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 2062

新しいコメント
 
マキシム・ドミトリエフスキー：

フラットで動作する場合は、アジア/タイオーシャンのセッションなど、時間帯でフィルタリングしてみてください

いや、効いてない、効いてない( ﾟДﾟ)

とにかく、私が考えるに、私たちの問題は...私たちのTS設定は、新しい価格の動きに対して適切ではありません...。


1) 市場の客観的な特性を取り入れたモジュールを開発する必要がある「モジュールОХ」...

2) 「モジュールОХ」状態ごとに、現在の状態に適した行動ルールを策定する必要がある。

以下のようなデータを生成することが可能です。

Х -「モジュールОХ」 ステータス

Y(ターゲット) - 適切な行動

3) 各状態で適切な動作が得られるようにモデルを学習させる


見た目はクラシックなRL？

 
mytarmailS:

ダメだ、効いてない、効いてない((

とにかく、私は私たちの問題を見る方法...私たちのTS設定は、新しい価格の動きに対して適切ではありません...。


1) 市場の客観的な特性を取り入れたモジュールを開発する必要がある「モジュールОХ」...

2) 「モジュールОХ」状態ごとに、現在の状態に適した行動ルールを策定する必要がある。

以下のようなデータを生成することが可能です。

Х -「モジュールОХ」 ステータス

Y(ターゲット) - 適切な行動

3) 各状態で適切な動作が得られるようにモデルを学習させる


では、名作RLになるのは？

RLはランダムな環境では取り出せません。季節の変わり目などのパターンを拾って、セットアップを具体的に検討する必要があります。
 
Maxim Dmitrievsky:
RLはランダムな環境ではうまくいきません。セットで探す、季節のパターンを見つけることが必要です。

日中のボラティリティ変動は日中のパターン探索の妨げになる。どうにかして処分する必要がある。可能な方法

1) 日中の変動幅を考慮し、増分を再調整する。

2) 分散が一様に 成長する、新しい日中時間に切り替える。

3）ジグザグ模様の使用。ニーは、ボラティリティの変動に左右されない値です。トップタイムはもちろんボラティリティに依存するが（ボラティリティが高いところで多くなる）、一様時間に移行するとこれらのクラスターは消滅する。

 
アレクセイ・ニコラエフ

1) 時間帯の変動を考慮し、増分を再調整する。

どのようにご覧になりますか？

 
mytarmailS:

どのようにご覧になりますか？

Di - その日のi番目の分の増分の平均二乗を探します。次に、すべての増分を対応するdi=sqrt(Di)で割る。二乗した増分を合計し、新しい系列でSBからの乖離を探すのである。価格は歪むが、時間は変わらない。

 
アレクセイ・ニコラエフ：

Di - その日のi番目の分の増分の平均二乗を探します。次に、すべての増分を対応するdi=sqrt(Di)で割る。二乗した増分を加算し、新しいシリーズでSBからの乖離を探す。価格は歪むが、時間は変わらない。

コードと結果をグラフで見せてください、あまり明確ではないので

 
アレクセイ・ニコラエフ：

Di - その日のi番目の分の増分の平均二乗を探します。次に、すべての増分を対応するdi=sqrt(Di)で割る。二乗した増分を加算し、新しいシリーズでSBからの乖離を探す。価格は歪みますが、時間は変わりません。


しかし、平均を計算するときに取ったサンプルの数によって結果が変わることはないのでしょうか？

 
mytarmailS:

コードと結果をグラフで表示すると、よくわからなくなる


特定の分の平均を計算しているのはわかりますが、1週間、1ヶ月、1年と、平均は変わってきます。

 
Evgeniy Chumakov：


平均値の計算のサンプル数で結果が変わってしまうのでは？

もちろん、そうなります。気になる間隔で計算する。ただし、小さすぎない程度に（2ヶ月以上）。

 
mytarmailS:

コードと結果をグラフで表示すると、よくわからなくなる

難しいことではありません、きっとできます。ただ、ギャップやドロップアウトに対処するために、close[i]-close[i-1] の代わりにclose[i]-open[i]を増分値として取る必要があります。

1...205520562057205820592060206120622063206420652066206720682069...3399
新しいコメント
理由: