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 2571 1...256425652566256725682569257025712572257325742575257625772578...3399 新しいコメント Aleksey Vyazmikin 2022.02.05 10:47 #25701 elibrarius#: あなたがやっていることは正しく理解できましたか？: 1）1本の木を手に入れる。 2) 各ノードは最大10個の分岐を与えることができ、各分岐は1個の量子によって生成される（量子とは10%の予測子の一部：どの量子化方法が使われたかによって、パーセントまたは10%の振幅のどちらか）。 3) 最初の分割の後、3つの量子を見つけ、それが成功した葉につながる 4) その後の分割で、成功した葉につながるいくつかの良い分割/量子を見つける 5) 成功した葉の前に成功した量子を記憶する 6) 我々が選んだ量子だけを予測子として使う新しい木を構築する。 最初の木を量子化したのと同じ方法で、スクリプトで予測子を量子化すると、100のうち1000の予測子が得られ、それらはすでに0か1のバイナリになっています。予測値の値がこの範囲にあれば＝1、なければ＝0。 成功したパス/量子だけを選択するので、選択した量子値のすべての値は＝1です。もし、すべての予測変数が1であれば、新しい木は学習できない。答えはもう出ている。それとも、もう新しいツリーを作る必要はないのでしょうか？単に、予測値の値が選ばれた量子に落ちたら、すぐに行動するのか？ 私は最初の段階でツリーを全く作りませんが、ツリーで表現するのであれば、すべての予測変数の範囲を一度に、つまり各葉で別々に選択するようなツリーを作るべきです。 そしてそのような各葉を評価し、基準に合うなら、分割の連鎖を保存するのです。しかし、私は射程距離と量子抽出のために3つのアレイを好むので、最終モデルで実装しました。 このままではすべてが正しいように見えるので、結局、この選んだ葉（クアンタ／レンジ）でさらにモデルを構築していくことになります。 モデルにとって「1」は100％の正解を意味しません。モデルの仕事は、答えを集約し、ある種の相関関係を構築し、重みを配分することです。 モデルが全くなくても可能かどうかは、予測精度がどのように推移するか、どのような推移で利益が出るか、つまり35％正しい入力でも利益が出る戦略もある。私が試した最も簡単な方法は、ただ単にものの数を合計して（グループ化もしました）、合計のしきい値でエントリー時のシグナルを期待することです。 Aleksey Vyazmikin 2022.02.05 10:49 #25702 Aleksey Nikolayev#: おそらく、フォワードの使用か、予測変数に時間を含めることでしょう。 もちろん時間は予測変数に含まれるが、安定した周期性を明らかにするが、予測変数のドリフトを期待することはできない。 mytarmailS 2022.02.05 10:51 #25703 elibrarius#: 比べているのではなく、どちらも「絵になる」といっているのです。そして、彼らがそうであるかどうかは、あなたにも私にもわからないのです。描くときもあれば、描かないときもあると思うんです。そして、描かない瞬間にも、何かを獲得することができるのです。Oanda と CME 以外は知らない。他は、価格チャートとティックボリュームのみです。 oandaとCMEを除く？ また比較してんのかよ!!!! CMEではボリューム、DMではセンチメントを得ることができます。 CMEにセンチメントはない DMEからボリュームがない。 同じではありません！正気に戻って、私のキーボードに同情してください...。PLEASE:) Forester 2022.02.05 11:36 #25704 mytarmailS#: oandaとCME以外では？また比較してんのかよ!!!!CMEではボリュームを、DMではセンチメントを取る。CMEはセンチメントがないんです。DMEからボリュームがない。同じではありません！正気に戻って、私のキーボードに同情してください...。PLEASE:) もう一度。比べているのではなく、どちらも「描く」ことができると言っているのです。 そして、それらに共通しているのは、価格チャートとティックボリュームしかない、他のすべてのものとは異なるということです。この2つは、少なくとも他の分析材料になります。 では、そのすべてを上回る情報を与えてくれる8は他にあるのだろうか。面白いことになりそうです。 Forester 2022.02.05 11:56 #25705 Aleksey Vyazmikin#: 私は最初のステップでツリーを全く作りませんが、ツリーで表現する場合、すべての予測変数の範囲を一度に、つまり各葉で個別に割り当てるツリーを作る必要があります。そして、そのような各葉を評価し、基準に適合すれば、分割の連鎖を保存するのです。しかし、私は射程距離と量子抽出のために3つのアレイを好むので、最終モデルで実装しました。このままでは、すべてが正しく見えるので、最終的には、この選んだ葉（クアンタ／レンジ）の上にさらにモデルを構築していきます。モデルにとって「1」は100％の正解を意味しません。モデルの仕事は、答えを集約し、ある種の相関関係を構築し、重みを配分することです。モデルが全くなくても可能かどうかは、予測精度がどのように推移するか、どのような推移で利益が出るか、つまり35％正しい入力でも利益が出る戦略もある。一番簡単なのは、ただ単に数を足して（グループ分けもしました）、合計のしきい値でエントリー時のシグナルを期待する方法です。 まあ、ツリーでやるなら、成功した連鎖だけを選んで使うのは、レディツリーのモデルと重複してしまいますからね。例えば、70%の確率を持つリーフを取引に使用します。確率が70％以下の葉っぱには、ただ反応しないだけです。それは、あなたがやっていることに類似していると思います。 でも、そこは配列で何かやっているんですよね...。だから、アナログではないのかもしれません。 Aleksey Nikolayev 2022.02.05 12:04 #25706 Aleksey Vyazmikin#: もちろん予測因子には時間があるが、持続的な循環性は明らかになるが、予測因子のドリフトを期待することはできない。 正しく表現できていなかった。つまり、損失関数に時間依存の重みが加わっているということでした。学習期間の終了に近いほど、より多くのウェイトが追加されます。重み付けをしたバリエーションとしないバリエーションでは、平均値（重み付けなし）でも同じだった場合、異なる損失が発生します。でも、もちろん実験したほうがいい。 mytarmailS 2022.02.05 12:04 #25707 elibrarius#: では、そのすべてを上回る情報を与えてくれる8は他にあるのだろうか。面白いことになりそうです。なぜ？今、ここに貼り付けるために10個のリンクをググらなきゃいけないのか？どうするんですか？99.999%何もない、ただ時間の無駄だと思う。クライアントのポジションを教えるD.C.ショックは17社ほどありますね。ググってみてください。私が見つけたのはこちらです。https://www.dailyfx.com/sentiment https://www.valutrades.com/en/sentiment https://www.dukascopy.com/swiss/english/marketwatch/sentiment/ http://www.forex-central.net/saxo-bank-open-positions.php http://www.forex-central.net/current-buy-sell-forex-positions.php https://www.forexfactory.com/#tradesPositions https://www.xtb.com/int/market-analysis/news-and-research https://tradecaptain.com/ar/sentiment https://forexclientsentiment.com/client-sentiment https://www.vantagefx.com/clients/free-tools/forex-sentiment-indicators/ https://investing.com/markets/sentiment-outlook https://www.home.saxo/insights/tools/fx-options-sentiment/tool-details https://admiralmarkets.com/analytics/market-sentiment?regulator=fca https://forexbenchmark.com/quant/retail_positions/ https://www.fxblue.com/market-data/tools/sentiment https://my.liteforex.com/trading/analytics?symbol=EURUSD&_ga=2.237338496.1654455071.1637403043-481924417.1637403043 フォーラムは、いくつかのリンクにアレルギーがあります。 Aleksey Vyazmikin 2022.02.05 12:23 #25708 elibrarius#: そうですね......ツリーをやるなら、成功した連鎖だけを選んで、それだけを使うというのは、レディツリーのモデルと重複してしまいますね。例えば、70%の確率を持つリーフを取引に使用します。確率が70％以下の葉っぱには、ただ反応しないだけです。それは、あなたがやっていることに類似していると思います。でも、そこは配列で何かやっているんですよね...。ということで、似て非なるものなのかもしれませんね。 このようなアプローチは、ツリーから葉を選択する際にもありますが、そこでは異なる予測因子の相関を使用しています。一方、ここではツリーを通して1つの予測因子の1つの価格セグメントを選択することを話しています。 Aleksey Vyazmikin 2022.02.05 12:34 #25709 Aleksey Nikolayev#: 正しく表現できていなかった。つまり、時間依存の重みが損失関数に加えられるということだった。トレーニング期間の終了に近づくほど、より多くのウェイトが追加されます。重み付けをしたものとしないものでは、平均的に（重み付けなしで）同じであったとしても、異なる損失を与えることになります。でも、もちろん実験してみないとわからない。 最初はなんとなく統計を取って、意味があるのかないのかを計算し、トレーニングの中で実践していくことが必要だと思うのです。 そのため、「どうすればうまくいくのか」という問題が残ります。 このような2値系列が3つあり、対応する時間間隔に10個の測定点があるとします。 A[]={1,0,0,1,1,1,1,1,0,1}; B[]={1,1,1,1,1,1,1,0,0,1}; C[]={1,1,0,1,1,1,0,1,0,1}; それで、ユニットが連続して増えるにつれて、その確率がどのように変化するかを理解したい・プロットしたいのです。 そもそも配列の数を数えればいいというのはわかるのですが、長い配列を1つとして数えるのか、それとも1111を1,11、111、1111と分けるのか、11だけでいいのか、もう一度教えてください。 そして、どうするか。プロセスにパターンがあるのか、ランダムなのか、どう評価するか。 Forester 2022.02.05 12:51 #25710 mytarmailS#: 何のために？ ありがとうございます。とりあえず、見てみます。何か使い道が思い浮かぶかもしれませんね。 1...256425652566256725682569257025712572257325742575257625772578...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
あなたがやっていることは正しく理解できましたか？:
1）1本の木を手に入れる。
2) 各ノードは最大10個の分岐を与えることができ、各分岐は1個の量子によって生成される（量子とは10%の予測子の一部：どの量子化方法が使われたかによって、パーセントまたは10%の振幅のどちらか）。
3) 最初の分割の後、3つの量子を見つけ、それが成功した葉につながる
4) その後の分割で、成功した葉につながるいくつかの良い分割/量子を見つける
5) 成功した葉の前に成功した量子を記憶する
6) 我々が選んだ量子だけを予測子として使う新しい木を構築する。
最初の木を量子化したのと同じ方法で、スクリプトで予測子を量子化すると、100のうち1000の予測子が得られ、それらはすでに0か1のバイナリになっています。予測値の値がこの範囲にあれば＝1、なければ＝0。
成功したパス/量子だけを選択するので、選択した量子値のすべての値は＝1です。もし、すべての予測変数が1であれば、新しい木は学習できない。答えはもう出ている。
それとも、もう新しいツリーを作る必要はないのでしょうか？単に、予測値の値が選ばれた量子に落ちたら、すぐに行動するのか？
私は最初の段階でツリーを全く作りませんが、ツリーで表現するのであれば、すべての予測変数の範囲を一度に、つまり各葉で別々に選択するようなツリーを作るべきです。 そしてそのような各葉を評価し、基準に合うなら、分割の連鎖を保存するのです。しかし、私は射程距離と量子抽出のために3つのアレイを好むので、最終モデルで実装しました。
このままではすべてが正しいように見えるので、結局、この選んだ葉（クアンタ／レンジ）でさらにモデルを構築していくことになります。
モデルにとって「1」は100％の正解を意味しません。モデルの仕事は、答えを集約し、ある種の相関関係を構築し、重みを配分することです。
モデルが全くなくても可能かどうかは、予測精度がどのように推移するか、どのような推移で利益が出るか、つまり35％正しい入力でも利益が出る戦略もある。私が試した最も簡単な方法は、ただ単にものの数を合計して（グループ化もしました）、合計のしきい値でエントリー時のシグナルを期待することです。
おそらく、フォワードの使用か、予測変数に時間を含めることでしょう。
もちろん時間は予測変数に含まれるが、安定した周期性を明らかにするが、予測変数のドリフトを期待することはできない。
比べているのではなく、どちらも「絵になる」といっているのです。そして、彼らがそうであるかどうかは、あなたにも私にもわからないのです。描くときもあれば、描かないときもあると思うんです。そして、描かない瞬間にも、何かを獲得することができるのです。
Oanda と CME 以外は知らない。他は、価格チャートとティックボリュームのみです。
oandaとCMEを除く？
また比較してんのかよ!!!!
CMEではボリューム、DMではセンチメントを得ることができます。
CMEにセンチメントはない
DMEからボリュームがない。
同じではありません！正気に戻って、私のキーボードに同情してください...。PLEASE:)
oandaとCME以外では？
また比較してんのかよ!!!!
CMEではボリュームを、DMではセンチメントを取る。
CMEはセンチメントがないんです。
DMEからボリュームがない。
同じではありません！正気に戻って、私のキーボードに同情してください...。PLEASE:)
もう一度。比べているのではなく、どちらも「描く」ことができると言っているのです。
そして、それらに共通しているのは、価格チャートとティックボリュームしかない、他のすべてのものとは異なるということです。この2つは、少なくとも他の分析材料になります。
では、そのすべてを上回る情報を与えてくれる8は他にあるのだろうか。面白いことになりそうです。
私は最初のステップでツリーを全く作りませんが、ツリーで表現する場合、すべての予測変数の範囲を一度に、つまり各葉で個別に割り当てるツリーを作る必要があります。そして、そのような各葉を評価し、基準に適合すれば、分割の連鎖を保存するのです。しかし、私は射程距離と量子抽出のために3つのアレイを好むので、最終モデルで実装しました。
このままでは、すべてが正しく見えるので、最終的には、この選んだ葉（クアンタ／レンジ）の上にさらにモデルを構築していきます。
モデルにとって「1」は100％の正解を意味しません。モデルの仕事は、答えを集約し、ある種の相関関係を構築し、重みを配分することです。
モデルが全くなくても可能かどうかは、予測精度がどのように推移するか、どのような推移で利益が出るか、つまり35％正しい入力でも利益が出る戦略もある。一番簡単なのは、ただ単に数を足して（グループ分けもしました）、合計のしきい値でエントリー時のシグナルを期待する方法です。
まあ、ツリーでやるなら、成功した連鎖だけを選んで使うのは、レディツリーのモデルと重複してしまいますからね。例えば、70%の確率を持つリーフを取引に使用します。確率が70％以下の葉っぱには、ただ反応しないだけです。それは、あなたがやっていることに類似していると思います。
でも、そこは配列で何かやっているんですよね...。だから、アナログではないのかもしれません。
もちろん予測因子には時間があるが、持続的な循環性は明らかになるが、予測因子のドリフトを期待することはできない。
正しく表現できていなかった。つまり、損失関数に時間依存の重みが加わっているということでした。学習期間の終了に近いほど、より多くのウェイトが追加されます。重み付けをしたバリエーションとしないバリエーションでは、平均値（重み付けなし）でも同じだった場合、異なる損失が発生します。でも、もちろん実験したほうがいい。
では、そのすべてを上回る情報を与えてくれる8は他にあるのだろうか。面白いことになりそうです。
なぜ？
今、ここに貼り付けるために10個のリンクをググらなきゃいけないのか？
どうするんですか？
99.999%何もない、ただ時間の無駄だと思う。
クライアントのポジションを教えるD.C.ショックは17社ほどありますね。
ググってみてください。
私が見つけたのはこちらです。
フォーラムは、いくつかのリンクにアレルギーがあります。そうですね......ツリーをやるなら、成功した連鎖だけを選んで、それだけを使うというのは、レディツリーのモデルと重複してしまいますね。例えば、70%の確率を持つリーフを取引に使用します。確率が70％以下の葉っぱには、ただ反応しないだけです。それは、あなたがやっていることに類似していると思います。
でも、そこは配列で何かやっているんですよね...。ということで、似て非なるものなのかもしれませんね。
このようなアプローチは、ツリーから葉を選択する際にもありますが、そこでは異なる予測因子の相関を使用しています。一方、ここではツリーを通して1つの予測因子の1つの価格セグメントを選択することを話しています。
正しく表現できていなかった。つまり、時間依存の重みが損失関数に加えられるということだった。トレーニング期間の終了に近づくほど、より多くのウェイトが追加されます。重み付けをしたものとしないものでは、平均的に（重み付けなしで）同じであったとしても、異なる損失を与えることになります。でも、もちろん実験してみないとわからない。
最初はなんとなく統計を取って、意味があるのかないのかを計算し、トレーニングの中で実践していくことが必要だと思うのです。
そのため、「どうすればうまくいくのか」という問題が残ります。
このような2値系列が3つあり、対応する時間間隔に10個の測定点があるとします。
A[]={1,0,0,1,1,1,1,1,0,1};
B[]={1,1,1,1,1,1,1,0,0,1};
C[]={1,1,0,1,1,1,0,1,0,1};
それで、ユニットが連続して増えるにつれて、その確率がどのように変化するかを理解したい・プロットしたいのです。
そもそも配列の数を数えればいいというのはわかるのですが、長い配列を1つとして数えるのか、それとも1111を1,11、111、1111と分けるのか、11だけでいいのか、もう一度教えてください。
そして、どうするか。プロセスにパターンがあるのか、ランダムなのか、どう評価するか。
何のために？
ありがとうございます。とりあえず、見てみます。何か使い道が思い浮かぶかもしれませんね。