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 2566 1...255925602561256225632564256525662567256825692570257125722573...3399 新しいコメント Maxim Dmitrievsky 2022.01.31 11:53 #25651 Renat Akhtyamov#: https://www.mql5.com/ru/forum/375928/page20 ≤ H < 0.5 の場合 - 価格はフラクタルであり、FMHの有効性が確認され、変数の分布に「重い尾」があり、反相関系列、すなわち価格変動に負の相関、価格の方向が頻繁に変化するピンクノイズがあります。👍 Aleksey Nikolayev 2022.01.31 12:11 #25652 SBのリアライゼーションをとってハーストを計算すると、必ず0.5と違ったり、時には大きく違ったりするんです。このような計算の意味を理解するためには、必ずp値（計算がSBで行われた確率）を計算しなければならない。 СанСаныч Фоменко 2022.01.31 17:40 #25653 Aleksey Nikolayev#: ボロンツォフはおそらくロシアで最も優秀な国防省の専門家だ。したがって、このコースは良いに決まっているのですが、IT関係者向けということで、私たちにとって基本的で重要な数学が省略されているのです。私は何度も気づいたのだが、数学的手法をトレーディングに応用する場合、基本的で簡略化された形が適しているものは少ないのである。MOは、予測因子と応答の一定の結合分布P(X,Y)があるという仮定に基づいています（例えば、Tibshiraniを参照）。そこから条件付き確率Py(Y|X)を計算し、そこから回帰Y=f(X)を計算することができる。最終的には、この回帰はいくつかのMOモデルで近似される。物理の世界では、この理論がほぼ通用する。しかし、トレーディングではそうはいきません。P(X,Y)が時間とともに予測不可能に変化すること（非定常性）がわかり、理論全体が少し崩れてしまうのです。最も一般的なアプローチは、非定常性を単純に無視し、その結果に驚き、MOに文句を言うことである）。 非定常性とは何か、時系列そのものの非定常性に帰結しないか、正確に理解することが重要である。商そのものの非定常性は無視してもいいのでしょう。 その礎となるのが、条件付き確率Py(Y|X) である。 条件付き確率の代わりに、特定の教師に関する予測因子の「予測力」を使う方が便利である。 このような予測能力の指標を導入し、2000例の統計を打ち込んでBPのウィンドウを走らせた。特に、モデルについて全く触れられていないことを指摘します。予測因子と教師のペアを探しています。 以下は結果の一部です。列は単一の予測因子で、便宜上、平均予測能力、標準偏差、%という要約行が与えられています。 予測変数の中に、sd/mean比が10%程度の予測変数があることがわかる。しかし、驚くべきことに、この割合が100％を超える予測因子には出会ったことがない。 ですから、設計上の課題は、特定の教師について、sd/mean 比が10％、できれば5％に制限され、無視 できるような予測変数の集合を見つけることです。予測可能な安定性は、取引システムの要です。 Renat Akhtyamov 2022.01.31 18:07 #25654 一文をそのままググる"系列レベルの 将来値を最もよく予測できるのは、その 現在値 であることが判明した " Maxim Dmitrievsky 2022.02.01 05:19 #25655 SanSanych Fomenko#: 時系列そのものの非定常性に飛びつくのではなく、「何の非定常性」なのかを正確に理解することが重要である。商そのものの非定常性は無視してもいいのでしょう。その礎となるのが、条件付き確率Py(Y|X) である。条件付き確率の代わりに、特定の教師に関する予測因子の「予測力」を使う方が便利である。このような予測能力の指標を導入し、2000例の統計を打ち込んでBPのウィンドウを走らせた。特に、モデルについて全く触れられていないことを指摘します。予測因子と教師のペアを探しています。以下は結果の一部です。列は単一の予測因子で、便宜上、平均予測能力、標準偏差、%という要約行が与えられています。予測変数の中に、sd/mean比が10%程度の予測変数があることがわかる。しかし、驚くべきことに、この割合が100％を超える予測因子には出会ったことがない。ですから、設計上の課題は、特定の教師について、sd/mean 比が10％、できれば5％に制限され、無視 できるような予測変数の集合を見つけることです。予測能力の安定性は、トレーディングシステムの基本です。 そういうつながりを見つけるのも、MoDの匠の技のひとつなんです。私は、自分の作品をベースに似たようなことをしています。多くの場合、クロスエントロピーによって依存関係を探しますが、これはリソースの点で高価です。より速くなったのでしょうか？ Aleksey Nikolayev 2022.02.01 07:55 #25656 SanSanych Fomenko#: 時系列そのものの非定常性に飛びつくのではなく、「何の非定常性」なのかを正確に理解することが重要である。商そのものの非定常性は無視してもいいのでしょう。その礎となるのが、条件付き確率Py(Y|X) である。条件付き確率の代わりに、特定の教師に関する予測因子の「予測力」を使う方が便利である。このような予測能力の指標を導入し、2000例の統計を打ち込んでBPのウィンドウを走らせた。特に、モデルについて全く触れられていないことを指摘します。予測因子と教師のペアを探しています。以下は結果の一部である。列は単一の予測因子で、便宜上、平均予測能力、標準偏差、%という要約行が与えられている。予測変数の中に、sd/mean比が10%程度の予測変数があることがわかる。しかし、驚くべきことに、この割合が100％を超える予測因子には出会ったことがない。ですから、設計上の課題は、特定の教師について、sd/mean 比が10％、できれば5％に制限され、無視 できるような予測変数の集合を見つけることです。予測の安定性は、取引システムの要となるものです。 系列の定常性がなければ、あなたのような統計的な計算は無意味になる可能性があります。例えば、隣接する増分の標本相関はゼロではないが、真の相関はゼロであるような例を考えるのは難しくない。 PS. 定常性は「狭い意味」で理解される-時間的に独立した共同分布。 定常性は不完全である可能性がある - 例えば、増分の共同分布のみを参照する（定常増分を持つプロセス）。 もちろん、傾きの定常性について語るのは正しいことであり、ある過程の実現の ひとつに過ぎない系列について語るのは誤りである。でも、受験の場ではないので関係ないですが）。 定常性は「広義の」バリアントとして理解されることが多い。平均と分散の不変性だけを覚えていて、ACFの条件は忘れている。いずれにせよ、このような定常性はMOでは十分ではない（線形モデルでは十分となる）。 secret 2022.02.01 09:53 #25657 市場に真の価値観は存在しない。あるのは「気づき」だけです。 СанСаныч Фоменко 2022.02.01 13:46 #25658 Maxim Dmitrievsky#: MOにおける職人芸の一要素で、そういったつながりを見つけることができるんです。私は、自分の経験をもとに、似たようなことをしています。多くの場合、クロスエントロピーによって依存関係を探しますが、これにはリソースが消費されます。より速くなったのでしょうか？ 予測器（XEON-1620）1台あたり約1秒。 СанСаныч Фоменко 2022.02.01 13:51 #25659 Aleksey Nikolayev#: 系列定常性がないと、あなたのような統計計算が意味をなさないかもしれません。サンプリングした値が真の値に収束しないかもしれません。例えば、隣接する増分の標本相関はゼロではないが、真の相関はゼロであるような例を考えるのは難しくない。PS.定常性は「狭い意味」で理解されている、つまり時間的に独立した共同分布である。定常性は不完全である可能性がある - 例えば、増分の共同分布のみを参照する（定常増分を持つプロセス）。もちろん、傾きの定常性について語るのは正しいことであり、ある過程の実現の ひとつに過ぎない系列について語るのは誤りである。でも、受験の場ではないので関係ないですが）。定常性は「広義の」バリアントとして理解されることが多い。平均と分散の不変性だけを覚えていて、ACFの条件は忘れている。いずれにせよ、このような定常性はMOでは十分ではない（線形モデルでは十分となる）。 商そのものに興味があるわけではありません。私は、予測者が先生を予測する能力に興味があるのです。私には、大多数のトレーダーの最大の間違いは、コチルを解こうとすること自体にあると思うのです。そして、先生の予知が必要なのです。これは全く別の問題です。 mytarmailS 2022.02.01 14:13 #25660 SanSanych Fomenko#: コチエ自体には興味がない。私は、予測者が先生を予測する能力に興味があります。私には、大多数のトレーダーの最大の間違いは、コタツそのものの問題を解決しようとすることだと思うのです。そして、先生の予知が必要なのです。これは全く別の問題です。 この「先生の予言」とは何なのでしょうか？ 1...255925602561256225632564256525662567256825692570257125722573...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
https://www.mql5.com/ru/forum/375928/page2
0 ≤ H < 0.5 の場合 - 価格はフラクタルであり、FMHの有効性が確認され、変数の分布に「重い尾」があり、反相関系列、すなわち価格変動に負の相関、価格の方向が頻繁に変化するピンクノイズがあります。ボロンツォフはおそらくロシアで最も優秀な国防省の専門家だ。したがって、このコースは良いに決まっているのですが、IT関係者向けということで、私たちにとって基本的で重要な数学が省略されているのです。私は何度も気づいたのだが、数学的手法をトレーディングに応用する場合、基本的で簡略化された形が適しているものは少ないのである。
MOは、予測因子と応答の一定の結合分布P(X,Y)があるという仮定に基づいています（例えば、Tibshiraniを参照）。そこから条件付き確率Py(Y|X)を計算し、そこから回帰Y=f(X)を計算することができる。最終的には、この回帰はいくつかのMOモデルで近似される。物理の世界では、この理論がほぼ通用する。しかし、トレーディングではそうはいきません。P(X,Y)が時間とともに予測不可能に変化すること（非定常性）がわかり、理論全体が少し崩れてしまうのです。
最も一般的なアプローチは、非定常性を単純に無視し、その結果に驚き、MOに文句を言うことである）。
非定常性とは何か、時系列そのものの非定常性に帰結しないか、正確に理解することが重要である。商そのものの非定常性は無視してもいいのでしょう。
その礎となるのが、条件付き確率Py(Y|X) である。
条件付き確率の代わりに、特定の教師に関する予測因子の「予測力」を使う方が便利である。
このような予測能力の指標を導入し、2000例の統計を打ち込んでBPのウィンドウを走らせた。特に、モデルについて全く触れられていないことを指摘します。予測因子と教師のペアを探しています。
以下は結果の一部です。列は単一の予測因子で、便宜上、平均予測能力、標準偏差、%という要約行が与えられています。
予測変数の中に、sd/mean比が10%程度の予測変数があることがわかる。しかし、驚くべきことに、この割合が100％を超える予測因子には出会ったことがない。
ですから、設計上の課題は、特定の教師について、sd/mean 比が10％、できれば5％に制限され、無視 できるような予測変数の集合を見つけることです。予測可能な安定性は、取引システムの要です。
一文をそのままググる
"
系列レベルの 将来値を最もよく予測できるのは、その 現在値 であることが判明した"
時系列そのものの非定常性に飛びつくのではなく、「何の非定常性」なのかを正確に理解することが重要である。商そのものの非定常性は無視してもいいのでしょう。
その礎となるのが、条件付き確率Py(Y|X) である。
条件付き確率の代わりに、特定の教師に関する予測因子の「予測力」を使う方が便利である。
このような予測能力の指標を導入し、2000例の統計を打ち込んでBPのウィンドウを走らせた。特に、モデルについて全く触れられていないことを指摘します。予測因子と教師のペアを探しています。
以下は結果の一部です。列は単一の予測因子で、便宜上、平均予測能力、標準偏差、%という要約行が与えられています。
予測変数の中に、sd/mean比が10%程度の予測変数があることがわかる。しかし、驚くべきことに、この割合が100％を超える予測因子には出会ったことがない。
ですから、設計上の課題は、特定の教師について、sd/mean 比が10％、できれば5％に制限され、無視 できるような予測変数の集合を見つけることです。予測能力の安定性は、トレーディングシステムの基本です。
時系列そのものの非定常性に飛びつくのではなく、「何の非定常性」なのかを正確に理解することが重要である。商そのものの非定常性は無視してもいいのでしょう。
その礎となるのが、条件付き確率Py(Y|X) である。
条件付き確率の代わりに、特定の教師に関する予測因子の「予測力」を使う方が便利である。
このような予測能力の指標を導入し、2000例の統計を打ち込んでBPのウィンドウを走らせた。特に、モデルについて全く触れられていないことを指摘します。予測因子と教師のペアを探しています。
以下は結果の一部である。列は単一の予測因子で、便宜上、平均予測能力、標準偏差、%という要約行が与えられている。
予測変数の中に、sd/mean比が10%程度の予測変数があることがわかる。しかし、驚くべきことに、この割合が100％を超える予測因子には出会ったことがない。
ですから、設計上の課題は、特定の教師について、sd/mean 比が10％、できれば5％に制限され、無視 できるような予測変数の集合を見つけることです。予測の安定性は、取引システムの要となるものです。
系列の定常性がなければ、あなたのような統計的な計算は無意味になる可能性があります。例えば、隣接する増分の標本相関はゼロではないが、真の相関はゼロであるような例を考えるのは難しくない。
PS.
定常性は「狭い意味」で理解される-時間的に独立した共同分布。
定常性は不完全である可能性がある - 例えば、増分の共同分布のみを参照する（定常増分を持つプロセス）。
もちろん、傾きの定常性について語るのは正しいことであり、ある過程の実現の ひとつに過ぎない系列について語るのは誤りである。でも、受験の場ではないので関係ないですが）。
定常性は「広義の」バリアントとして理解されることが多い。平均と分散の不変性だけを覚えていて、ACFの条件は忘れている。いずれにせよ、このような定常性はMOでは十分ではない（線形モデルでは十分となる）。
MOにおける職人芸の一要素で、そういったつながりを見つけることができるんです。私は、自分の経験をもとに、似たようなことをしています。多くの場合、クロスエントロピーによって依存関係を探しますが、これにはリソースが消費されます。より速くなったのでしょうか？
予測器（XEON-1620）1台あたり約1秒。
系列定常性がないと、あなたのような統計計算が意味をなさないかもしれません。サンプリングした値が真の値に収束しないかもしれません。例えば、隣接する増分の標本相関はゼロではないが、真の相関はゼロであるような例を考えるのは難しくない。
PS.
定常性は「狭い意味」で理解されている、つまり時間的に独立した共同分布である。
定常性は不完全である可能性がある - 例えば、増分の共同分布のみを参照する（定常増分を持つプロセス）。
もちろん、傾きの定常性について語るのは正しいことであり、ある過程の実現の ひとつに過ぎない系列について語るのは誤りである。でも、受験の場ではないので関係ないですが）。
定常性は「広義の」バリアントとして理解されることが多い。平均と分散の不変性だけを覚えていて、ACFの条件は忘れている。いずれにせよ、このような定常性はMOでは十分ではない（線形モデルでは十分となる）。
商そのものに興味があるわけではありません。私は、予測者が先生を予測する能力に興味があるのです。私には、大多数のトレーダーの最大の間違いは、コチルを解こうとすること自体にあると思うのです。そして、先生の予知が必要なのです。これは全く別の問題です。
コチエ自体には興味がない。私は、予測者が先生を予測する能力に興味があります。私には、大多数のトレーダーの最大の間違いは、コタツそのものの問題を解決しようとすることだと思うのです。そして、先生の予知が必要なのです。これは全く別の問題です。
この「先生の予言」とは何なのでしょうか？