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 2518

新しいコメント
 
Ivan Butko#:
皆さん、このスレッドの常連さん、機械学習の成功例、使える既製品があれば教えてください！

支店が猛烈に伸びたのは、おそらく一番活発なところでしょう。

既製品がないのです。ロングプレイのものもない。そして、学びながら、重いアルゴリズムをこれは最適化ではありません。

 
医師番号:

誰もが正解を知っていて、誰も興味を示さない。興味深いのは、オートマットのようなカラフルなキャラクターの答えである。そして、アレクサンダーの答えが面白い。彼のエネルギーと情熱で)

先生、こんにちは。昔は...そうですね...正解が必要なのか？

この問いかけをきっかけに活発な議論が展開され、スマートラボについてはすでに一冊の本が出版されているほどです。今までは、ワーロック方式を研究している人たち--それを肯定するか否定するかのテスト結果を出し、それでトレードしていた。人々が興味を持つこと、それが最大のポイントです。

 

Alexander_K#:

それでも、コルドゥンの方法を研究している人たちは、それを肯定する実験結果も否定する実験結果も出し、それを使って取引をしている。


インクリメントの合計があるチャンネルがあるところでしょうか？

当然ながら、傾向（外れ値）があるため、このシステムは直接機能しない。一見すると、ボラティリティの予測が求められているように思えるが、誰にもわからない・・・。

 
Evgeniy Chumakov#:


インクリメントの合計が表示されるチャンネルはそこでしょうか？

なんというか、明らかにこのシステムはトレンド（外れ値）があるので、素直にうまくいかないでしょう。一見すると、ボラティリティ予測は避けて通れないように思えるが、果たして...。

そう、人々は自分のニーズや願望に合わせて微調整しているだけなのです。私は個人的に - 平均とボラティリティの予測は、ご存知のように、単位時間当たりの受信ティックの数に依存するいくつかの種類を使用しています。

 
Alexander_K#:

そう、人々は自分のニーズや願望に合わせて微調整しているだけなのです。私は個人的に - 平均とボラティリティの予測、単位時間当たりの受信ティックの数に依存することが知られているいくつかの種類を使用します。

TFに対する何周目のティックの速さ。また、1周期あたりのティック数、または1周期あたりのティック間の平均時間として、どのように？

 
Valeriy Yastremskiy#:

TFに対して、どの期間の刻みを計測するかという速度。また、1周期あたりの数、あるいは1周期あたりの平均的な刻み間隔としては、どのようにすればよいのでしょうか？

S*sqrt(T)という式を使ってプロセスの標準偏差を計算する場合、市場においてTは時間的に入ってくるティック（または規模の大きなイベント）の数の関数であることを理解しなければなりません。

それは、Tが予測できるはずだ。最も単純なケースでは、ある一定の時間間隔（例えば1日）の間に起こりうる最大イベント数である。これにより、事象の発生過程の非定常性が解消される。

1日未満の期間については、0から23までの各時間のイベント数をカウントし、選択した時間帯、例えば現在の時間帯であれば＝8時間で予測する必要があります。

 
Alexander_K#:

S*sqrt(T)という式を使ってプロセスの標準偏差を計算する場合、市場においてTは時間に対して入ってくるティック（または大きなスケールのイベント）の数の関数であることを理解する必要があります。

それをTは予測できるはずだ。最も単純なケースでは、ある一定の時間間隔（例えば1日）の間に起こりうる最大イベント数である。これにより、事象の発生過程の非定常性が解消される。

1日未満の期間については、0から23までの各時間のイベント数をカウントし、選択した時間帯、例えば現在の時刻であれば＝8時間で予測する必要があります。

TFの妥当な倍率といったところでしょうか？15分ですべての15分は1分ごとにスライドウィンドウでカウントするか、1時間または5分かけてレートを決定します。

 
Valeriy Yastremskiy#:

TFの妥当な倍率といったところでしょうか？15分では、すべての15分は1分ごとにスライディングウィンドウとしてカウントされるか、または速度を決定するために1時間または5分かかる。

私はこの規模では働かないので、残念ですが。私は、天文時間（それに伴い、変動相場時間）で8時間以上の窓を設けています。

 
Alexander_K#:

S*sqrt(T)という式を使ってプロセスの標準偏差を計算する場合、市場においてTは時間に対して入ってくるティック（または大きなスケールのイベント）の数の関数であることを理解する必要があります。

それは、Tが予測できるはずだ。最も単純なケースでは、ある一定の時間間隔（例えば1日）の間に起こりうる最大イベント数である。これにより、事象の発生過程の非定常性が解消される。

1日未満の期間については、特定の時間ごとに0から23までの数を数え、与えられた時間帯のイベント数、例えば現在の時間帯なら=8時間を予測する必要があります。


S*sqrt(T)

次に、我々は天文学的な時間で固定ウィンドウで動作する場合、その代わりにTを予測する（私が理解するように、刻みの量の到着の時間ごとの統計、時間ごとのボラティリティのヒストグラムの種類などによって）、すなわちイベントの量（この場合は刻み）我々は将来のいくつかのPの価格変動点の量を予測しなければならないと仮定することができます。

というより、ナンセンスですが...。))

 
Evgeniy Chumakov#:


S*sqrt(T)

そうすると、天文時間で固定されたウィンドウで作業する場合、T（私の理解では、時間ごとのティック量の到着の統計、時間ごとのボラティリティのヒストグラムの種類などによって）、すなわちイベント（この場合はティック）の量を予測する代わりに、将来のいくつかのPで価格変化点の量を予測することが必要であると考えることが可能である。

というより、ナンセンスですが...。))

いいえ、実はそうではなく、ほぼ同じ仕組みです。sqrt(t)が一定の範囲内であれば、価格変動点が予測される、という感じですね。
なぜなら、いつも「枠の中」ではなく、そこから出るのはいつもサプライズだからです。
sqrtが典型的なものに近い限り、反転時間さえも非常に正確に知ることができるのです。しかし、それを超えるとすぐに右へ左へとターンが「滑って」しまうのです。

1...251125122513251425152516251725182519252025212522252325242525...3399
新しいコメント
理由: