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 255 1...248249250251252253254255256257258259260261262...3399 新しいコメント Dr. Trader 2016.12.25 14:49 #2541 mytarmailS:1. なぜ手動で正規化するのですか？2.なぜ相関が-1、1が良いのか？1が良い場合のみ-1が非常に悪い場合、もし私の考えが正しければ、-1は逆相関である。3.学習したモデルの誤差をスライディングウィンドウで監視し、自分に合わなければ再学習してどうなるか試したことがありますか？4.そして、なぜすべてがそんなにひどく動作するかのグローバルなアイデア、市場は静止していない、我々は機能の形成のいくつかの他の概念を解決する必要があり、多分完全に論理的なルールのパラダイムに移動、私たちはほとんど完全に数字から離れて移動するか、スペクトル分析を勉強すべきだと思います））））））。1)scale()をしたことがない、何もないところでスケーリングしてセンタリングしてしまう。理想的には、前処理に caret パッケージを使用するのがよいでしょう。2）相関がゼロに近いということは、相関がないことを意味し、これは最悪のケースである。この場合のテストでの利益は、新しいデータでの潜在的な利益については何も言わない。-1は、学習時の精度が高くても、新しいデータでは常に悪い結果をもたらす場合である。しかし同時に、トレーニングでの結果が低ければ、新しいデータでの結果が良くなることを意味します :)これは、モデルが簡単にデータに合わせて再トレーニングされ、トレーニングでの低い結果では、単にデータを記憶するのに十分な時間がなく、なぜか奇跡的にプラスで取引される場合に起こり得ます。例えば、学習データの精度は0.9から1まで変化し、この場合0.9は「低い」となり、新しいデータの精度は0.5から0.6まで変化し、0.6は「高い」となる。つまり、結果の悪いモデルは再教育されず、より良い汎化論理を持ち、その結果、新しいデータに対する結果も良くなるのである。 言葉では美しいが、現実には安定した負の相関を見たことがない。より快適に、＋1の方向へ進みやすくなりました。3) このモデルが自分に合わないことを理解する一方で、ある時間が経過し、その間に通常のモデルが機能しなくなるほどの損失が発生する。新しいモデルをまずデモ口座で 取引することもあるでしょう。しかし、そのモデルが利益を生むようになり、私がリアル口座で取引を始めるころには、時代遅れになっているかもしれません。試していません。学習アルゴリズム全体が機能し、一貫して利益をもたらすモデルを提供することを事前に確認し、私が信頼できるものを実際の口座で取引するように設定した方が良いと思います。 学習アルゴリズムが十分に優れていれば、毎回ゼロから新しいモデルを作るよりも、古い作業モデルを新しいデータで更新する方が良いのです。4）フィーチャーエンジニアリングが良い。例えば、私は素の価格ではなく、mt5のインジケータを使用しています。 mytarmailS 2016.12.25 15:00 #2542 Dr.トレーダー そして、どのような精度であなたの良いモデルは、実際の条件下で新しいデータ上の後続のろうそくの色を予測するのですか？日足チャートで取引しているんですよね？ Dr. Trader 2016.12.25 15:26 #2543 mytarmailS: また、あなたの優れたモデルは、実際の条件下で新しいデータに対してどの程度の精度でローソク足の色を予測するのでしょうか？日足チャートで取引しているんですよね？私はH1、ターゲットは次のローソクの色です。予測精度は55％〜60％程度ですが、十分です。トレンドの中でも、常に価格が上昇しているわけではなく、次のバーで常に上下にバウンドしているので、このバウンドが精度をかなり損なわせています。重要なのは、モデル自体が変動しないこと、一度トレードに入るとトレンドの終わりまでそこに留まることです。 mytarmailS 2016.12.26 07:00 #2544 Dr.トレーダー要は、モデル自身がピクリとも動かないということで、一度トレードに入ったら、トレンドが終わるまでそこに座っていることになるのです。要は、モデル自体がぐらつかないこと、一度トレードに入ったらトレンドが終わるまでそこに留まることです。 ターゲットを滑らかにする方法はありますか？ mytarmailS 2016.12.26 21:53 #2545 mytarmailS:マーケットを理解したつもりになり始めたときのあの感覚...。 またガックリ来た時のあの感じ(( :)) mytarmailS 2016.12.29 21:17 #2546 非常に興味深い映像です...。特徴選択、アルゴリズム、そして市場について。https://www.youtube.com/watch?v=R3CMqrrIWOk Dr. Trader 2016.12.30 01:58 #2547 mytarmailS:非常に興味深い映像です...。特徴選択、アルゴリズム、そして市場について。https://www.youtube.com/watch?v=R3CMqrrIWOk本当に面白いです。特にマーケットについては、「原油価格の予測を始めたら、たぶん殺される」みたいなことがあまりないのが残念です :)(私の引用は不正確で、記憶で書いたものです）。最初の30分のビデオ-ここでアレクセイがスレッドで書いている。Rコードまで添付されていました。今となっては、最初の何十ページかをめくってみないと見つからない。それに、hbrの彼の記事へのリンクもあった。 私の場合、FXの予測変数の選択方法は残念ながら役に立たず、すべての予測変数が情報不足でした。あるいは、もっと新しい予測変数が必要です。 Mikhail Toptunov 2016.12.30 04:37 #2548 どなたか、m1[1000,1000] m2[1000,1000] などの配列を持つ入力で動作するニューラルネットワークの例を教えていただけませんか？どちらかというと、間が抜けていて申し訳ないです。まだニューロニクスを扱ったことがないので、練習したい。 パラメータの設定方法がよくわからない。 とてもありがたいことだと思う。 もしかしたら、誰かがプレディクター・コレクター方式を検討したことがあるかもしれません。 Dr. Trader 2016.12.30 09:40 #2549 トップ2n:を配列で入力します。例：m1[1000,1000] m2[1000,1000] など。 2つのアレイにそれぞれ1000の学習例を与え、ネットワークに1000の入力を与えたいのですか？それじゃダメだ、ひとつにまとめないといけない。それとも別の意味ですか？ Mikhail Toptunov 2016.12.30 09:56 #2550 Dr.トレーダー 2つのアレイにそれぞれ1000個の学習例を与え、ネットワークに1000個の入力を与えたいのですか？それではダメで、1つに統合する必要があります。それとも別の意味ですか？各配列[][]は、単一の品質情報の集合であり、すなわち各入力に対して、別々の配列[][]である。配列はたくさん与えたいので、今は4つ用意しましたが、もっと作ろうと思っています。それぞれの配列は価格の状態を表すもので、いろいろな角度から見て判明する、そういうものです。 各配列は1000行1000列なので、3次元のものを持っているので、K次元は新しい2次元のものです。 1...248249250251252253254255256257258259260261262...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
1. なぜ手動で正規化するのですか？
2.なぜ相関が-1、1が良いのか？1が良い場合のみ-1が非常に悪い場合、もし私の考えが正しければ、-1は逆相関である。
3.学習したモデルの誤差をスライディングウィンドウで監視し、自分に合わなければ再学習してどうなるか試したことがありますか？
4.そして、なぜすべてがそんなにひどく動作するかのグローバルなアイデア、市場は静止していない、我々は機能の形成のいくつかの他の概念を解決する必要があり、多分完全に論理的なルールのパラダイムに移動、私たちはほとんど完全に数字から離れて移動するか、スペクトル分析を勉強すべきだと思います））））））。
1)scale()をしたことがない、何もないところでスケーリングしてセンタリングしてしまう。理想的には、前処理に caret パッケージを使用するのがよいでしょう。
2）相関がゼロに近いということは、相関がないことを意味し、これは最悪のケースである。この場合のテストでの利益は、新しいデータでの潜在的な利益については何も言わない。
-1は、学習時の精度が高くても、新しいデータでは常に悪い結果をもたらす場合である。しかし同時に、トレーニングでの結果が低ければ、新しいデータでの結果が良くなることを意味します :)これは、モデルが簡単にデータに合わせて再トレーニングされ、トレーニングでの低い結果では、単にデータを記憶するのに十分な時間がなく、なぜか奇跡的にプラスで取引される場合に起こり得ます。例えば、学習データの精度は0.9から1まで変化し、この場合0.9は「低い」となり、新しいデータの精度は0.5から0.6まで変化し、0.6は「高い」となる。つまり、結果の悪いモデルは再教育されず、より良い汎化論理を持ち、その結果、新しいデータに対する結果も良くなるのである。
言葉では美しいが、現実には安定した負の相関を見たことがない。より快適に、＋1の方向へ進みやすくなりました。
3) このモデルが自分に合わないことを理解する一方で、ある時間が経過し、その間に通常のモデルが機能しなくなるほどの損失が発生する。新しいモデルをまずデモ口座で 取引することもあるでしょう。しかし、そのモデルが利益を生むようになり、私がリアル口座で取引を始めるころには、時代遅れになっているかもしれません。試していません。学習アルゴリズム全体が機能し、一貫して利益をもたらすモデルを提供することを事前に確認し、私が信頼できるものを実際の口座で取引するように設定した方が良いと思います。
学習アルゴリズムが十分に優れていれば、毎回ゼロから新しいモデルを作るよりも、古い作業モデルを新しいデータで更新する方が良いのです。
4）フィーチャーエンジニアリングが良い。例えば、私は素の価格ではなく、mt5のインジケータを使用しています。
また、あなたの優れたモデルは、実際の条件下で新しいデータに対してどの程度の精度でローソク足の色を予測するのでしょうか？日足チャートで取引しているんですよね？
私はH1、ターゲットは次のローソクの色です。予測精度は55％〜60％程度ですが、十分です。トレンドの中でも、常に価格が上昇しているわけではなく、次のバーで常に上下にバウンドしているので、このバウンドが精度をかなり損なわせています。重要なのは、モデル自体が変動しないこと、一度トレードに入るとトレンドの終わりまでそこに留まることです。
要は、モデル自身がピクリとも動かないということで、一度トレードに入ったら、トレンドが終わるまでそこに座っていることになるのです。要は、モデル自体がぐらつかないこと、一度トレードに入ったらトレンドが終わるまでそこに留まることです。
マーケットを理解したつもりになり始めたときのあの感覚...。
非常に興味深い映像です...。特徴選択、アルゴリズム、そして市場について。
https://www.youtube.com/watch?v=R3CMqrrIWOk
非常に興味深い映像です...。特徴選択、アルゴリズム、そして市場について。
https://www.youtube.com/watch?v=R3CMqrrIWOk
本当に面白いです。特にマーケットについては、「原油価格の予測を始めたら、たぶん殺される」みたいなことがあまりないのが残念です :)(私の引用は不正確で、記憶で書いたものです）。
最初の30分のビデオ-ここでアレクセイがスレッドで書いている。Rコードまで添付されていました。今となっては、最初の何十ページかをめくってみないと見つからない。それに、hbrの彼の記事へのリンクもあった。
私の場合、FXの予測変数の選択方法は残念ながら役に立たず、すべての予測変数が情報不足でした。あるいは、もっと新しい予測変数が必要です。
どなたか、m1[1000,1000] m2[1000,1000] などの配列を持つ入力で動作するニューラルネットワークの例を教えていただけませんか？どちらかというと、間が抜けていて申し訳ないです。
まだニューロニクスを扱ったことがないので、練習したい。 パラメータの設定方法がよくわからない。 とてもありがたいことだと思う。
もしかしたら、誰かがプレディクター・コレクター方式を検討したことがあるかもしれません。
を配列で入力します。例：m1[1000,1000] m2[1000,1000] など。
2つのアレイにそれぞれ1000個の学習例を与え、ネットワークに1000個の入力を与えたいのですか？それではダメで、1つに統合する必要があります。それとも別の意味ですか？
各配列[][]は、単一の品質情報の集合であり、すなわち各入力に対して、別々の配列[][]である。配列はたくさん与えたいので、今は4つ用意しましたが、もっと作ろうと思っています。それぞれの配列は価格の状態を表すもので、いろいろな角度から見て判明する、そういうものです。
各配列は1000行1000列なので、3次元のものを持っているので、K次元は新しい2次元のものです。