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 2546 1...253925402541254225432544254525462547254825492550255125522553...3399 新しいコメント JeeyCi 2022.01.19 17:54 #25451 Uladzimir Izerski#: 以下、記事からの引用です。"人工知能の特質は、新しい標準的でない状況をナビゲートする技術がない ことです。市場に異常事態が発生した場合、モデルは最善の方法を提案しにくい。パンデミックはその典型的な例です。経済協力開発機構（OECD）は、イングランド銀行の 調査によると、この間、約35％の銀行が機械学習ベースのAIモデルによるマイナスの影響を経験したことを挙げて います。 銀行は何のためにあるのか。それは、融資の「やるかやらないか」の段階で、顧客の信用度を判断するためにMLが必要なのだ...。 そして、ある通貨と別の通貨の交換レートは、パンデミックの時でさえ、行ったり来たりして生きているでしょう...そして、輸出入取引が減り、したがってNFI（外国のパートナーに支払うために国内で通貨が特に必要でなくなった場合）--そうなると、推測は、薬、またはテロ攻撃とストライキと準備金の移転（または噂）だけになってしまうでしょう......。 データマイニングは、歴史は繰り返すという事実に基づいていますが、新たな進化のラウンドでは、新たなパラメーターが加わるだけなのです。だから、絶対的なパラメータを取るのではなく、相対的なパラメータを取るように......。 銀行は、顧客の "信用を取るか取らないか "の好みをMLで監視できない...。と、人生で一度だけ、平気でローンを組む人が多いのですが...。 ただ、データマイニングはMachineLearningだけではないのですが...。が、その前の定性的な統計解析や、ニューラルネットワークでの本格的なMetaLearningで、モデルを現状に適応させる...。そしてこの場合でも、十分に信頼できる予測は、ある時点だけで、長い期間はできない...。 銀行がすべての情報を持っていて、それをモデルにロードすることはできない......。...そして、AIを相場予測以外の目的に使う（そんなことはしない）...都合の良い金利で貸し借りすれば良い...と。 p.s. 学校は、銀行が特定の顧客に融資する可能性を見極めるよりも、より正確にプロフェッショナルのオリエンテーションを行うためにMLを使っています...- そして、彼らにできることは何もない。どんな条件でもいいから貸してくれ、さもなければ彼ら自身が無給で仕事を失うことになる（AIのせいではなく、顧客関係管理との条件で彼らのサービスへの需要がある）......。 しかし、逆境（パンデミック）の時に国際貿易が弱体化し、流動性が不足するのは理解できるのですが......。しかし、歴史上、流動性不足の瞬間はありました（ただ、パラメータはパンデミックではありませんでした）--それは新しいことではありません--唯一の問題は、どのモデルが、何を推定するか、トレーニングサンプルの水平方向は何か、その解釈の結論がその銀行の生きた人々によってどう導かれるかです...。 追伸 イングランド銀行に関するOECDの情報は、木を集める木こりの手にかかれば、単なる憶測や黒塗り広報に過ぎないのかもしれない...。2008年の危機は、何もないところから現れたわけではなく、2年前にはすでにその前提条件が見えていたのだが...。そして2008年(だと思う)には、実際に - リーマンブラザーズの破綻でQEを行うための投機、おそらく同じお金で... ところで、金融危機は銀行の「せい」だった(因果関係がなくなったわけではないが - MBSも無から生じたのではなく、需要から生じた！...)。- 今は、どうやらAIのせいにしているようですが......少なくともAIは答えませんから......。この ような信号の有効性を求めて、誰かがまだ宇宙をサーフしているのかもしれませんね。 Пример решения задачи множественной регрессии с помощью Python habr.com Введение Добрый день, уважаемые читатели. В прошлых статьях, на практических примерах, мной были показаны способы решения задач классификации (задача кредитного скоринга) и основ анализа текстовой... Rorschach 2022.01.21 16:44 #25452 ライブラリなしでウェーブレットを使ったことのある方はいらっしゃいますか？ウェーブレットは無限大で定義されますが、ではどの程度の長さをとればいいのでしょうか？ Roman 2022.01.22 19:24 #25453 Rorschach#: ライブラリなしでウェーブレットをつかったことがある人いますか？ウェーブレットは無限大で定義されていますが、その場合、どの程度の長さをとればいいのでしょうか？ 分解そのものをまだ研究していない、答えがわからない。 しかし、この例では、ブロック図からウィンドウ10が指定されていることが明らかです。 おそらく無限大で定義されているので、役割はありません。 そして、できるだけ効果的に問題を解決する長さを取ることです。 Rorschach 2022.01.22 20:53 #25454 ローマ字 表記： 分解そのものはまだ研究していないので、答えはわかりません。 しかし、ブロック図の例では、ウィンドウが10に設定されています。 おそらく、無限大に定義されているのでしょうが、役割を果たしません。 そして、できるだけ効率的に問題を解決する長さを取る。 理論的には、ウィンドウの長さが違うはずです。 Roman 2022.01.22 21:25 #25455 ロールシャッハ＃： ウィンドウの長さが違うはずです 正直なところ、質問の意味がよくわからない。 もしかして、そういうことなのかな？ Roman 2022.01.23 00:02 #25456 ロールシャッハ＃： 理想は、窓の長さが違うこと 一番の解決策は、教科書を参照することです。 ファイル: 5I._Dobeshii_Desyat_lekcy_po_veivletamzBookSee.orga.zip 2612 kb sibirqk 2022.01.23 03:57 #25457 ウェーブレットはフーリエと同じです。古典的なフーリエ法、窓フーリエ法、そして窓フーリエ法のように長方形の窓ではなく、特殊な窓であるウェーブレットを使用したウェーブレット法がある。金融相場では、商がランダムであるため、フーリエは適さない。 Aleksey Nikolayev 2022.01.23 05:34 #25458 sibirqk#: WaveletsはFourierと同じです。古典的なフーリエ法、窓フーリエ法、そして窓フーリエ法のように長方形の窓ではなく、特殊な窓であるウェーブレットを使用したウェーブレット法がある。金融相場では、商がランダムであるため、フーリエは適さない。 ウェーブレットは、（限られたウィンドウではなく）利用可能な価格履歴全体に対する経済的な表現に適していると言われている Maxim Dmitrievsky 2022.01.23 05:44 #25459 時系列にはシェイプレットがより一般的に使われるが、その場合でもこのアプローチはそれほど一般的ではない Aleksey Nikolayev 2022.01.23 06:39 #25460 Maxim Dmitrievsky#: シェイプレットは時系列によく使われるが、そのアプローチもあまり人気がない。 シャプレットの検索は、シリーズセグメントのクラスタリングを思い起こさせます。おそらく心電図のような信号には有効でしょうが、価格調査にはあまり意味がないのではと思います。 ところで、LGBMモデルの応用は何とかなったのでしょうか？Rで訓練された方は、San Sanychのライブラリを使ってみるのもいいかもしれません) 1...253925402541254225432544254525462547254825492550255125522553...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
以下、記事からの引用です。
"人工知能の特質は、新しい標準的でない状況をナビゲートする技術がない ことです。市場に異常事態が発生した場合、モデルは最善の方法を提案しにくい。パンデミックはその典型的な例です。経済協力開発機構（OECD）は、イングランド銀行の 調査によると、この間、約35％の銀行が機械学習ベースのAIモデルによるマイナスの影響を経験したことを挙げて います。
銀行は何のためにあるのか。それは、融資の「やるかやらないか」の段階で、顧客の信用度を判断するためにMLが必要なのだ...。
そして、ある通貨と別の通貨の交換レートは、パンデミックの時でさえ、行ったり来たりして生きているでしょう...そして、輸出入取引が減り、したがってNFI（外国のパートナーに支払うために国内で通貨が特に必要でなくなった場合）--そうなると、推測は、薬、またはテロ攻撃とストライキと準備金の移転（または噂）だけになってしまうでしょう......。
データマイニングは、歴史は繰り返すという事実に基づいていますが、新たな進化のラウンドでは、新たなパラメーターが加わるだけなのです。だから、絶対的なパラメータを取るのではなく、相対的なパラメータを取るように......。
銀行は、顧客の "信用を取るか取らないか "の好みをMLで監視できない...。と、人生で一度だけ、平気でローンを組む人が多いのですが...。
ただ、データマイニングはMachineLearningだけではないのですが...。が、その前の定性的な統計解析や、ニューラルネットワークでの本格的なMetaLearningで、モデルを現状に適応させる...。そしてこの場合でも、十分に信頼できる予測は、ある時点だけで、長い期間はできない...。
銀行がすべての情報を持っていて、それをモデルにロードすることはできない......。...そして、AIを相場予測以外の目的に使う（そんなことはしない）...都合の良い金利で貸し借りすれば良い...と。
p.s. 学校は、銀行が特定の顧客に融資する可能性を見極めるよりも、より正確にプロフェッショナルのオリエンテーションを行うためにMLを使っています...- そして、彼らにできることは何もない。どんな条件でもいいから貸してくれ、さもなければ彼ら自身が無給で仕事を失うことになる（AIのせいではなく、顧客関係管理との条件で彼らのサービスへの需要がある）......。
しかし、逆境（パンデミック）の時に国際貿易が弱体化し、流動性が不足するのは理解できるのですが......。しかし、歴史上、流動性不足の瞬間はありました（ただ、パラメータはパンデミックではありませんでした）--それは新しいことではありません--唯一の問題は、どのモデルが、何を推定するか、トレーニングサンプルの水平方向は何か、その解釈の結論がその銀行の生きた人々によってどう導かれるかです...。
追伸
イングランド銀行に関するOECDの情報は、木を集める木こりの手にかかれば、単なる憶測や黒塗り広報に過ぎないのかもしれない...。2008年の危機は、何もないところから現れたわけではなく、2年前にはすでにその前提条件が見えていたのだが...。そして2008年(だと思う)には、実際に - リーマンブラザーズの破綻でQEを行うための投機、おそらく同じお金で... ところで、金融危機は銀行の「せい」だった(因果関係がなくなったわけではないが - MBSも無から生じたのではなく、需要から生じた！...)。- 今は、どうやらAIのせいにしているようですが......少なくともAIは答えませんから......。この ような信号の有効性を求めて、誰かがまだ宇宙をサーフしているのかもしれませんね。
ライブラリなしでウェーブレットをつかったことがある人いますか？ウェーブレットは無限大で定義されていますが、その場合、どの程度の長さをとればいいのでしょうか？
分解そのものをまだ研究していない、答えがわからない。
しかし、この例では、ブロック図からウィンドウ10が指定されていることが明らかです。
おそらく無限大で定義されているので、役割はありません。
そして、できるだけ効果的に問題を解決する長さを取ることです。
分解そのものはまだ研究していないので、答えはわかりません。
しかし、ブロック図の例では、ウィンドウが10に設定されています。
おそらく、無限大に定義されているのでしょうが、役割を果たしません。
そして、できるだけ効率的に問題を解決する長さを取る。
理論的には、ウィンドウの長さが違うはずです。
ウィンドウの長さが違うはずです
正直なところ、質問の意味がよくわからない。
もしかして、そういうことなのかな？
理想は、窓の長さが違うこと
一番の解決策は、教科書を参照することです。
WaveletsはFourierと同じです。古典的なフーリエ法、窓フーリエ法、そして窓フーリエ法のように長方形の窓ではなく、特殊な窓であるウェーブレットを使用したウェーブレット法がある。金融相場では、商がランダムであるため、フーリエは適さない。
ウェーブレットは、（限られたウィンドウではなく）利用可能な価格履歴全体に対する経済的な表現に適していると言われている
シェイプレットは時系列によく使われるが、そのアプローチもあまり人気がない。
シャプレットの検索は、シリーズセグメントのクラスタリングを思い起こさせます。おそらく心電図のような信号には有効でしょうが、価格調査にはあまり意味がないのではと思います。
ところで、LGBMモデルの応用は何とかなったのでしょうか？Rで訓練された方は、San Sanychのライブラリを使ってみるのもいいかもしれません)