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 2581 1...257425752576257725782579258025812582258325842585258625872588...3399 新しいコメント mytarmailS 2022.02.13 06:57 #25801 Maxim Dmitrievsky#: pythonで便利になりました。私はテスターを書きましたが、モデルを移植したり、apiを通してトレードすることも可能です。ONNXが加われば、本当の大砲になる。M1マックと連絡を取り、今、半年待っているキャットバスタが2週間後にリリースされることを約束してくれました。これまではvin上の仮想マシンを経由していました。 バックテスト用のpythonのパッケージがあるので、それを使えばいいのでは?それとも、最適化でテスターを書いたのでしょうか? Maxim Dmitrievsky 2022.02.13 07:01 #25802 mytarmailS#: pythonのバックテストパッケージがあるので、それを使ってみてはどうでしょうか?それとも、最適化でテスターを書いたのでしょうか? 既製品は融通がきかないから嫌なんです。自分のタスクに特化して、自分なりの指標で書いています。入力見積もりやモデル結果については、おおよそ。さらに、2つの「敵対的」モデルを用意し、何度も再トレーニングを行い、反復的に改良しています。改善点の結果も、私のテスターから引用しています。 mytarmailS 2022.02.13 07:25 #25803 マキシム・ドミトリエフスキー#.一方のモデルはトレードを学習し、もう一方はシグナルをフィルタリングします。 生成的なアルゴリズムを作るのが流行っているのはわかりますが、条件付きでシンプルな2つのアルゴリズムが、それ自体で行う複雑な1つのアルゴリズムから収束してお互いを向上させていくことの実際の利点は何でしょうか。ただ、大雑把に言えば、あなたの2つよりもそれ自体で複雑な判断ルールを構築していく...ということです。正直、良さがわからない、ただのファッションです Maxim Dmitrievsky 2022.02.13 07:49 #25804 mytarmailS#: さて、今、アルゴリズムを生成的に和らげるのが流行っているのはわかりますが、それを自ら行う複雑なアルゴリズム1つに対して、条件付きで単純なアルゴリズム2つが和らげ、お互いを改善する実際の利点は何でしょうか、ただ大雑把に言えば、あなたの2つよりも、それ自身で複雑な意思決定ルールを構築していますね......。正直なところ、メリットがよくわからない。 ということで、こんなものを作って見ました )問題は、モデル誤差と、オートマトン上で本当に安定したパターンを見つけることです。最初からそういう基本的な考え方があるんです。そこですでに、アプローチの仕方に違いが出てくることもあります。1つのモデルでは修正できないが、2つのモデルでは修正できる。例えば、あるモデルをトレーニングしたところ、彼女はダメだった。どうすればいいのか?自分で何かを経験する?まさか、人間は努力のために生まれてきたのではない、人間を第二のモデルに置き換えるのか。 mytarmailS 2022.02.13 08:10 #25805 マキシム・ドミトリエフスキー#.例えば、あるモデルをトレーニングしたところ、それが悪かったとしましょう。何をするんですか?自分で何か作業をする必要があるのでしょうか?いや、その人は集中労働のために生まれてきたのではない、その人を2号機に置き換えるのだ。 最適化アルゴリズムとフィットネス関数を理解し、四角い車輪の自転車を再発明するのはやめよう。 Maxim Dmitrievsky 2022.02.13 08:19 #25806 mytarmailS#: いいか、最適化アルゴリズムやフィットネス関数を知り、四角い車輪の自転車を再発明するのはやめるんだ。 これは違うんです。最適化によって、フィット感が生まれるのです。モデルの解析やエラー訂正を通じて、フィット感もありますが、不要なものを捨てていくことで安定したパターンを見つけることができます。少なくとも、安定感のある高原を見つけることができます。単純な遺伝子の列挙によって、より難しく、より手際よく。 mytarmailS 2022.02.13 09:31 #25807 Maxim Dmitrievsky#: これは違いますね。最適化によって、フィッティングが生まれるのです。解析やモデル誤差の修正を通じて、フィッティングを行うこともありますが、不要なものを捨てていくことで安定したパターンを見つけることができるのです。少なくとも、安定感のある高原を見つけることができます。単純な遺伝子の列挙によって、より難しく、より手際よく。 初歩的な例です。 AMOを鍛えて利益を上げるには、どうすればいいのか? 1) ターゲットを作る 2)RMSEのような標準的な指標で モデルをマッチングさせる(これは深く関係ない)。 3)ベストモデル 群の 作成 4) 利益の多いグループから最適なモデルを選択する では、質問です。なぜ、あなたの グループが グローバルな意味での ベストモデルの絶対的なトップだと思うのですか? あなたは、モデルを2つの 主観的なフィルターに通しました。 (1)ターゲット、(2)RMSE エラーメッセージ。 最大限の利益を得るために、重みを変えたり(ニューロンなら)、ルールを作ったり(ツリーなら)する方がいいのでは?という疑問はレトリックです・・・もちろん、その方がいいし早いのですが ポイントは、稼ぐモデルの他の グループを見逃して いることであり、これらのグループは何百万も稼ぐ Maxim Dmitrievsky 2022.02.13 09:43 #25808 mytarmailS#: 初歩的な例です。利益を最大化するために、AMOを育成する必要があるのですが、どうすればいいでしょうか?1) ターゲットを作る2)RMSEなどの標準的な指標で モデルを適合させる(これは深く関係ない)。3)ベストモデル 群の 作成 4) 利益の多いグループから最適なモデルを選択するでは、質問です。なぜ、あなたの グループが グローバルな意味での ベストモデルの絶対的なトップだと思うのですか? あなたは、モデルを2つの 主観的なフィルターに通しました。(1)ターゲット、(2)RMSE エラーメッセージ。最大限の利益を得るために、重みを変えたり(ニューロンなら)、ルールを作ったり(ツリーなら)する方がいいのでは?という疑問はレトリックです・・・もちろん、その方がいいし早いのですがポイントは、稼いでいる他の グループの モデルを見逃していること、そしてこれらのグループは何百万も持っていることです。 R2はバランスで選び、さらに負けトレードの回数が少なく、かつエントロピー(logloss)が低く、精度が高いものを選んでいます。したがって、このモデルはデフォルトで最も収益性が高いのです。複合的な基準であることがわかります。さらに、クロスバリデーションの結果を推定に加えられるといいですね。まだ手をつけていない。 mytarmailS 2022.02.13 09:50 #25809 Maxim Dmitrievsky#: 私はバランスでR2を選択し、さらに最小限の負けトレード数で、しかし最小のエントロピー(logloss)と最大の精度でR2を選択します。だから、モデルが一番儲かるのは既定路線なのです。 既成のモデルから選択することも、モデルを作成することも可能です。そこが違う Maxim Dmitrievsky 2022.02.13 09:52 #25810 mytarmailS#: あらかじめ用意されたモデルから選択するか、モデルを作成します。そこが違うんです。 何を作るか、なぜ作るかがわかっているときです。既製品ではなく、記事のようにランダムにサンプリングされた案件です。データ準備のどの段階でも、先験的な仮定やヒューリスティックはなく、最大・最小の案件保有時間のような値の幅があります。基本的には、未知のものを見つけるために仕組み全体が動いているのですが、そこにあるはずなのに、何があるのかがわからない。 1...257425752576257725782579258025812582258325842585258625872588...3399 新しいコメント 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
pythonで便利になりました。私はテスターを書きましたが、モデルを移植したり、apiを通してトレードすることも可能です。ONNXが加われば、本当の大砲になる。
pythonのバックテストパッケージがあるので、それを使ってみてはどうでしょうか?
さて、今、アルゴリズムを生成的に和らげるのが流行っているのはわかりますが、それを自ら行う複雑なアルゴリズム1つに対して、条件付きで単純なアルゴリズム2つが和らげ、お互いを改善する実際の利点は何でしょうか、ただ大雑把に言えば、あなたの2つよりも、それ自身で複雑な意思決定ルールを構築していますね......。
いいか、最適化アルゴリズムやフィットネス関数を知り、四角い車輪の自転車を再発明するのはやめるんだ。
これは違いますね。最適化によって、フィッティングが生まれるのです。解析やモデル誤差の修正を通じて、フィッティングを行うこともありますが、不要なものを捨てていくことで安定したパターンを見つけることができるのです。少なくとも、安定感のある高原を見つけることができます。単純な遺伝子の列挙によって、より難しく、より手際よく。
初歩的な例です。
AMOを鍛えて利益を上げるには、どうすればいいのか?
1) ターゲットを作る
2)RMSEのような標準的な指標で モデルをマッチングさせる(これは深く関係ない)。
3)ベストモデル 群の 作成
4) 利益の多いグループから最適なモデルを選択する
では、質問です。なぜ、あなたの グループが グローバルな意味での ベストモデルの絶対的なトップだと思うのですか? あなたは、モデルを2つの 主観的なフィルターに通しました。
(1)ターゲット、(2)RMSE エラーメッセージ。
最大限の利益を得るために、重みを変えたり(ニューロンなら)、ルールを作ったり(ツリーなら)する方がいいのでは?という疑問はレトリックです・・・もちろん、その方がいいし早いのですが
ポイントは、稼ぐモデルの他の グループを見逃して いることであり、これらのグループは何百万も稼ぐ
初歩的な例です。
利益を最大化するために、AMOを育成する必要があるのですが、どうすればいいでしょうか?
1) ターゲットを作る
2)RMSEなどの標準的な指標で モデルを適合させる(これは深く関係ない)。
3)ベストモデル 群の 作成
4) 利益の多いグループから最適なモデルを選択する
では、質問です。なぜ、あなたの グループが グローバルな意味での ベストモデルの絶対的なトップだと思うのですか? あなたは、モデルを2つの 主観的なフィルターに通しました。
(1)ターゲット、(2)RMSE エラーメッセージ。
最大限の利益を得るために、重みを変えたり(ニューロンなら)、ルールを作ったり(ツリーなら)する方がいいのでは?という疑問はレトリックです・・・もちろん、その方がいいし早いのですが
ポイントは、稼いでいる他の グループの モデルを見逃していること、そしてこれらのグループは何百万も持っていることです。
私はバランスでR2を選択し、さらに最小限の負けトレード数で、しかし最小のエントロピー(logloss)と最大の精度でR2を選択します。だから、モデルが一番儲かるのは既定路線なのです。
既成のモデルから選択することも、モデルを作成することも可能です。そこが違う
あらかじめ用意されたモデルから選択するか、モデルを作成します。そこが違うんです。