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 2509 1...250225032504250525062507250825092510251125122513251425152516...3399 新しいコメント eccocom 2021.11.18 12:33 #25081 Mihail Marchukajtes#: 例えば、OI、Delta、Volumeのデータシリーズから標準偏差、累積/分布、確率的要素を取り出し、それらを使って予測を行います...。 蓄積・分配では、誰かのインプットやアウトプットが強く影響し、ローカルな絵が大きく歪んでしまう可能性があり、（なぜか）混乱しています。 mytarmailS 2021.11.18 12:52 #25082 eccocom#: 地元のIOの知識人・OBの怒りを買いそうですが、危険を冒してでも質問させてください。ビルトインや最も人気のある指標は別として）予測する上で最も興味深い指標は何か、誰が考えているのでしょうか？私自身は、指数移動平均（DEMA）とカルマンフィルタ、高速フーリエ変換（別途）の組み合わせで実験中です。でも、その前にニューラルネットワークを使って予測をしています。もう一度言いますが、私はアプリケーションの結果を求めているわけではありません（と、今度は可愛い女の子がまたバケツをドサッと投げつけてきそうです）。 どんなことをしているのか、どんな思いでいるのか、などなど、ここに書いてみてください。 誰でもいいんです。 ここにプロはいない、実践者は5〜10％、残りはあくびや風来坊...。 TheXpert 2021.11.18 13:09 #25083 mytarmailS#: ここにはプロはおらず、実践者は5～10％、残りはあくびやボヤキをする人たち...。 実践者はいない、あとはあくびをする人、ぼやく人) mytarmailS 2021.11.18 13:16 #25084 TheXpert#: そして、プロの実務家は、ほとんどファンドの中でクオンツに座っているのだろう、ここでは何もすることがない ) 100% Mihail Marchukajtes 2021.11.18 14:23 #25085 eccocom#: 蓄積・分配では、誰かが参入・撤退の強い影響を与える可能性があり、局所的な絵が非常に歪んでしまうので、（なぜか）混乱しています。 この指標は、単純な体積から指標曲線を得るために、体積をより大きく解釈するためのものでしかありません。こんな感じ!!! また、デルタの蓄積と分布がわかると、さらにいいですね Valeriy Yastremskiy 2021.11.19 08:55 #25086 JeeyCi#： ユーロ、スイス、円、ドル（リンク先）だけが（多少なりとも流動性のあるものの中で）「なぜか」自由に変動して いる...ということです。多くはインフレ連動型（オーストラリア、カナダ、ニュージーランド、ポンド） - 独自の目標と独自の政策（そこには数学はほとんどない） - 一般的な開発のためのフィッシャーと考えるだけでよい追伸ミクロ経済学や経済理論をモデル化するのは良いが、マクロ経済学はダメだ（金利にすべてがかかっているが）...。cmeのサマリー（完全な情報ではないが）などをシミュレートしてモニターするのはやめたほうがいい...。 小さく始めるのは理にかなっている。しかし、単純なマイノリティゲームモデル（少ない人数で勝つ）でも、初期条件が少し複雑になると、すぐに次元の問題やリソース不足に悩まされ、平均化されたパラメータを考慮すると、モデルの不正確さに悩まされることになる) 書き込みのクリーンアップ、2回目の書き込み) Forester 2021.11.22 09:14 #25087 SanSanych のパッケージhttps://www.mql5.com/ru/code/17468 を使って R に接続する人がいたら、 。 R.mqhファイルにおいて、ベクトルや 行列の 変数名がコンパイル時にエラーになるようになりました。他の名前に変更すれば、すべてうまくいきます。vectrとmatrを使いました。エディタはこれらの言葉をint,doubleの ようなデータ型として青くハイライトします。ニュータイプのための予約語らしい。 iwelimorn 2021.11.22 10:11 #25088 要するに、すべては無駄であり、MOでは市場は騙せないのです。 第1図に示すようなクラス分布の特性とターゲットを発見した。 このデータセットを用いて学習させたテスト用と学習用のkatbustモデルの精度は93%であった 第2図は、対象取引のバランスとエクイティのグラフである。 3つ目の図は、学習させたkatbustaモデルのシグナルで取引した場合の残高と資本のグラフである。 では、皆さん、解散してください。 eccocom 2021.11.22 10:14 #25089 Aleksei Stepanenko（アレクセイ ステパネンコ） #: もちろん、ここにいる神経学者たちは権威があり、オーバートレーニングとの戦いでデータを最大限に絞り出す方法を知っていますが、私が思うに、一番の問題は入力データなのです。どんなオシレーター（標準的なもの、自分で書いたもの）でも、どんな連続した曲線でも、価格の規則性を含んでいないので、マウスに教えることはできません。私は、トレンドとその波というものを次のように捉えています。波の長さ，波の時間間隔，波の速度，これらのパラメーターの過去のものとの比較，過去の極値（トレンドの動き）の超過の大きさ，過去に最も近い切れ目のない極値までの距離，...である。...比較するものがたくさんあります。ここには規則性があると思います。これこそ、グリッドにふれることができるのです。 または自分で考えることができます。 私もそんなことを考えていたので、フーリエを取り上げたのですが、スペクトルを磨いて逆変換してみると、答えよりも疑問の方が多いんです。小さな影響を取り除くと、大きなものは局所的な変化に気づかなくなり始めることがわかりました。NSに応用してみましたが、当然ながら常識的に考えて何もつながりません。波を区別する別の方法は見つかっていない）。一枚一枚の比較はもちろん貴重ですが、MOには向かない、すべての規則性がすぐに終わってしまうのです。 削除済み 2021.11.22 10:18 #25090 2つのマッシュアップの交差点には誰も勝てない 1...250225032504250525062507250825092510251125122513251425152516...3399 新しいコメント 理由: キャンセル 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
例えば、OI、Delta、Volumeのデータシリーズから標準偏差、累積/分布、確率的要素を取り出し、それらを使って予測を行います...。
蓄積・分配では、誰かのインプットやアウトプットが強く影響し、ローカルな絵が大きく歪んでしまう可能性があり、（なぜか）混乱しています。
地元のIOの知識人・OBの怒りを買いそうですが、危険を冒してでも質問させてください。ビルトインや最も人気のある指標は別として）予測する上で最も興味深い指標は何か、誰が考えているのでしょうか？私自身は、指数移動平均（DEMA）とカルマンフィルタ、高速フーリエ変換（別途）の組み合わせで実験中です。でも、その前にニューラルネットワークを使って予測をしています。もう一度言いますが、私はアプリケーションの結果を求めているわけではありません（と、今度は可愛い女の子がまたバケツをドサッと投げつけてきそうです）。
どんなことをしているのか、どんな思いでいるのか、などなど、ここに書いてみてください。
誰でもいいんです。
ここにプロはいない、実践者は5〜10％、残りはあくびや風来坊...。
ここにはプロはおらず、実践者は5～10％、残りはあくびやボヤキをする人たち...。
実践者はいない、あとはあくびをする人、ぼやく人)
そして、プロの実務家は、ほとんどファンドの中でクオンツに座っているのだろう、ここでは何もすることがない )
100%
蓄積・分配では、誰かが参入・撤退の強い影響を与える可能性があり、局所的な絵が非常に歪んでしまうので、（なぜか）混乱しています。
この指標は、単純な体積から指標曲線を得るために、体積をより大きく解釈するためのものでしかありません。こんな感じ!!!
また、デルタの蓄積と分布がわかると、さらにいいですね
ユーロ、スイス、円、ドル（リンク先）だけが（多少なりとも流動性のあるものの中で）「なぜか」自由に変動して いる...ということです。多くはインフレ連動型（オーストラリア、カナダ、ニュージーランド、ポンド） - 独自の目標と独自の政策（そこには数学はほとんどない） - 一般的な開発のためのフィッシャーと考えるだけでよい
追伸
ミクロ経済学や経済理論をモデル化するのは良いが、マクロ経済学はダメだ（金利にすべてがかかっているが）...。cmeのサマリー（完全な情報ではないが）などをシミュレートしてモニターするのはやめたほうがいい...。
小さく始めるのは理にかなっている。しかし、単純なマイノリティゲームモデル（少ない人数で勝つ）でも、初期条件が少し複雑になると、すぐに次元の問題やリソース不足に悩まされ、平均化されたパラメータを考慮すると、モデルの不正確さに悩まされることになる)
書き込みのクリーンアップ、2回目の書き込み)
。
R.mqhファイルにおいて、ベクトルや 行列の 変数名がコンパイル時にエラーになるようになりました。他の名前に変更すれば、すべてうまくいきます。vectrとmatrを使いました。
エディタはこれらの言葉をint,doubleの ようなデータ型として青くハイライトします。ニュータイプのための予約語らしい。
要するに、すべては無駄であり、MOでは市場は騙せないのです。
第1図に示すようなクラス分布の特性とターゲットを発見した。
このデータセットを用いて学習させたテスト用と学習用のkatbustモデルの精度は93%であった
第2図は、対象取引のバランスとエクイティのグラフである。
3つ目の図は、学習させたkatbustaモデルのシグナルで取引した場合の残高と資本のグラフである。
では、皆さん、解散してください。
もちろん、ここにいる神経学者たちは権威があり、オーバートレーニングとの戦いでデータを最大限に絞り出す方法を知っていますが、私が思うに、一番の問題は入力データなのです。どんなオシレーター（標準的なもの、自分で書いたもの）でも、どんな連続した曲線でも、価格の規則性を含んでいないので、マウスに教えることはできません。
私は、トレンドとその波というものを次のように捉えています。波の長さ，波の時間間隔，波の速度，これらのパラメーターの過去のものとの比較，過去の極値（トレンドの動き）の超過の大きさ，過去に最も近い切れ目のない極値までの距離，...である。...比較するものがたくさんあります。ここには規則性があると思います。これこそ、グリッドにふれることができるのです。
または自分で考えることができます。
私もそんなことを考えていたので、フーリエを取り上げたのですが、スペクトルを磨いて逆変換してみると、答えよりも疑問の方が多いんです。小さな影響を取り除くと、大きなものは局所的な変化に気づかなくなり始めることがわかりました。NSに応用してみましたが、当然ながら常識的に考えて何もつながりません。波を区別する別の方法は見つかっていない）。一枚一枚の比較はもちろん貴重ですが、MOには向かない、すべての規則性がすぐに終わってしまうのです。