しい ))

 

極限状態を、明確であまり現実的でないジグザグではなく、より人間的な形で表現する必要があるとき......。

なぜかというと、 グラフの極値をより人間的にレイアウトしただけの代物 だからです。なぜZZではないのか、ZZは1つの極値、1点しかなく、非定常的な市場の必然的なシフトを考慮に入れていない...。

解決策はこうだ：極値のパターンを作り、現在の価格と パターンの相関を見る...。

世界最高の言語でのコード )

y <- c(1:10,9:0)
x <- cumsum(rnorm(length(y)))

ccor <- cor(y,x)

layout(1:2)
plot(x,t="l",main = paste("corelation",round(ccor,2)))
plot(y,t="l",main ="шаблон екстремума")

柄は何でもいいし、トレンドでも何でもいいし、名前をつけてもいいし...。


これは、-0,7と0,7の信号線があるスライディングウィンドウの相関計算チャートで見たものです。


極限状態を非常に人間らしく定義し、重要なものから重要でないものを選別しているように思えます。

そして、回帰モデルを学習させ、何が起こるか見てみましょう。

xx <- cumsum(rnorm(100))
layout(1:2)
plot(xx,t="l")
cor.vec <- rep(NA, length(xx))
for(i in 10:(length(xx)-10)){
  ii <- (i-9):(i+10)
  cor.vec[i] <- cor(xx[ii] , y)}
plot(cor.vec,t="l",col=4)
abline(h=c(-0.7,0.7),col=2)
 
mytarmailS:

極限状態を、明確であまり現実的でないジグザグではなく、より人間的な形で表現する必要があるとき......。

なぜかというと、 グラフの極値をより人間的にレイアウトしただけの代物 だからです。なぜZZではないのですか？ZZは1つの極値、1点しかなく、非定常的な市場の必然的なシフトを考慮に入れていないのです...。


ジグザグの場合は、極値の長さを予測するようにニューラルネットワークを教えれば十分です。前の極値より長いか、短いか（ターゲットが長いものを必要とするため）です。

ファイル:
EURUSD_Series.txt  298 kb
 
エフゲニー・チュマコフ

ジグザグの場合、ニューラルネットワークに、肩の長さを予測させるだけでよいのです。

うーん...。また、面白いアイデアも...。

試してみましたか？

ファイルの中身は？

 
mytarmailS:

うーん...。また、興味深いことに...。

試してみましたか？

ファイルの中身は？


私はニューラルネットワークのことを知らないし、サモワール並みに頭が悪いので、していませんが...。馬鹿正直に似たような箇所を探していましたが、昔のように繰り返されるとは限りませんね。


ファイルの中で

1列目：イベント結果（正号：ロングアーム、負号：ショートアーム）

2列目：ロングアームイベントのバリエーション

第3列：バリアント「ショートレバレッジ」イベント


一般に、一番外側の2列は可能性のある事象を表している。

 
エフゲニー・チュマコフ

ファイルの中で

ああ、なるほど...。今私は試してみますが、あなたが価格やサインを投げなかったので、私は私のものを行います、そして、ターゲットのビルドがどのように明確ではありません。

 
mytarmailS:

であり、ターゲットがどのように構築されるかは不明です。


パターン

 
mytarmailS:

極限状態を、明確であまり現実的でないジグザグではなく、より人間的な形で表現する必要があるとき......。

...

...

....

そして、回帰モデルを学習させてみて、どうなるかを確認することができます

訓練された...

グレーが元データ、青がモデルによるもの

また、新しいデータでモデルがどのようにフェードアウトしていくかを明確にするためにトレースを挿入しました。


1...205320542055205620572058205920602061206220632064206520662067...3399
新しいコメント