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 2485

[Renat Akhtyamov]

mytarmailS#:

euを半日以上購入する。

ユーモア コーナー :私からの合図))

パスはどうなった？

[mytarmailS]

Renat Akhtyamov#:
、検索できましたか？

いや、この値がどこから来ているのか、まだわからない。

[Renat Akhtyamov]

mytarmailS#:
いや、この値がどこから来るのかがわからなかった。

奇妙な、とても奇妙な

受信トレイにリンクを送ってください、明日試してみます。

[mytarmailS]

Renat Akhtyamov#:

変だ、変だ。

メールにあるリンクを送ってください、明日試してみます。

で、前のページのサイトへのリンクは、自分で開いたのか、よくわからない。

[Renat Akhtyamov]

mytarmailS#:
最後のページにウェブサイトのリンクがあるわけですが、自分で開いたのか、よくわからない...それともデモを開かなかったのか......？

いいえ、ヤンデックスです。

[Mihail Marchukajtes]

JeeyCi#：

私の臨床的な質問にも答えてください（昨日、私の考えを読み、私がすでにこの方法を見てから、あなたのデータ作業の方法を投稿してくれました。ありがとうございます）...しかし、疑問が残ります。この方法は、分類に使われるので、特徴 - が必要なのでしょうか...秘密でなければ、何を分類するのでしょうか？LN(Close/Open)？と、何を教えているのですか？

-"ノウハウ "ですか？

p.s.私はこのトピックへの方向付けのために、いくつかのリンクを自分に投げかけます（結局のところ、それは私の統計ではありません、後者は「環境モデル」に入れることができますが、おそらく）。

AI入門

ニューラルネットワークの学習課題に対する声明と可能な解決策

データ前処理

メソッドのアンサンブル

これは分類法で、ストラテジーのシグナルの真偽を認識するようにモデルを学習させるのです。つまり、分類を扱う場合、TSに基本戦略があるはずです。ストラテジー自体は全く自由で、バーの交差も同じで、全てのモデルで正誤のシグナルが半々です。分類の仕事は、どの信号が本当に真実で、どれが偽なのかを判断することである。詳しくは私の記事を ご覧ください。

[JeeyCi]

Mihail Marchukajtes#:
私の記事で 詳しく説明されているので読んでみてください

リンクと記事をありがとうございました...ClucterDeltaのデータがベースなら心強いスタートですが...SpotがFuturesのように動くとは 限らない(FXの場合)...。

しかし、信号の真偽に関する結論の根拠は、私の理解する限りでは、やはりベイズに基づいているのでは...？

ちなみに、私がNSグラフを描こうとした（オプション価格分布を入力した）ときの破綻はこちら（c.20）です。

ベイズ推論は、従来の統計的推論と異なり、 不確実性を 保存することで ...

ベイズの世界観では、確率は ある事象が起こる可能性の 尺度 、 すなわちある事象が起こることを確信する度合いと解釈される。

...そのパラメータ（既存の分布）を入力として試すこともできますが、おそらく、その後、多クラス分類に 目を向けることになるでしょう。

[Mihail Marchukajtes]

JeeyCi#：

リンクと記事をありがとうございました...ClucterDeltaのデータがベースなら、心強いスタートですね。ただし、SpotがFuturesのように動くとは限り ません（FXに関する限り）...。

しかし、信号の真偽に関する結論の根拠は、私の理解する限りでは、やはりベイズに基づいているのでは...？

ちなみに、私がNSグラフを解明しようとした（オプション価格分布を入力した）結果の破綻がこちら（c.20）です。

...そのパラメータ（既存の分布）を入力として試すこともできるが、おそらく - その後、多クラス分類を 視野に入れることになるだろう

今のところ、私はMoexに乗り換えたので、ClusterDeltaはもう使っていませんが、そこではこの情報は無料で、さらにOIの情報もあります。しかし、オプションに関しては、スマイルパラメータの値を送り込む必要があり、それは3です。曲率、傾き、中心線での値、そして値そのものではなく、その時間的な変化。これが、残念ながらまだ持っていないのです。そうすれば、作戦はほぼ勝ち組になるのです!!!!と思えるほど...。

[JeeyCi]

ミハイル・マルキュカイツ

私は、あなたのコードに目を通す強さと勇気を出しました（しばしば、すべての教科書よりもコードの中に真実があります） - あなたのクラシファイアの変数二重決定におけるこれらの乗数は何ですか - それは重みですか... とあなたはもともとそれを見つけた方法？ つまり、なぜまさにそれら？

というか、どんな変数を取るのか、関数コードを教えてください。

double getBinaryClassificator1(double v0,double v1,double v2,double v3) 
  {
   double x0=2.0 *(v0+327.0)/650.0-1.0;
//Variable v1 got under reduction
   double x2 = 2.0 * (v2 + 397.0) / 828.0 - 1.0;
   double x3 = 2.0 * (v3 + 121.0) / 264.0 - 1.0;
   double decision=1.5260326743246075*x0
                   -0.13861638107404117 * sigmoid(x0)
                   -0.06391652777916389 * sigmoid(x2)
                   -0.44591870340615364 * sigmoid(x0 + x2)
                   +0.14661031327032664*sigmoid(x3)
                   -0.024191375335575492*sigmoid(x0+x3);
   return decision;
  }

よろしくお願いします。

追伸

1.活性化関数としてシグモイド（S字）関数を使用しているようですが、「圧縮関数としてよく使われる」のでしょうか...。

2.

Mihail Marchukajtes#:
...価値観そのものではなく、その時間的な変化。

二乗の方がいいのでは？

[JeeyCi]

ところで、ボラティリティはボラティリティ（非システムリスクとして）だが、システミックリスクは廃止されていない...。

金融市場におけるボラティリティとリスクは同じではない

追伸

もちろん、トレーダーはボラティリティで儲けるものだが...。イムホ