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 2066

新しいコメント
 
Aleksey Vyazmikin：

どう説明したらいいのかわからない :)

この機能を利用した

XORを試す
 
アレクセイ・ニコラエフ：

日中のパターンを探すには、日中のボラティリティの変動が妨げになる。どうにかして排除しなければならない。可能な方法

1）日中の変動幅を考慮した増分の再調整。

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。もちろん、時間的な頂点はボラティリティに依存するが（ボラティリティが高いほど頻度が高い）、均一な時間に渡すとこれらのクラスターは消滅する。

ポイント1でいいのか？それとも2もそうなのでしょうか？何ですか？説明する。
 
elibrarius:
事前分析って何ですか？モデルを入力し、この機能がある場合とない場合を比較します。
。

マットスタットによるデータ分析、狭義には価格とSBの有用な差異を見出すこと。MOとの主な違いは、モデルが明示的に、かつ少ないパラメータで定式化されることである。

 
elibrarius:
XOR を試してみてください。

後日、いろいろと試してみますね。一般的には、クラスタリングをして、似たようなクラスタから一文字ずつ引っ張ってくるようにしないと、とにかく学習の質が下がると思います。

 
elibrarius:
ポイント1でいいんですか？それとも2も必要なのでしょうか？何ですか？説明する。

アプリケーションの例で説明するとわかりやすいかもしれません。

ポイント1）は、日周変動の永続性-反永続性の仮説の検証 である。時間帯によって価格が継続したり、逆に変化したりする傾向の確認です。そのためには、相関関係を知っておく必要があります。

ポイント②③-価格反転は「時間差で起こる」ので、「適切な」タイミングで行うのが良いという仮説の検証。

ポイント3）-ジグザグの長さの経験分布を調べることで、時間帯のフラット（流行）モーメントを探索する。

 
アレクセイ・ニコラエフ：

アプリケーションの例で説明するとわかりやすいかもしれません。

point 1）-日周変動の持続性-反持続性の仮説の検証。時間帯によって価格が継続したり、逆に方向転換したりする傾向をチェックするものである。そのためには、相関関係を知っておく必要があります。

ポイント②③-価格反転は「時間単位で起こる」ので、「適切な」タイミングで行うのが良いという仮説の検証。

ポイント3） - ジグザグの長さの経験的分布を調べることで、時間帯のフラット（トレンド）モーメントを探索する。

2、3ヶ月は、月だけ、あるいは曜日にも 言及があります。調査期間内の時間のみコードで指定。

 
Aleksey Vyazmikin：

後日、いろいろと試してみますね。一般的には、クラスタリングをして、似たようなクラスタから1行ずつ抜き出すということをしないと、とにかく学習の質が下がると思います。

ツリーの葉はすべてクラスターである。また、特徴量の数だけでなく、クラスを最適に分離することも可能です
 
elibrarius:
ツリーのすべての葉がクラスターです。また、特徴量の数だけでなく、クラスを最適に分離することも可能です

これは正しいのですが、すでに葉にたくさんある文字列を削除すると、少し少なくなり（クラス「0」）、品質は落ちないはずです。一方、「1」の相対指標は多くなり、以前は統計的に正しく行われていなかった、検索におけるこれらのオプション葉をモデルが考慮することができるようになるのです。

また、学習の妨げになるような個性的な葉っぱを取り除くという方法もあります。

 
Valeriy Yastremskiy：

2、3ヶ月になると、参照するのは月日だけ、あるいは曜日にも なる。コードでは、調査対象期間内の時間のみ。

1日以上の期間の場合、ニュース背景の影響と周期性を切り分けるという問題がある。どうすれば解決できるのか、よくわからない。

 
アレクセイ・ニコラエフ：

1日以上の期間の場合、ニュース背景の影響と周期性を切り分けるという問題がある。どうすれば解決できるのか、よくわからない。

日については、了解しました。曜日についての 質問です。平均化期間内の時間である日数は、当初は曜日と結びついていない。最初は時間帯を考慮した曜日縛りを行い、週内再現性を検出することができます。月の時間帯だけ連動しているんですね。

1...205920602061206220632064206520662067206820692070207120722073...3399
新しいコメント