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 2634 1...262726282629263026312632263326342635263626372638263926402641...3399 新しいコメント Aleksey Nikolayev 2022.04.25 07:51 #26331 もう少し準哲学的なことを。バイアスと分散のトレードオフにより、モデルの複雑さは常に制限されます。したがって、予測変数の全セットでモデルがうまく機能するとは決して言い切れない。そこで、このモデルの実用的なサブセットを決定することが課題となっている。私の理解が正しければ、これはまさにマキシムが最近書いたこと(2モデルについて)です。昔から言われている「常にマーケットにいようとしない方がいい」という考え方にかなり合致しています。 これを1つのモデルにまとめてみるのもいいかもしれませんね。例えば、このアイデア(Aleksey Vyazmikinも少し似たようなアイデアを持っていました)は、各予測子をセグメントに分割し、予測子のセット全体を多次元キューブに分解しています。そして、これらすべてのキューブから、適切なキューブのセットを選択する。次元が大きいと、この問題は組合せ的に難解になるが、ランダムフォレストとの類似性から、ランダムに低次元の予測変数のセットを選択することが可能である。各予測子に対する初期セグメンテーションは、持分(トランザクションが時間ではなく、所定の予測子によってソートされる場合)を単調なチャンクに分割することによって行うことができる。 クロスバリデーション(前進)で全部補完して、その他のことも全部想定して)おそらく、かなりナンセンスにもならないでしょう)まあ、あるいは、誰かが以前そういうことをやっていたのかもしれませんが。 Mikhail Mishanin 2022.04.26 17:22 #26332 有用な記事です。 https://habr.com/ru/company/ods/blog/544208/ Maxim Dmitrievsky 2022.04.27 15:18 #26333 Mikhail Mishanin #: 有用な記事です。https://habr.com/ru/company/ods/blog/544208/ 帽子様々なスタットテストのごった煮 Mikhail Mishanin 2022.04.27 15:49 #26334 Maxim Dmitrievsky #: 帽子さまざまな統計テストのごった煮 内省/理解のためのトピックとして、その 相関性 = 因果性 1-4. そして、とにかく自分でテストをすること。という感じで、実質的に広告のような記事になっています) Maxim Dmitrievsky 2022.04.27 16:10 #26335 Mikhail Mishanin #:内省/理解のためのトピックとして、その 相関性 = 因果性1-4.そして、とにかく自分でテストをすること。という感じで、実質的に広告のような記事になっています) 誰が平等だと言った。虚偽をでっち上げて反証するようなもの mytarmailS 2022.04.30 10:38 #26336 合成データからパターンを探すことは可能なのでしょうかね。私は説明しましょう - 100から200観測の小さなサンプルから、その分布から合成データの多くを描画し、そこにすでにいくつかの複雑なシーケンスなどを探します。 Valeriy Yastremskiy 2022.04.30 10:40 #26337 mytarmailS #: 合成データからパターンを探すことは可能なのでしょうかね。私は説明しましょう - 100から200観測の小さなサンプルから、その分布から合成データの多くを描画し、そこにすでにいくつかの複雑なシーケンスなどを探します。 論理的に考えても無理がある。 mytarmailS 2022.04.30 11:10 #26338 Valeriy Yastremskiy #: 論理的にはノーです。 なぜダメなのか? Maxim Kuznetsov 2022.04.30 11:13 #26339 mytarmailS #: なぜ? 論理的に) PS/データが少なすぎるため、ohlcに去勢されるか、完全に別の指標になる PPS/でも、定期的にそういうサンプルを取るとなると、話は別です。見る/探す - ここにたくさんのパターンがありますが、どんな共通点があるのでしょうか。ここで、各フラグメントのサイズは大きくなく、その総数も多くなる可能性があります。セットで形成して示したメインパターンがあるため mytarmailS 2022.04.30 14:36 #26340 そのようなサンプルを定期的にというのはどういうことでしょうか? 1...262726282629263026312632263326342635263626372638263926402641...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
もう少し準哲学的なことを。バイアスと分散のトレードオフにより、モデルの複雑さは常に制限されます。したがって、予測変数の全セットでモデルがうまく機能するとは決して言い切れない。そこで、このモデルの実用的なサブセットを決定することが課題となっている。私の理解が正しければ、これはまさにマキシムが最近書いたこと(2モデルについて)です。昔から言われている「常にマーケットにいようとしない方がいい」という考え方にかなり合致しています。
これを1つのモデルにまとめてみるのもいいかもしれませんね。例えば、このアイデア(Aleksey Vyazmikinも少し似たようなアイデアを持っていました)は、各予測子をセグメントに分割し、予測子のセット全体を多次元キューブに分解しています。そして、これらすべてのキューブから、適切なキューブのセットを選択する。次元が大きいと、この問題は組合せ的に難解になるが、ランダムフォレストとの類似性から、ランダムに低次元の予測変数のセットを選択することが可能である。各予測子に対する初期セグメンテーションは、持分(トランザクションが時間ではなく、所定の予測子によってソートされる場合)を単調なチャンクに分割することによって行うことができる。
クロスバリデーション(前進)で全部補完して、その他のことも全部想定して)おそらく、かなりナンセンスにもならないでしょう)まあ、あるいは、誰かが以前そういうことをやっていたのかもしれませんが。
https://habr.com/ru/company/ods/blog/544208/
有用な記事です。
https://habr.com/ru/company/ods/blog/544208/
帽子さまざまな統計テストのごった煮
内省/理解のためのトピックとして、その
相関性 = 因果性
1-4.
そして、とにかく自分でテストをすること。という感じで、実質的に広告のような記事になっています)
内省/理解のためのトピックとして、その
相関性 = 因果性
1-4.
そして、とにかく自分でテストをすること。という感じで、実質的に広告のような記事になっています)
合成データからパターンを探すことは可能なのでしょうかね。私は説明しましょう - 100から200観測の小さなサンプルから、その分布から合成データの多くを描画し、そこにすでにいくつかの複雑なシーケンスなどを探します。
論理的にはノーです。
なぜ?
論理的に)
PS/データが少なすぎるため、ohlcに去勢されるか、完全に別の指標になる
PPS/でも、定期的にそういうサンプルを取るとなると、話は別です。見る/探す - ここにたくさんのパターンがありますが、どんな共通点があるのでしょうか。ここで、各フラグメントのサイズは大きくなく、その総数も多くなる可能性があります。セットで形成して示したメインパターンがあるため