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 2564 1...255725582559256025612562256325642565256625672568256925702571...3399 新しいコメント Aleksey Nikolayev 2022.01.30 18:32 #25631 Aleksey Vyazmikin#: それが、私が書いたものです。特定のサイトで統計的に優位に立つ一貫したパターンを特定することを目的としています。そして、予測因子-あらゆる予測因子-を定量化するのです。しかし、それを「どのように」行うかは未解決の問題である。今のところ、経験則に基づく仮定や、CatBoostアルゴリズムの統計的分割に基づく準備テーブルの列挙によってのみ、それを行うことができる。図3の「クアンタ」の場合、おそらく中間のレンジが選ばれており、そこには何らかの統計的なアドバンテージがある。 私の理解では、ほとんどすべての予測変数の共線性（相関性）の問題があります。また、組み合わせの問題もあります。予測変数がたくさんあると、量子数が多くなりすぎる可能性があります。おそらく、PCAやPLSによって、まず次元を下げることに意味があるのでしょう。 Aleksey Nikolayev 2022.01.30 18:47 #25632 mytarmailS#: モンティコール・パラドクスを トレーディング／意思決定に結びつけようとした人はいるのだろうか？ そこでのパラドックスは、問題が数学的に完全に定式化されていないことです。完全な形式化をどのように行うかによって、答えは変わってきます。 有用性という意味では、同じ現実の現象に対して、異なる数理モデルが異なる答えを出すことがあるということを示す有益な例として以外にはないでしょう。 Rorschach 2022.01.30 19:47 #25633 おかしな話だが。ヘルストで刻みを選んでいるのですが、スプレッドスケールで0.5と大きく異なる値が出て、時間軸を大きくするとヘルストが0.5に近くなるんです。マスクに プリミティブシステムを作り、ピリオド10、100、1000、10000を代入してみました。いずれも期待されるペイオフはほぼ同じである。効率的な市場というのは、そういうものです。 Aleksey Vyazmikin 2022.01.30 19:52 #25634 Aleksey Nikolayev#: 私の理解では、ほとんどすべての予測変数の共線性（相関性）に問題があると思います。また、組み合わせの問題もあります。予測変数がたくさんあると、量子数が多すぎる可能性があります。まずはPCAやPLSで次元を下げるとよいかもしれません。 上記で，サンプルで類似したシグナルを持つ予測因子を除外する，つまり，類似したもののグループから最良の結果を選択するという私の方法を用いていますが，分位予測因子間の相関は減少しますと書きました。 コンビナトリアル問題については、具体的にどこを見ているのでしょうか？トレーニングサンプルでは？もしそうなら、理論的にはあり得ますし、おそらくここでPCAを適用する意味はあると思いますが、最終的なサンプルができてからにしてください。まだそのような問題には遭遇していません。それどころか、最初のサンプルよりも予測変数の数が少なくなっています。 mytarmailS 2022.01.30 19:59 #25635 Aleksey Nikolayev#: そこでのパラドックスは、この問題が数学的に完全に定式化されていないことである。完 全な形式化をどのように行うかによって、答えは違ってきます。有用性という意味では、1つの現実の現象に対して、異なる数学モデルが異なる答えを与えることができるという有益な例として以外にはありません。 どうですか？ コードはこちらの記事で紹介しています。 その他にもたくさんの 気付きがあります すべて数学的に定式化されているのですが、それとも私の指摘が的外れだったのでしょうか？ Rorschach 2022.01.30 20:16 #25636 mytarmailS#: どうですか？コードはこちらの記事で紹介しています。 千差万別すべてが数学的に形式化されているのですが、私の見識がずれているのでしょうか？ フラスコが2つある問題と同じで、条件が不完全なので、残りの条件を推測して答えを導き出すのです。 Aleksey Nikolayev 2022.01.30 20:32 #25637 mytarmailS#: どうですか？コードはこちらの記事で紹介しています。 千差万別すべてが数学的に定式化されているのですが、私の理解は及ばないのでしょうか？ wikiを見て ください、最初の定式化が間違っていると書いてあり、さまざまな方法で正しくすることができるとはっきり書いてありません。パラドックスの本質は、まさに直感が人によって異なる方法で最初の寡黙さを埋めることにある。純粋に心理的な効果です。 mytarmailS 2022.01.30 20:32 #25638 ロールシャッハ＃： 2本のフラスコの問題と同じで、条件が不完全なので、残りの条件を空想しているうちに答えが出ます。 理解できないが、私の無教養のせいにしておこう......。 で、このクソゲーを一言で言うとなんだ？ 私はあなたの投稿を読んで、heurstを構築し、それをどうするか？ Aleksey Nikolayev 2022.01.30 20:42 #25639 Aleksey Vyazmikin#: 上記で，サンプルで類似したシグナルを持つ予測因子を除外する，つまり，類似したもののグループから最良の結果を選択するという私の方法を用いていますが，分位予測因子間の相関は減少していると書きました．コンビナトリアル問題については、具体的にどこを見ているのでしょうか？トレーニングサンプルでは？もしそうなら、理論的にはあり得ますし、おそらくここでPCAを適用する意味はあると思いますが、最終的なサンプルができてからにしてください。現実にはそのような問題には遭遇していません。それどころか、最初のサンプルよりも予測変数が少なくなっています。 もし、各予測子を2つに分割し、各予測子の半分が含まれる可能性のあるすべてのルールを探すと、そのような断片は2^N（Nは予測子の数）になります。このとき、それぞれの駒は、取ることも捨てることもできるので、2^(2^N)のバリエーションを得ることができます。これは、Nが小さくても膨大な数になる。 Aleksey Vyazmikin 2022.01.30 21:53 #25640 Aleksey Nikolayev#: さて、各予測子をちょうど2つのチャンクに分割し、各予測子の半分を含むすべての可能なルールを見ると、2^Nの異なるチャンクが存在することになります（Nは予測子の数です）。このとき、それぞれの駒は、取ることも捨てることもできるので、2^(2^N)のバリエーションを得ることができます。これは小さなNでも大きな数字です。 まず捨てて、次に合わせる。 1...255725582559256025612562256325642565256625672568256925702571...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
それが、私が書いたものです。特定のサイトで統計的に優位に立つ一貫したパターンを特定することを目的としています。そして、予測因子-あらゆる予測因子-を定量化するのです。
しかし、それを「どのように」行うかは未解決の問題である。今のところ、経験則に基づく仮定や、CatBoostアルゴリズムの統計的分割に基づく準備テーブルの列挙によってのみ、それを行うことができる。
図3の「クアンタ」の場合、おそらく中間のレンジが選ばれており、そこには何らかの統計的なアドバンテージがある。
私の理解では、ほとんどすべての予測変数の共線性（相関性）の問題があります。また、組み合わせの問題もあります。予測変数がたくさんあると、量子数が多くなりすぎる可能性があります。おそらく、PCAやPLSによって、まず次元を下げることに意味があるのでしょう。
モンティコール・パラドクスを トレーディング／意思決定に結びつけようとした人はいるのだろうか？
そこでのパラドックスは、問題が数学的に完全に定式化されていないことです。完全な形式化をどのように行うかによって、答えは変わってきます。
有用性という意味では、同じ現実の現象に対して、異なる数理モデルが異なる答えを出すことがあるということを示す有益な例として以外にはないでしょう。
私の理解では、ほとんどすべての予測変数の共線性（相関性）に問題があると思います。また、組み合わせの問題もあります。予測変数がたくさんあると、量子数が多すぎる可能性があります。まずはPCAやPLSで次元を下げるとよいかもしれません。
上記で，サンプルで類似したシグナルを持つ予測因子を除外する，つまり，類似したもののグループから最良の結果を選択するという私の方法を用いていますが，分位予測因子間の相関は減少しますと書きました。
コンビナトリアル問題については、具体的にどこを見ているのでしょうか？トレーニングサンプルでは？もしそうなら、理論的にはあり得ますし、おそらくここでPCAを適用する意味はあると思いますが、最終的なサンプルができてからにしてください。まだそのような問題には遭遇していません。それどころか、最初のサンプルよりも予測変数の数が少なくなっています。
そこでのパラドックスは、この問題が数学的に完全に定式化されていないことである。完 全な形式化をどのように行うかによって、答えは違ってきます。
有用性という意味では、1つの現実の現象に対して、異なる数学モデルが異なる答えを与えることができるという有益な例として以外にはありません。
どうですか？
コードはこちらの記事で紹介しています。
その他にもたくさんの 気付きがあります
すべて数学的に定式化されているのですが、それとも私の指摘が的外れだったのでしょうか？
どうですか？
コードはこちらの記事で紹介しています。
千差万別
すべてが数学的に形式化されているのですが、私の見識がずれているのでしょうか？
フラスコが2つある問題と同じで、条件が不完全なので、残りの条件を推測して答えを導き出すのです。
どうですか？
コードはこちらの記事で紹介しています。
千差万別
すべてが数学的に定式化されているのですが、私の理解は及ばないのでしょうか？
wikiを見て ください、最初の定式化が間違っていると書いてあり、さまざまな方法で正しくすることができるとはっきり書いてありません。パラドックスの本質は、まさに直感が人によって異なる方法で最初の寡黙さを埋めることにある。純粋に心理的な効果です。
2本のフラスコの問題と同じで、条件が不完全なので、残りの条件を空想しているうちに答えが出ます。
理解できないが、私の無教養のせいにしておこう......。
で、このクソゲーを一言で言うとなんだ？
私はあなたの投稿を読んで、heurstを構築し、それをどうするか？
上記で，サンプルで類似したシグナルを持つ予測因子を除外する，つまり，類似したもののグループから最良の結果を選択するという私の方法を用いていますが，分位予測因子間の相関は減少していると書きました．
コンビナトリアル問題については、具体的にどこを見ているのでしょうか？トレーニングサンプルでは？もしそうなら、理論的にはあり得ますし、おそらくここでPCAを適用する意味はあると思いますが、最終的なサンプルができてからにしてください。現実にはそのような問題には遭遇していません。それどころか、最初のサンプルよりも予測変数が少なくなっています。
もし、各予測子を2つに分割し、各予測子の半分が含まれる可能性のあるすべてのルールを探すと、そのような断片は2^N（Nは予測子の数）になります。このとき、それぞれの駒は、取ることも捨てることもできるので、2^(2^N)のバリエーションを得ることができます。これは、Nが小さくても膨大な数になる。
さて、各予測子をちょうど2つのチャンクに分割し、各予測子の半分を含むすべての可能なルールを見ると、2^Nの異なるチャンクが存在することになります（Nは予測子の数です）。このとき、それぞれの駒は、取ることも捨てることもできるので、2^(2^N)のバリエーションを得ることができます。これは小さなNでも大きな数字です。
まず捨てて、次に合わせる。