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 227

[toxic]

タグコノウ。

まあ、要点は一連の文章に集約されるんだけどね。それだけでいいんです。

今の課題は、研究することではなく、その範囲を予備的に推定することである。だから、（わかってくれるなら）形にしてくれと言ってるんです。

少なくとも最初の講義は見てください。2、3行の文章では無理ですね、範囲が広すぎますから。

[СанСаныч Фоменко]

おもしろ・ユーモア」スレッドに移動しました。

[Реter Konow]

それが何 なのか、知りたいのです。
少なくとも最初の講義は見てください。2、3行の文章では無理ですね、範囲が広すぎますから。

機械学習という概念で何を求めているのか、正確に理解したいので、ポイントを明確にすることを待っているわけです。

講義でわかるのは、他人の理解度です。アルゴリズム取引に必要なのは、具体的な機械学習なのかもしれません。

機械学習という広い分野でアルゴトレーダーが一体何を必要としているのかを理解し、それによって無関係な分野の学習に費やす時間を減らし、不要な作業をバイパスするコードを制限し、最終的に目標の正しい実装を実現したいのです。

[mytarmailS]

レテグ・コノウ

あのね、「機械学習」という観点で何を求めているのか、正確に理解したいから、ポイントを明確にするのを待ってるんだよ。

講義でわかるのは、他人の理解度です。おそらく、アルゴトレーディングのコミュニティには、特定の機械学習が必要なのでしょう。

機械学習の広い領域で、アルゴトレーダーが具体的に何を必要としているかを理解することで、無関係な領域の学習に費やす時間を減らし、不要な作業を回避するコードを制限し、最終的に目標の正しい実装を達成したい。

ここには、ごく一般的に2つの目的があります。

1) 定性的な特徴量の選択

その特徴は:

例えば、テクニカル分析が好き、サポート、レジスタンス、リバウンド、ブレークダウンなど...。

これらの機能を通してマーケットを見ることができます。私たちは価格は表示しませんが、サポート、レジスタンス、リバウンド、ブレークダウンなどのサインだけは表示します。アルゴリズムに

で、ここからが本題

2）意思決定世代

これらのサインを「扱う」アルゴリズムが、最適な取引ルールや判断を作り出し、価値のあるサインと判断に重要でないサインを選択します。

=====================

だから、正しいデータ処理が仕事の98％を占めています。

MOのトレーニングは2％です。

[Реter Konow]

mytarmailS:

ここでは、ごく一般的に2つの目的があります。

1) 機能の定性的選択

これらのサインは:

例えば、テクニカル分析が好き、サポート、レジスタンス、リバウンド、ブレークダウンなど...。

私たちは価格を表示しませんが、サポート、レジスタンス、リバウンド、ブレークダウンなどの機能のみを提供します....アルゴリズムに

で、ここからが本題

2）意思決定世代

これらのサインを "ジャグリング "するアルゴリズムは、最適な取引ルール、すなわち決定を作成し始め、正しい決定を下すために価値のあるサインと重要でないサインを選択する。

ありがとうございます。イメージが湧いてきました。

一種の一般的なシグネチャーの収集と分析で、現在の期間の様々なデータの変化を特殊なアルゴリズムに送り込み、そこで分析し、データのシグネチャーの統計を取り、シグネチャーのパターンや繰り返しを調べ、システムの動作に関する決定を生成する。

こんな感じ？

[toxic]

レテグ・コノウ

あのね、「機械学習」という言葉で具体的に何を求めているのか理解したいから、本質を明示してくれるのを待ってるんだよ。

講演会で語られるのは、他の人の理解です。おそらく、アルゴトレーディングのコミュニティには、特定の機械学習が必要なのでしょう。

機械学習の広い領域でアルゴトレーダーが一体何を必要としているのかを理解し、それによって無関係な領域の学習に費やす時間を減らし、不要な作業をバイパスするコードを制限し、最終的に目標の正しい実装を実現したいのです。

機械学習の本質は、データセットを近似して、それを生成する準モデルを得ることである。分類の場合は、マークされた点の雲であり、それらを分離するマスクを得るために使用されます。

[Реter Konow]

ポイントは、それらを分ける仮面を手に入れることです。

MOの本質は、データセットを近似して、それを生成する準モデルを得ることである。分類の場合、ラベル付けされた点を分離するマスクを得るためのクラウドである。

近似値とは、値の一般化である。つまり、選択された範囲内で異なるデータ値をカプセル化することでしょうか。さらに、一定期間の値の変化を一般化した数値モデルを作成することも可能である。これらのモデルを収集することで、意思決定や行動選択の根拠となる統計データを作成することができる。

私は正しい方向に進んでいるのだろうか？

[Реter Konow]

つまり、-。

1.必要なパラメータ（データ）の値のストリームを収集し、リングバッファを通して 実行するアルゴリズムを作成する。

2.リングバッファに格納された値のストリームを特殊なフィルターに通し、これらの値の範囲に汎化する。

3.リングバッファの各パラメータの値の性質について一般化された（範囲による）数値モデルを作成し、適切な形式で書き留める。

4.このモデルは、これらのモデルを収集する統計アルゴリズムに送られる。

5.パラメータの値の変化の性質を表すモデル（シグネチャ）を含むデータベースをループし、現在の状況に最も適したモデルを見つける。

6.このシグネチャ（モデル）で捉えた状況でのシステムの挙動を決定する。

後ほど、より具体的に定式化します。

[mytarmailS]

toxicが 示したのは一種のクラスタリングですが、先生と一緒に、最初のポイントはサインというか、その数値パラメータで、売買のターゲットがあるので、トレーニングの前に上（買い）と下（売り）をマークして、アルゴリズムは、青い領域は買い、赤は売り、というようにターゲットでサインのパラメータをバカバカ分け始めます。

しかし、今、最新の話題は次のようなものです。

https://www.youtube.com/watch?v=05rEefXlmhI

https://www.youtube.com/watch?v=qv6UVOQ0F44

https://www.youtube.com/watch?v=xcIBoPuNIiw

が、私は完全なオタクです。

そして、これは笑える)))。

https://www.youtube.com/watch?v=pgaEE27nsQw

[Реter Konow]

mytarmailS:

toxicが 示したのは、一種のクラスタリングですが、先生と一緒に、最初のポイントは兆候というか、その数値パラメータです。

しかし、今、最新の話題は次のようなものです。

https://www.youtube.com/watch?v=05rEefXlmhI

https://www.youtube.com/watch?v=qv6UVOQ0F44

https://www.youtube.com/watch?v=xcIBoPuNIiw

が、私は完全なオタクです。

明日、全部見てみるよ。

2年前、私は機械学習と似ている部分があることが判明したアイデアを持っていました。私は「パラメータ値変更のデジタル署名の収集」と名付けました。この技術の根拠を思いつき、書き留めた。いつも他のことに気を取られていて、なかなか実行に移せなかったんです。

明日は、この「シグネチャ」の全体像を説明しますので、機械学習とどう似ているのか教えてください。

もし、それらが近いものであるならば、アルゴリズムを作る技術はすでに明確になっています。