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 2527

新しいコメント
 
mytarmailS#:

この方がずっと面白い

マーケットが時系列であるという概念を全く捨てて、やっとマーケット分析のブレークスルーができるかもしれない...。

一方が他方を邪魔することはない。現代の金融数学は、連続・離散の時系列アプローチと非常に親和性が高い。問題は、この科学の具体的な応用が公開されても、私たちトレーダーのニーズに対して十分に研ぎ澄まされていないことだと思います。

 
JeeyCi#：

を捻じ曲げないでください：私に反論しようとすると、あなたはまだ自分のことを話している...時系列についてのみ...(サンプリング手法も多いし）...。

価格長期は時間の関数ではない、私は何度も主張した(重複しない)...DLで自己相関が取れる場所...XとYに何を使うか、どんな依存関係をモデリングするか...私も10回目に書きましたが、開発者の裁量で...です。

私はあなたのモデルの開発者ではないので、価格の時間的な振る舞いを証明する必要はないのですが...。(DLに落書きしたのがいけなかったのかもしれませんが......ここの皆さんは何かを考えて反論したり、誰かに何かを証明したり、あらゆる学問の中から一文字ずつ抜き出しています)......。MOをやっているエンジニア（ここにはいませんが）は、トレンドでもティックでも、自分のノミ（自己相関）が出てくる地平線よりも、もっと広い側面、広い学習セットの地平線でモデルを構築すれば、自己相関の議論の狭さを（オタク的な話として）まだ理解できるのですが......。それがディープラーニングです（すべてを考慮すること）。


そう、自分の体験を通して、言葉をひねってきたのです。ご不快に思われましたら、ご容赦ください。

 
Aleksey Nikolayev#:

この違いは、最初のケースではACFがすべての可能な時間モーメントの組に対して考慮されるのに対し、2番目のケースでは時間モーメントの1つがt2=nに固定され、多くの時間モーメントの組（ 例えば、t1=1、t2=2の組）が考慮から外れることである。一般に、ACFは2つの引数の関数である。定常過程の場合のみ、ACFは1つの引数t=t1-t2（ラグ）の関数として考えることができる。

サンプルACFは常にプロセスの特定の数値サンプル（実現）から計算され、常に1つの引数（ラグ値）の関数であることが判明しています。これが、SB導入のサンプルACFがそのACFの推定値とならない主な理由である）。

一組の時間モーメントt1とt2（確実を期すためにt1＜t 2とする）についてACFを計算することは、実際にはサンプル長n=t2、ラグt2-t1 でのサンプルACFを 計算していると思いませんか？時刻t2の観測者にとっては、時系列は長さt2のサンプルで表される。観測者は時間t2以降に何が起こるかわからない。

 

そこで、全く根拠がないわけではないのだが、実際の市場の自己相関について、私の観測を紹介する。

過去50要素の各値の観測窓。それぞれ1、3、6要素ずつオフセットされている。

ピアソン係数の結果は-1～1です。

この分析の最初の画面では、例えば、1本のロウソクのスケールで、安定した負の自己相関（正の値の後に負の値が続く、またはその逆）があったと言えるでしょう。

ローソク足3本単位では同じだが観測点での安定性が低く、ローソク足6本単位ではミニトレンドが発生している。

そして2枚目では、まったく異なる（数字に注目）。

でも、時系列だから、なぜかここのみんなは嫌がるし、一般的には自分がバカで何もわかっていないことはわかってるんだけどね。このスクリーンショットで誰かを不快にさせたり、教えたりするつもりはありません。そのような計算で予測を立てることは勧めません。

ファイル:
situiation1.jpg  117 kb
situation2.jpg  108 kb
 
博士号：

一組の時間モーメントt1とt2（確実を期すためにt1＜t 2とする）についてACFを計算することは、実際にはサンプル長n=t2、ラグt2-t1 でのサンプルACFを 計算していると思いませんか？時刻t2の観測者にとっては、時系列は長さt2のサンプルで表される。観測者は時間t2以降に何が起こるかを知らない。

しかし、時刻t3、t3>t2の観測者は、時刻t1とt2の相関に興味を持つかもしれない。そして、あなたの式ACF(t) =sqrt((n-t)/n) では、彼はそれを計算することができません（n を t3 に置き換えるだけです）。

系列が定常であれば、ACF(t1, t2)=ACF(t2-(t2-t1), t2)=ACF(t3-(t2-t1), t3)となるが、一般に2番目の等式は成立 しない。ここでの非定常性は、観測者がどの時点にいるかという依存性の存在（時間の非同質性） であると言えます。

 

生協の仕事はもちろん、自分の趣味を追求するにはどうしたらいいのか。理論的には、究極の（そして潜在的に共通の）目標は、収益性の高いシステムを作ることです。あるいは、全員が1つのデータで作業することも可能です。ある機器の4ヶ月間のデータです 。このデータで期待ペイオフ＞7を得られることが知られている（手数料は4.4、5桁）。過去1.5年分の利益が出るはずですが、それについては後述します。

 
Aleksey Nikolayev#:

しかし、時刻t3、t3>t2の観測者は、時刻t1とt2の間の相関に興味を持つかもしれない。ACF(t) =sqrt((n-t)/n) という 式では、彼はそれを計算することができません（nをt3に置き換えるだけです）。

系列が定常であれば、ACF(t1, t2)=ACF(t2-(t2-t1), t2)=ACF(t3-(t2-t1), t3)となるが、一般には2番目の等式は成立 しない。ここでいう非定常性とは、観察者がどの時点にいるかという依存性があること（時間的不均質性）とも 言えます。

でも、もちろんそんなことはありません。そうなんです!時間t3、t3>t2において、考古学者が長さt 2のSBの古代の記録（例えば3千年前のアンフォラ）を掘り起こすかもしれない。そして、例えば、モーメント t1 と t2 の相関を 計算したいとします。 ACF(t) =sqrt((n-t)/n), ただしn=t2, t=t2-t1 です。 まさに、サンプル長n=t2、ラグt2-t 1のときに サンプルACFをカウントすることになるからです。時間の瞬間t3が人為的に導入 されていることを実感してください。

 
医師番号:

でも、そうじゃないんです。そうなんです!時間t3、t3＞t2における 考古学者は、長さt 2のSBの古代の記録（例えば、3千年前のアンフォラ）を掘り起こすことができる。そして、例えば、モーメント t1 と t2 の相関を 計算したいと思います。 ACF(t) =sqrt((n-t)/n), ただしn=t2, t=t2-t1 です。 まさに、サンプル長n=t2、ラグt2-t1のときにサンプルACFをカウントすることになるからです。あなたは、時間の瞬間t3が、あなたによって人為的に導入さ れたと感じていますね。

要するに、同じ2つの引数を持つ関数でありながら、その計算アルゴリズムが非常に芸術的に記述されているのです)

t3の瞬間はごく自然なことであり、t4>t3という t4の瞬間がまだ必要で、そのためにt3の瞬間の予測が構築されている)

 
Aleksey Nikolayev#:

基本的には、同じ2つの引数を持つ関数にたどり着きますが、その計算アルゴリズムについては非常に芸術的な記述になっています)

t3の瞬間はごく自然なことであり、t4>t3という t4の瞬間がまだ必要で、そのためにt3の瞬間の予測が構築されている)

私は、ACF SBの現象について、次のような立場から考察することを提案する。一般的なSB（無限長のサンプル）の場合、ACF=const=1です。有限の長さnのサンプルに対して、1/sqrt(n)のオーダーの典型的な誤差でACFの 推定値を得ることができます。ACF(t) =sqrt((n-t)/n) = sqrt(1- t/n) の推定値を与えるのは、このオーダーの誤差である。

 
医師番号:

SBのACFという現象について、次のような立場から考察することを提案する。SBの一般集団（無限長の標本）の場合、ACF＝const＝1。有限の長さnのサンプルに対して、1/sqrt(n)のオーダーの典型的な誤差でACFの 推定値を得ることができます。ACF(t) =sqrt((n-t)/n) = sqrt(1- t/n) の推定値を与えるのは、このオーダーの誤差である。

これはもはやSBではなく、実現-定数を持つプロセスであろう)

コルモゴロフやウィーナーが墓から蘇り、棒で叩かれる前に、この素晴らしい議論を終わらせるために、私は対案を出します)

1...252025212522252325242525252625272528252925302531253225332534...3399
新しいコメント