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 2611 1...260426052606260726082609261026112612261326142615261626172618...3399 新しいコメント Serqey Nikitin 2022.03.31 10:52 #26101 Renat Akhtyamov #:99％の確率または割合のない0.99 怖い人だ！ そんな確率で、ただの人間とコミュニケーションできるなんて......。- それは現実ではない... Renat Akhtyamov 2022.03.31 10:56 #26102 Serqey Nikitin #:怖い人だ！ そんな可能性を持ちながら、ただの人間とコミュニケーションを取るなんて......。- それは現実ではない... さあ） 要は、トレーダーはどんなに頑張っても、結局は逆張りのトレードに終始して しまうということです。 CMEにおける出来高の分布を見ると、それらはオンラインで動的に公開されており、価格の挙動も同じです。 というのも、これまた一つしか言えないことなのですが、価格はほとんどの場合 が買われる - 価格が下がる、またはその逆。 昔も今も変わらない なぜなら https://www.mql5.com/ru/forum/86386/page2605#comment_28636383 Машинное обучение в трейдинге: теория, практика, торговля и не только 2022.03.29www.mql5.com Добрый день всем, Знаю, что есть на форуме энтузиасты machine learning и статистики... Renat Akhtyamov 2022.03.31 11:13 #26103 CMEからの情報だけで戦略を立てるのはNG なぜなら というのも、彼らは気づいたときにすぐに、間違った情報を捨てる術を知っているからです。 そこにいて、それをやった ;) Maxim Dmitrievsky 2022.03.31 14:09 #26104 アレクセイが指摘したように、一種のブーストであることが判明した。 試験サンプリングが与えられた各反復での改善点 Iteration: 0, R^2: 0.187883200953193 Iteration: 1, R^2: 0.23135332833695177 Iteration: 2, R^2: 0.5069635195005324 Iteration: 3, R^2: 0.6549692113098968 Iteration: 4, R^2: 0.49450581772674385 Iteration: 5, R^2: 0.727741771152099 Iteration: 6, R^2: 0.7155342473909062 Iteration: 7, R^2: 0.7577880020333465 Iteration: 8, R^2: 0.7519731839574526 Iteration: 9, R^2: 0.6484696911159258 Iteration: 10, R^2: 0.7919754252032625 Iteration: 11, R^2: 0.7434806103697286 Iteration: 12, R^2: 0.7829611167594436 Iteration: 13, R^2: 0.8423847977639594 Iteration: 14, R^2: 0.8755566220080022 Iteration: 15, R^2: 0.8073736447495541 Iteration: 16, R^2: 0.7756062175823373 Iteration: 17, R^2: 0.8767667338484959 Iteration: 18, R^2: 0.8658089653482818 Iteration: 19, R^2: 0.7976304450279426 Iteration: 20, R^2: 0.8335757510984808 Iteration: 21, R^2: 0.8236019726095158 Iteration: 22, R^2: 0.8590437311223307 Iteration: 23, R^2: 0.8425455355207566 Iteration: 24, R^2: 0.7897953478024325 ただ、背面が良くない（左側）のですが、たまに良くなることがあります。 設定項目が多いので、詳しい説明は省略します。できる限り、その考えを記述しました。 Maxim Dmitrievsky 2022.03.31 14:28 #26105 100回繰り返した場合 mytarmailS 2022.03.31 14:28 #26106 Maxim Dmitrievsky #: 規則性は再現性を意味する。パターンを探すのではなく、検証用のフィットを作るのです。このアルゴリズムでは、見つかった依存関係の再現性が考慮されていないため、パターンがあるかどうかがチェックされない指の上の例です。あなたは100の観測データからなるサンプルを持っています。1回の予測で1回使うルールを100個作ることも、100回使うルールを1個見つけることもできる...。どのアプローチに賭けるべきか？ Replikant_mih 2022.03.31 14:29 #26107 Maxim Dmitrievsky #:アレクセイが指摘したように、一種のブーストであることが判明した。試験サンプリングが与えられた各反復での改善点ただ、背面が良くない（左側）のですが、たまに良くなることがあります。設定項目が多いので、詳しい説明は省略します。できる限り、その考えを記述しました。 基本的に、私は2つのチャート（株式）を見る必要があり、すべて純粋なOOSにあります。また、PF、RF、winrateの指標も使用できます。そして、それは明確ではありません、どのような効果、美しい学習曲線は、私が理解するように、ISにあるのでしょうか？ Maxim Dmitrievsky 2022.03.31 14:34 #26108 Replikant_mih #:実際、純粋なOOSの2つのチャート（株式）を見ていただければわかります。また、PF、RF、winrateの指標も使用できます。それで、はっきりしないのですが、美しい学習曲線は、私が理解しているように、ISにどのような効果があるのでしょうか。グラフの最初の3分の1 - 新しいデータ、学習に関与していない 25回と100回の繰り返しの画像では、100回で改善されましたが、最大で70回程度でした。 JeeyCi 2022.03.31 14:36 #26109 Maxim Dmitrievsky #:こんな疑問があります。2つのモデルを使用します。一方は「買う」「売る」、もう一方は「取引する」「取引しない」を予測する。まず、1つ目のモデルを学習させ、そのモデルの予測が悪いところを見て、これらの例を「取引しない」、その他の良い例を「取引する」とマークし、これを2つ目のモデルに教え込みます。1つ目のモデルは訓練エリアだけでなく追加エリアでもテストされ、2つ目のモデルは両方のエリアで訓練されます。これを数回繰り返し、同じデータセットで両モデルを再トレーニングする。サンプルで徐々に結果が良くなっていく。しかし、コントロールサンプルではそうとは限らない。これと並行して、すべてのパスについて累積した不良取引のログを保存し、「取引しない」ためのすべての「不良」取引を第2モデルの学習のために収集し、すべてのパスについて不良取引のコピーが多いほど、それらを「取引しない」としてマークする機会が増えるという特定の原則に従ってフィルターにかけます。例えば、各日付ごとに、すべての反復学習において、ある量の悪い取引が蓄積され、この数が閾値（平均、平均）を超える場合、それらの取引は「取引しない」とマークされます。残りの取引はスキップされます。そうでなければ、多くの学習反復がある場合、すべての取引を除外することが可能です。coefficientで出力時のトレード数を 調整することができ、値が低いほど多くのトレードがフィルタリングされます...この辺でもう書き飽きた．このようなモデルの組み合わせをどのように改善すれば、新しい独立したプロットでの結果を向上させることができるのでしょうか？ なぜこのようなことができるのか、何か哲学的なものがあるのでしょうか。その他、再トレーニングのたびにモデルが自然に改善（誤差が減少）していくのですが、フィット感をなくすにはどうしたらいいのでしょうか？イラストはこちらグラフは3つのパートに分かれています。最後の1枚は1号機、最後から2番目の1枚は2号機、最初の3枚は試験用のサンプルです。当然、最後のセクションが最も良く、最初の3分の1が最も悪くなる。ここでは、バッドトレードのログを使用して、両方のモデルの再トレーニングを15回繰り返しました。 は、些細なMulti-Label Classificatonのように聞こえますが、モデルの組み合わせを変えるのではなく、予測変数の組み合わせを変える必要があります。というのも、もちろん逆のシグナルもあるでしょうが、OTFのエントリーポイント（レベルの崩れに対して）、それはすでにモデル選択（市場でのdtfまたはotfアクション）用のEdgeですから...。イムホ ========== またはマーキングなしで、ゲートの可能性を忘れたLSTMで、2つのモデルから別々にフィルタリングする必要はありません....が、こればかりは好みの問題なので......。 IBMでリグレッションが発生した（2021年後半のテストデータ-そこでは価格チャート上の右テールがトレーンとテストチャートで表現されている）......。... 単にCloseで... - ...私は些細なMAを持っている - そして、それは常にフラットではなく、トレンド（それがどのように動作するか）で動作します - スマート＆小売の動作が追加でフィルタリングされるべきである（とモデルは、着信と発信を分類するために再設計されるべきである...）。 ファイル: 31.03_IBM.jpg 22 kb 31.03_IBM_pred.jpg 22 kb Maxim Dmitrievsky 2022.03.31 14:39 #26110 JeeyCi #:些細なMulti-Label Classificatonのように見えますが、変化させるべきはモデルの組み合わせではなく、予測変数の組み合わせです。まず、予測変数をスマートアクションとリテールアクションの特徴に分割します...というのも、もちろん逆のシグナルもあるでしょうが、OTFのエントリーポイント（レベルの崩れに対して）、それはすでにモデル選択（市場でのdtfまたはotfアクション）用のEdgeですから...。イムホ==========またはマークアップなしで、LSTMと レイヤーだけで、2つのモデルから別々にフィルタリングする必要はありません....が、こればかりは好みの問題なので......。IBMでリグレッションが発生した（2021年後半のテストデータ-そこでは価格チャート上の右テールがトレーンとテストチャートで表現されている）......。... 単にCloseで...- 我々は、些細なMAを持っている - そして、それは常にフラットではなく、トレンド（どんなに）で動作します - スマート＆小売の動作が追加でフィルタリングする必要があります（とモデルが着信と発信を分類するために再設計する必要があります...）。 マルチレーベルではない、別の意味でのマルチレーベル。悪い信号を繰り返し除外し、主モデルでよく予測されるものは共通の山に残し、第二のモデルは悪いものと良いものを分離するように学習し、第一の取引を禁止または許可するようになる lstmは常にMAを生成する、ずいぶん前にテスト済み 1...260426052606260726082609261026112612261326142615261626172618...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
99％の確率または割合のない0.99
怖い人だ！
そんな確率で、ただの人間とコミュニケーションできるなんて......。- それは現実ではない...
怖い人だ！
そんな可能性を持ちながら、ただの人間とコミュニケーションを取るなんて......。- それは現実ではない...
さあ）
要は、トレーダーはどんなに頑張っても、結局は逆張りのトレードに終始して しまうということです。
CMEにおける出来高の分布を見ると、それらはオンラインで動的に公開されており、価格の挙動も同じです。
というのも、これまた一つしか言えないことなのですが、価格はほとんどの場合
が買われる - 価格が下がる、またはその逆。
昔も今も変わらない
なぜなら
https://www.mql5.com/ru/forum/86386/page2605#comment_28636383
CMEからの情報だけで戦略を立てるのはNG
なぜなら
というのも、彼らは気づいたときにすぐに、間違った情報を捨てる術を知っているからです。
そこにいて、それをやった ;)
アレクセイが指摘したように、一種のブーストであることが判明した。
試験サンプリングが与えられた各反復での改善点
ただ、背面が良くない（左側）のですが、たまに良くなることがあります。
設定項目が多いので、詳しい説明は省略します。できる限り、その考えを記述しました。
100回繰り返した場合
アレクセイが指摘したように、一種のブーストであることが判明した。
試験サンプリングが与えられた各反復での改善点
ただ、背面が良くない（左側）のですが、たまに良くなることがあります。
設定項目が多いので、詳しい説明は省略します。できる限り、その考えを記述しました。
基本的に、私は2つのチャート（株式）を見る必要があり、すべて純粋なOOSにあります。また、PF、RF、winrateの指標も使用できます。そして、それは明確ではありません、どのような効果、美しい学習曲線は、私が理解するように、ISにあるのでしょうか？
実際、純粋なOOSの2つのチャート（株式）を見ていただければわかります。また、PF、RF、winrateの指標も使用できます。それで、はっきりしないのですが、美しい学習曲線は、私が理解しているように、ISにどのような効果があるのでしょうか。
グラフの最初の3分の1 - 新しいデータ、学習に関与していない
25回と100回の繰り返しの画像では、100回で改善されましたが、最大で70回程度でした。こんな疑問があります。
2つのモデルを使用します。一方は「買う」「売る」、もう一方は「取引する」「取引しない」を予測する。
まず、1つ目のモデルを学習させ、そのモデルの予測が悪いところを見て、これらの例を「取引しない」、その他の良い例を「取引する」とマークし、これを2つ目のモデルに教え込みます。
1つ目のモデルは訓練エリアだけでなく追加エリアでもテストされ、2つ目のモデルは両方のエリアで訓練されます。
これを数回繰り返し、同じデータセットで両モデルを再トレーニングする。サンプルで徐々に結果が良くなっていく。しかし、コントロールサンプルではそうとは限らない。
これと並行して、すべてのパスについて累積した不良取引のログを保存し、「取引しない」ためのすべての「不良」取引を第2モデルの学習のために収集し、すべてのパスについて不良取引のコピーが多いほど、それらを「取引しない」としてマークする機会が増えるという特定の原則に従ってフィルターにかけます。
例えば、各日付ごとに、すべての反復学習において、ある量の悪い取引が蓄積され、この数が閾値（平均、平均）を超える場合、それらの取引は「取引しない」とマークされます。残りの取引はスキップされます。そうでなければ、多くの学習反復がある場合、すべての取引を除外することが可能です。
coefficientで出力時のトレード数を 調整することができ、値が低いほど多くのトレードがフィルタリングされます
...この辺でもう書き飽きた．
このようなモデルの組み合わせをどのように改善すれば、新しい独立したプロットでの結果を向上させることができるのでしょうか？
なぜこのようなことができるのか、何か哲学的なものがあるのでしょうか。その他、再トレーニングのたびにモデルが自然に改善（誤差が減少）していくのですが、フィット感をなくすにはどうしたらいいのでしょうか？
イラストはこちらグラフは3つのパートに分かれています。最後の1枚は1号機、最後から2番目の1枚は2号機、最初の3枚は試験用のサンプルです。当然、最後のセクションが最も良く、最初の3分の1が最も悪くなる。
ここでは、バッドトレードのログを使用して、両方のモデルの再トレーニングを15回繰り返しました。
は、些細なMulti-Label Classificatonのように聞こえますが、モデルの組み合わせを変えるのではなく、予測変数の組み合わせを変える必要があります。というのも、もちろん逆のシグナルもあるでしょうが、OTFのエントリーポイント（レベルの崩れに対して）、それはすでにモデル選択（市場でのdtfまたはotfアクション）用のEdgeですから...。イムホ
==========
またはマーキングなしで、ゲートの可能性を忘れたLSTMで、2つのモデルから別々にフィルタリングする必要はありません....が、こればかりは好みの問題なので......。
IBMでリグレッションが発生した（2021年後半のテストデータ-そこでは価格チャート上の右テールがトレーンとテストチャートで表現されている）......。... 単にCloseで...
- ...私は些細なMAを持っている - そして、それは常にフラットではなく、トレンド（それがどのように動作するか）で動作します - スマート＆小売の動作が追加でフィルタリングされるべきである（とモデルは、着信と発信を分類するために再設計されるべきである...）。
些細なMulti-Label Classificatonのように見えますが、変化させるべきはモデルの組み合わせではなく、予測変数の組み合わせです。まず、予測変数をスマートアクションとリテールアクションの特徴に分割します...というのも、もちろん逆のシグナルもあるでしょうが、OTFのエントリーポイント（レベルの崩れに対して）、それはすでにモデル選択（市場でのdtfまたはotfアクション）用のEdgeですから...。イムホ
==========
またはマークアップなしで、LSTMと レイヤーだけで、2つのモデルから別々にフィルタリングする必要はありません....が、こればかりは好みの問題なので......。
IBMでリグレッションが発生した（2021年後半のテストデータ-そこでは価格チャート上の右テールがトレーンとテストチャートで表現されている）......。... 単にCloseで...- 我々は、些細なMAを持っている - そして、それは常にフラットではなく、トレンド（どんなに）で動作します - スマート＆小売の動作が追加でフィルタリングする必要があります（とモデルが着信と発信を分類するために再設計する必要があります...）。
マルチレーベルではない、別の意味でのマルチレーベル。悪い信号を繰り返し除外し、主モデルでよく予測されるものは共通の山に残し、第二のモデルは悪いものと良いものを分離するように学習し、第一の取引を禁止または許可するようになる
lstmは常にMAを生成する、ずいぶん前にテスト済み