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 2560 1...255325542555255625572558255925602561256225632564256525662567...3399 新しいコメント mytarmailS 2022.01.29 11:45 #25591 Aleksey Nikolayev#: カスタムフラッシュファイルを設定する機能、必要なものは理解できたと思います。しかし、この関数HMMFit()は、LLHを組み込んだバウムウェルチを実装しているため、この可能性をサポートしない。一部のバウムウェルチパラメーターのみ設定可能ですユーザー定義のf.f.を設定できる別のパッケージが必要です。 面白いのは、このAMOのパッケージでカスタムFFが使えるものは見たことがないんですよね...。 X,Y(日付、ターゲット)を設定するか、X(日付)だけを設定するかのどちらかです。 しかし、AMOの「内臓」に入り込み、そこで動かして、f.f.がどうなるかは、いつでも確認できます。 私はニューロニクスのトレーニングをこの方法で行っていますし、フォレストも行っています。 Aleksey Nikolayev 2022.01.29 12:46 #25592 mytarmailS#: 面白いのは、AMOでffが使えるようなパクリは見たことないんだよなぁ...。X,Y(日付、ターゲット)を設定するか、X(日付)だけを設定するかのいずれかしかし、AMOの「内臓」に入り込み、そこで動かして、f.f.がどうなるかは、いつでも確認できます。私がやっていることは、私のライフハックであり、ニューロニックもフォレストもこの方法で訓練しました。 LightGBMでは自分で設定することもできますが、そのようなことはできないことの方が多いでしょう。 mytarmailS 2022.01.29 13:17 #25593 Aleksey Nikolayev#: LightGBMでは自分で設定できますが、そのようなオプションはないことの方が多いでしょう。 FFとカスタムメトリクスを混同してませんか? Mihail Marchukajtes 2022.01.29 13:23 #25594 私がどのような指標で、どのような基準でモデルを選んでいるのか、もう一度お話ししましょうか。 結局のところ、これがMOで最も重要なこと、根本的な問題なのです :-) Aleksey Vyazmikin 2022.01.29 13:43 #25595 Maxim Dmitrievsky#: おそらく、一般に受け入れられているシンプルな定義に戻るべきでしょう。 トレンド、季節性、周期性、ノイズへの分解。これらは、程度の差こそあれ、どれでも試みることができます。 定常性 - 平均と分散が一定であること、市場では観測されない。 規則性 - 繰り返し、2Dサイクルの何らかのアナログ、または持続性、一定レベルの信号の存在。投機の機会を運ぶようなものですね。SBとは違う良さがある。 定常性の定義についてですが、これは明らかに抽象的で、揺らぎのない一点であれば測定窓は関係ないか、あるいはやはり揺らぎがあり最小限の窓で測定するか、あるいは測定窓の範囲で測定するかのどちらかでしょう。 一方、規則性は、その測定窓ではなく、一点の状態であるため、同じように定常性を生み出すことができます。 したがって、その定常性がターゲットに関する情報を持っていれば、予測可能性、ひいては学習に直接影響を与えることになる。 先ほども書きましたが、まさに、与えられた測定窓に対する定常性を評価して予測を選択するというアプローチをとっています。 Forester 2022.01.29 13:59 #25596 Aleksey Nikolayev#: LightGBMでは自分で設定することもできますが、そのようなことはできないことの方が多いでしょう。 xgboostでも 可能ですが、自分で関数を書くのは大変です。数式を出力する必要があります。 http://biostat-r.blogspot.com/2016/08/xgboost.html- 6段落目。 Maxim Dmitrievsky 2022.01.29 14:26 #25597 Aleksey Vyazmikin#: 定常性の定義についてですが、これは明らかに抽象的で、揺らぎのない一点であれば測定窓は関係ないし、揺らぎがあっても最小限の窓で測定するか、あるいは窓の範囲で測定するかのどちらかでしょう。一方、規則性は、その測定窓ではなく、一点の状態であるため、同じように定常性を生み出すことができます。したがって、その定常性がターゲットに関する情報を持っていれば、予測可能性、ひいては学習に直接影響を与えることになる。先ほども書きましたが、今はちょうど、与えられた測定窓で定常性を推定してプリカーサを選ぶという方法をとっています。いみがとれない statinoirはモデル構築後のノイズであるべきで、他では必要ない。 Aleksey Vyazmikin 2022.01.29 14:33 #25598 Maxim Dmitrievsky#: 全く理解できないんです。 理解したいですか? Aleksey Nikolayev 2022.01.29 14:37 #25599 mytarmailS#: ffとカスタムメトリクスを混同してませんか? そうではないと思います。この例は pythonで書かれています。 Aleksey Vyazmikin 2022.01.29 14:44 #25600 Maxim Dmitrievsky#: 統計的ノイズはモデルが構築された後にあるべきで、それ以外の場所では必要ありません。 なるほど、まさに私が言っている予測因子とターゲットの関係ですね。 さて、予測変数の組み合わせに分割などの仕組みを用いて、異なるサンプル間隔で「定常性」の推定値を与えるモデルを構築する方法は、私は知りません。すべてのモデルはサンプルプロットへのフィットを行い、改善の定量的な指標のみを推定しますが、区間をまたいで推定する必要があり、その場合、モデルはよりロバストになる可能性があります。 1...255325542555255625572558255925602561256225632564256525662567...3399 新しいコメント 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
カスタムフラッシュファイルを設定する機能、必要なものは理解できたと思います。しかし、この関数HMMFit()は、LLHを組み込んだバウムウェルチを実装しているため、この可能性をサポートしない。一部のバウムウェルチパラメーターのみ設定可能です
ユーザー定義のf.f.を設定できる別のパッケージが必要です。
面白いのは、このAMOのパッケージでカスタムFFが使えるものは見たことがないんですよね...。
X,Y(日付、ターゲット)を設定するか、X(日付)だけを設定するかのどちらかです。
しかし、AMOの「内臓」に入り込み、そこで動かして、f.f.がどうなるかは、いつでも確認できます。
私はニューロニクスのトレーニングをこの方法で行っていますし、フォレストも行っています。
面白いのは、AMOでffが使えるようなパクリは見たことないんだよなぁ...。
X,Y(日付、ターゲット)を設定するか、X(日付)だけを設定するかのいずれか
しかし、AMOの「内臓」に入り込み、そこで動かして、f.f.がどうなるかは、いつでも確認できます。
私がやっていることは、私のライフハックであり、ニューロニックもフォレストもこの方法で訓練しました。
LightGBMでは自分で設定することもできますが、そのようなことはできないことの方が多いでしょう。
LightGBMでは自分で設定できますが、そのようなオプションはないことの方が多いでしょう。
私がどのような指標で、どのような基準でモデルを選んでいるのか、もう一度お話ししましょうか。
結局のところ、これがMOで最も重要なこと、根本的な問題なのです :-)
おそらく、一般に受け入れられているシンプルな定義に戻るべきでしょう。
定常性の定義についてですが、これは明らかに抽象的で、揺らぎのない一点であれば測定窓は関係ないか、あるいはやはり揺らぎがあり最小限の窓で測定するか、あるいは測定窓の範囲で測定するかのどちらかでしょう。
一方、規則性は、その測定窓ではなく、一点の状態であるため、同じように定常性を生み出すことができます。
したがって、その定常性がターゲットに関する情報を持っていれば、予測可能性、ひいては学習に直接影響を与えることになる。
先ほども書きましたが、まさに、与えられた測定窓に対する定常性を評価して予測を選択するというアプローチをとっています。
LightGBMでは自分で設定することもできますが、そのようなことはできないことの方が多いでしょう。
xgboostでも 可能ですが、自分で関数を書くのは大変です。数式を出力する必要があります。
http://biostat-r.blogspot.com/2016/08/xgboost.html- 6段落目。
定常性の定義についてですが、これは明らかに抽象的で、揺らぎのない一点であれば測定窓は関係ないし、揺らぎがあっても最小限の窓で測定するか、あるいは窓の範囲で測定するかのどちらかでしょう。
一方、規則性は、その測定窓ではなく、一点の状態であるため、同じように定常性を生み出すことができます。
したがって、その定常性がターゲットに関する情報を持っていれば、予測可能性、ひいては学習に直接影響を与えることになる。
先ほども書きましたが、今はちょうど、与えられた測定窓で定常性を推定してプリカーサを選ぶという方法をとっています。
いみがとれない
statinoirはモデル構築後のノイズであるべきで、他では必要ない。全く理解できないんです。
理解したいですか?
ffとカスタムメトリクスを混同してませんか?
そうではないと思います。この例は pythonで書かれています。
統計的ノイズはモデルが構築された後にあるべきで、それ以外の場所では必要ありません。
なるほど、まさに私が言っている予測因子とターゲットの関係ですね。
さて、予測変数の組み合わせに分割などの仕組みを用いて、異なるサンプル間隔で「定常性」の推定値を与えるモデルを構築する方法は、私は知りません。すべてのモデルはサンプルプロットへのフィットを行い、改善の定量的な指標のみを推定しますが、区間をまたいで推定する必要があり、その場合、モデルはよりロバストになる可能性があります。