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 2561 1...255425552556255725582559256025612562256325642565256625672568...3399 新しいコメント Aleksey Nikolayev 2022.01.29 14:45 #25601 elibrarius#: xgboostでも 可能ですが、自分で関数を書くのは大変です。数式を導き出す必要があるのです。http://biostat-r.blogspot.com/2016/08/xgboost.html- 6段落目。 そうです,紙の上で計算する必要があります)すべての関数が使えるわけではありません-2次導関数を定義する必要があり,それはおそらくゼロでないはずです. Maxim Dmitrievsky 2022.01.29 14:49 #25602 Aleksey Vyazmikin#: そう、まさに私が言っている「予測因子と目標」の関係です。さて、予測変数の組み合わせにスプリッティングなどの仕組みを用いて、異なるサンプリング間隔で「定常性」を推定するモデルを構築する方法は、私は存じ上げません。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。 クロスバリデーションを行い、間隔による安定性を確認すれば良いのでは? Maxim Dmitrievsky 2022.01.29 14:52 #25603 その記事ですが、規則性ではなく、不規則性なんです。しかし、それは何の違いもない。 https://www.ncbi.nlm.nih.gov/pmc/articles/PMC518821/ mytarmailS 2022.01.29 15:23 #25604 Aleksey Nikolayev#: そんなことはないだろう - pythonでの例。 いや、そうじゃなくて、ただのカスタムメトリックなんですけどね...。 を入れると、fsを入れられない。 カスタムメトリクスでは、ターゲットとデータを与え、誤差を読み取るための計算式を選択するのですね。 そしてFFでは、「AMO!何がターゲティングでどうすればいいのかわからないけど、いいものを作ってね」と言うことができます(一度にたくさんの基準を使うこともできます)。 そして、ff+AMOで「ターゲットを考える」「調整をする」等々。 別世界の話ですが...。 Aleksey Vyazmikin 2022.01.29 15:51 #25605 Maxim Dmitrievsky#: クロスバリデーションで区間ごとの安定性を確認すればいいのでは? ランダムに成功するモデルを見つけるのではなく、そのモデルを成功させる確率を高めることが重要なのです。 Aleksey Nikolayev 2022.01.29 15:57 #25606 mytarmailS#: いや、そうじゃなくて、ただのカスタムメトリックなんですけどね...。FFは入れられない。カスタムメトリクスでは、ターゲットとデータを与え、誤差を読み取るための計算式を選択するのですね。そしてFFでは、「AMO!何がターゲティングでどうすればいいのかわからないけど、いいものを作ってね」と言うことができます(一度に多くの基準を使うこともできます)。そして、ff+AMOで「ターゲットを考える」「調整をする」等々。まったく別世界の話なのですが......。 イバフネンコの精神を受け継いだものなのかもしれない。とにかく私の趣味ではないのだが。 Roman 2022.01.29 16:11 #25607 ロールシャッハ#: 70年代の本で読んだのですが、自己相関が なければ予測はできないそうです。もっと最新の情報はないのでしょうか? 想定するプロセスの種類に応じたモデルの選択によるのでしょうね。 結局、静的過程では逆に、線形モデルで自己相関を戦わせる。 そして、動的過程では主に自己相関が存在する。 したがって、科学界は適切なモデルで自己相関過程の問題を解決しようとする。 したがって、自己相関がなければ、予測は大きく誤るということになる。 つまり、プロセスの性質を区別し、適切なアルゴリズムで推定する必要があるのだ。 力学系の合成推定に関する2014年の論文を読みました。 この論文では、指数関数的に相関する過程を持つ例を見ている。 偶然なのでしょうか?そんなことはないだろう。 mytarmailS 2022.01.29 16:11 #25608 Aleksey Nikolayev#: おそらく、イワフネンコの精神に通じるものがあるのでしょう、とにかく私のものではありません。 いや、イワフネンコは関係ない。ターゲットでは解決できない課題があるだけで、既成の形ではターゲットは存在しない。 問題を想像してください。 属性があり、価格があり、すべて属性「X」の行列である。 が問題です。 AMOに "X "を入力とし、"X "を出力とする関数を作成したい。 1)できるだけ価格を繰り返す(相関させる)。 2) 範囲 -1,1 であること。 3)できるだけ価格を上回る(負の相互相関)。 すべてです。任意のオプティマイザ、この場合は多基準オプティマイザ(Pareto)を使って、出力に必要なものが得られるまで、メダルの(ガッツ)部分をいじり始める。 既成のターゲティングは不可能で、検索してフィットネスを走らせるだけなんですね。 また、単純な例ですが、最大利益取引または回復要因、あるいはその両方についてネットワークを最適化する場合、既製のターゲットとしてどのようにすればよいのでしょうか。 Aleksey Nikolayev 2022.01.29 16:30 #25609 mytarmailS#: いや、イバフネンコは関係ない。単にターゲットで解決できない問題がある、レディメイドのターゲットがないのだ。問題を想像してください。属性と価格があり、全ては属性「X」の行列である。が問題です。AMOに "X "を入力とし、出力に.NETを使った関数を与えて欲しい。1)できるだけ価格を繰り返す(相関させる)。2) 範囲 -1,1 であること。3)できるだけ価格を上回る(負の相互相関)。すべてです。任意のオプティマイザ、この場合は多基準オプティマイザ(Pareto)を使って、出力に必要なものが得られるまで、メダルの(ガッツ)部分をいじり始める。既成のターゲティングは不可能で、検索してフィットネスを走らせるだけなんですね。あるいは、ただ単純な例として、最大利益または回復要因、あるいは両方を一度に取引するためにネットワークを最適化するには、既製のターゲットとしてそれを行う方法? まあ、多基準の最適化ですね。その中から1つの妥協点を組み合わせ、基準の重みを変えたときに解がどう変わるかを見て、その中からベストなものをフォワードベースで選ぶか。あるいは、1つの基準を基本として選択し、他の基準には有効な制限を選択し、それを破った場合に厳しいペナルティを加えることも可能です。 フォワードテストで大幅に有利になるなら挑戦する意味はありますが、そうでなければ面倒くさいだけの存在になってしまいます。 mytarmailS 2022.01.29 16:36 #25610 オフトップ、でも楽しい https://www.youtube.com/watch?v=_Aow6P3oBAg 1...255425552556255725582559256025612562256325642565256625672568...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
xgboostでも 可能ですが、自分で関数を書くのは大変です。数式を導き出す必要があるのです。
http://biostat-r.blogspot.com/2016/08/xgboost.html- 6段落目。
そうです,紙の上で計算する必要があります)すべての関数が使えるわけではありません-2次導関数を定義する必要があり,それはおそらくゼロでないはずです.
そう、まさに私が言っている「予測因子と目標」の関係です。
さて、予測変数の組み合わせにスプリッティングなどの仕組みを用いて、異なるサンプリング間隔で「定常性」を推定するモデルを構築する方法は、私は存じ上げません。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。
クロスバリデーションを行い、間隔による安定性を確認すれば良いのでは?
その記事ですが、規則性ではなく、不規則性なんです。しかし、それは何の違いもない。
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC518821/
そんなことはないだろう - pythonでの例。
いや、そうじゃなくて、ただのカスタムメトリックなんですけどね...。
を入れると、fsを入れられない。
カスタムメトリクスでは、ターゲットとデータを与え、誤差を読み取るための計算式を選択するのですね。
そしてFFでは、「AMO!何がターゲティングでどうすればいいのかわからないけど、いいものを作ってね」と言うことができます(一度にたくさんの基準を使うこともできます)。
そして、ff+AMOで「ターゲットを考える」「調整をする」等々。
別世界の話ですが...。
クロスバリデーションで区間ごとの安定性を確認すればいいのでは?
ランダムに成功するモデルを見つけるのではなく、そのモデルを成功させる確率を高めることが重要なのです。
いや、そうじゃなくて、ただのカスタムメトリックなんですけどね...。
FFは入れられない。
カスタムメトリクスでは、ターゲットとデータを与え、誤差を読み取るための計算式を選択するのですね。
そしてFFでは、「AMO!何がターゲティングでどうすればいいのかわからないけど、いいものを作ってね」と言うことができます(一度に多くの基準を使うこともできます)。
そして、ff+AMOで「ターゲットを考える」「調整をする」等々。
まったく別世界の話なのですが......。
イバフネンコの精神を受け継いだものなのかもしれない。とにかく私の趣味ではないのだが。
70年代の本で読んだのですが、自己相関が なければ予測はできないそうです。もっと最新の情報はないのでしょうか?
想定するプロセスの種類に応じたモデルの選択によるのでしょうね。
結局、静的過程では逆に、線形モデルで自己相関を戦わせる。
そして、動的過程では主に自己相関が存在する。
したがって、科学界は適切なモデルで自己相関過程の問題を解決しようとする。
したがって、自己相関がなければ、予測は大きく誤るということになる。
つまり、プロセスの性質を区別し、適切なアルゴリズムで推定する必要があるのだ。
力学系の合成推定に関する2014年の論文を読みました。
この論文では、指数関数的に相関する過程を持つ例を見ている。
偶然なのでしょうか?そんなことはないだろう。
おそらく、イワフネンコの精神に通じるものがあるのでしょう、とにかく私のものではありません。
いや、イワフネンコは関係ない。ターゲットでは解決できない課題があるだけで、既成の形ではターゲットは存在しない。
問題を想像してください。
属性があり、価格があり、すべて属性「X」の行列である。
が問題です。
AMOに "X "を入力とし、"X "を出力とする関数を作成したい。
1)できるだけ価格を繰り返す(相関させる)。
2) 範囲 -1,1 であること。
3)できるだけ価格を上回る(負の相互相関)。
すべてです。任意のオプティマイザ、この場合は多基準オプティマイザ(Pareto)を使って、出力に必要なものが得られるまで、メダルの(ガッツ)部分をいじり始める。
既成のターゲティングは不可能で、検索してフィットネスを走らせるだけなんですね。
また、単純な例ですが、最大利益取引または回復要因、あるいはその両方についてネットワークを最適化する場合、既製のターゲットとしてどのようにすればよいのでしょうか。
いや、イバフネンコは関係ない。単にターゲットで解決できない問題がある、レディメイドのターゲットがないのだ。
問題を想像してください。
属性と価格があり、全ては属性「X」の行列である。
が問題です。
AMOに "X "を入力とし、出力に.NETを使った関数を与えて欲しい。
1)できるだけ価格を繰り返す(相関させる)。
2) 範囲 -1,1 であること。
3)できるだけ価格を上回る(負の相互相関)。
すべてです。任意のオプティマイザ、この場合は多基準オプティマイザ(Pareto)を使って、出力に必要なものが得られるまで、メダルの(ガッツ)部分をいじり始める。
既成のターゲティングは不可能で、検索してフィットネスを走らせるだけなんですね。
あるいは、ただ単純な例として、最大利益または回復要因、あるいは両方を一度に取引するためにネットワークを最適化するには、既製のターゲットとしてそれを行う方法?
まあ、多基準の最適化ですね。その中から1つの妥協点を組み合わせ、基準の重みを変えたときに解がどう変わるかを見て、その中からベストなものをフォワードベースで選ぶか。あるいは、1つの基準を基本として選択し、他の基準には有効な制限を選択し、それを破った場合に厳しいペナルティを加えることも可能です。
フォワードテストで大幅に有利になるなら挑戦する意味はありますが、そうでなければ面倒くさいだけの存在になってしまいます。
オフトップ、でも楽しい
https://www.youtube.com/watch?v=_Aow6P3oBAg