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 2568

[Mihail Marchukajtes]

もし一度目で理解できなかったら、もう一度上の私の投稿をゆっくり読んでみてください :-)

[Aleksey Nikolayev]

mytarmailS#:
ジャッジングなぜ？

著者が「ニューラルネットワークをベースにしたAIを作るのは不可能だ」と8回も言ったということは、---"ネットワークアーキテクチャの複雑さに帰結するようだ "ということです。

おかしいな...

彼の両サイトのリンク先を調べてみると、そこにもMOのアイデアの実装があるようです。彼の指摘は、それぞれが独立したメッシュ（オートエンコーダーなど）である大きなコンテクストの集合として実装されていることです。

[mytarmailS]

Aleksey Nikolayev#:

彼の両サイトのリンクをスクロールしてみたのですが、MOにそのアイデアの実装がありますね。彼のアイデアは、それぞれが独立したグリッド（オートエンコーダーなど）であるコンテキストの大きなセットとして実装されています。

ああ、文脈だけの実感ということですか。 彼のAI全体について考えたのですが、すみません、気配りが足りなかったですね。

[mytarmailS]

ここで 、アレクセイが自分のAIモデル（古代人、哲学などなし）について語ったスピーチを 紹介します。

彼は、AGIのコミュニティで、アルゴリズムのトレンドを作り、あらゆるネットワークや強化学習などを 熟知している人たちに話を聞かせています。

私たちの市場に対するアプローチがいかに原始的であるかということを、見て、理解し、実感することができ、非常に興味深かった。

[Aleksey Vyazmikin]

AIとは、機械が発生した複合的な問題を解決するためにNSを構築する能力のことです :)

最初は、ゴールに到達するまでの障害を記述したアルゴリズムが必要で、AIはそれを分解してネットワークを構築し、解決する必要があります--ネットワークの構成は自分で決めますが。

[Aleksey Nikolayev]

私の考えでは、最も重要なのは現代の金融数学とそこで使われるMOIを理解することです。これは、大手のプライスシェイパーがこぞって使っているからこそ、必要なことなのです。

ユーチューブで講義を 受ける。

[mytarmailS]

Aleksey Nikolayev#:

私の考えでは、最も重要なのは現代の金融数学とそこで使われるMOIを理解することです。これは、大手のプライスシェイパーがこぞって使っているからこそ、必要なことなのです。

ユーチューブで講義を 受ける。

金融数学とMOについて理解することは何か、市場の仕組みとプレーヤーを知る必要がある

群衆は、そのカウンターエージェントが「大手」であるため、ほとんどの場合、負けるに決まっている。

1) 小売業者の買い手と売り手のバランスが悪いことが必要です。例えば、売り手がたくさんいる場合、「大物」（買い手）は取引の反対側にいることになります。

例えばJewで今みたいに、多くの売り手が

2) 群衆に対抗する瞬間の取引もある - これはマーケットメーカーである

常に群衆と逆の動きをすることが見受けられる（逆相関）。

群衆が成長を信じて買っている間は、価格は下がり、その逆もある...。

それが市場全体の...

p.s. そして、確かにビデオ

[Aleksey Vyazmikin]

Aleksey Nikolayev#:

そこで、各予測子について、0.5<X<7.3 のようなルールを設定します。

ええ、そうしましょう。

Aleksey Nikolayev#:

を構築すると、すべての可能な組み合わせの数

いや、今は不等号ルールの実行を1回として、サンプルでルールが発動したときの対象（2値分類とします）の平均値を見ると、サンプルでは初期平均値、例えば0.45、応答だけで評価した後は0.51になったとしたら、予測器（そのプロット／量子）の予測力は0.06、すなわち6％と考えます。

このような、すでに独立したバイナリ予測因子であるセクションを持つ予測因子をたくさん集め、それを使ってモデルを構築します。

そのような量子をすべて（予測力のあるなしにかかわらず）組み合わせることは、本当はすぐにできることではありませんが、予測力のある量子が特定された上でベースとなる予測器を用いて行うのであれば、無理のないことかもしれません。

アレクセイ ニコラエフ#:

一般的に、Nが小さい場合（サンプルサイズによりますが）には有効かもしれませんが、大きい場合にはオーバートレーニングになります。

しかし、理論上でも、可能な組み合わせがフルサンプルより少ないので、このオーバートレーニングは少なくなります。

なぜ、このような量子力学が7年間も通用し、突然通用しなくなるのか、その理由はまだ解明されていない...。

[mytarmailS]

トレンド決定論のテストがあるかどうかは、誰にもわからない...。

これが本当にトレンドなのか、それともランダムな変動なのかを知る必要がある...。

もしかしたら、同じハースト？

異なるタイプのトレンドをすぐにテストできる

R最高!!!!

[Aleksey Nikolayev]

Aleksey Vyazmikin#:

いや、今度は不等号ルールの実行を一つにして、サンプルによってルールが発動されたときの対象（二値分類とします）の平均値を見て、元の平均値が例えばサンプルで0.45、応答だけで評価した後が0.51なら、予測器（そのプロット／量子）の予測力は0.06、すなわち6％だと考えてください。

これを具体的にどのようにコード化するかは、（組み合わせ論的に）大きな違いはない。ポイントは同じで、各ラインにはどんなルールがあって、どんなルールがないかが特徴としてあります。常に2^Nの変種であり、Nはルールの数である。その後、これらのルールは、最終的に2^(2^N)個のバリエーションに含まれることになります。これだけのバリエーションを形式的に試すだけでは無理があるのは明らかです。だからこそ、合理的にアレンジすることに意味があるのです。例えば、まず1つのルールで記述されたすべてのvariantを取り、次に2つのルールで記述されたすべてのvariantを取り、といった具合である。とか、そんな感じです。

Aleksey Vyazmikin#:

なぜ、このような量子力学的な規則性が7年間も働いていたのに、突然止まってしまうのか、その理由はまだ解明されていません...。

遅かれ早かれ、他の多くのプレーヤーがそれを見つけることになるでしょう。