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 2651 1...264426452646264726482649265026512652265326542655265626572658...3399 新しいコメント Aleksey Nikolayev 2022.05.26 17:32 #26501 mytarmailS #:その方がいい？=====================さらに式を複雑にすると ああ、リストの件はいい考えだ。 本当のダブルを作るには代数的データ型が必要だ。私はまだR用の実装を見たことがないし、遺伝的最適化も使えない（ どのような最適化が機能するかはまったく 不明 だ）。 mytarmailS 2022.05.26 17:37 #26502 あなたのことは知らないが、私はこのアルゴリズムに魅了されている...。下部の単純な変数が上部の大きな複雑な式にどのように加算されるのか、まるで自然界のような階層構造...。 mytarmailS 2022.05.26 17:41 #26503 Aleksey Nikolayev #:ああ、リストの件はいい考えだ。本当のダブルを作るには代数的データ型が必要だ。私はまだR用の実装を見たことがないし、遺伝的最適化も使えない（ どのような最適化が機能するかはまったく 不明 だ）。 GPの各桁はリストの別々の要素であるため、その数が多ければ問題が発生します。 Maxim Dmitrievsky 2022.05.26 18:13 #26504 mytarmailS #:あなたのことは知らないが、私はこのアルゴリズムに魅了されている...。下部の単純な変数が上部の大きな複雑な式にどのように加算されるのか、まるで自然界のような階層構造...。 MSUAより優れている点は？役に立つものであれば、どんなものに魅了されてもいいんだ（笑)。 mytarmailS 2022.05.26 18:29 #26505 Maxim Dmitrievsky #: MSUAより優れている点は？自分にとって良いものであれば、何に魅了されても構わないよ（笑)。 まあ、違いますね。シンボリック回帰はどんなロジックでも実装できるフレームワークで、自分で書かなくていいから便利なだけなんだけど......。そして、このルールの実装は、そう、mguaにとても似ている - 特徴抽出＋特徴選択＋モデル作成すべてmguaのように1つになっている。まあ、この特殊な実装をmguaと比較するならば：MGUAは完全にやりすぎなので、大量の特徴を扱うことはできない。これは悪いことだが、mguaは保証された最適解を見つける。この実装ではまったく逆だ。 Maxim Dmitrievsky 2022.05.26 18:55 #26506 mytarmailS #: まあ、それは違う。シンボリック回帰はどんなロジックでも実装できるフレームワークで、自分で書かなくていいから便利なんだ。そして、このルールの実装は、そう、mguaにとても似ている - 特徴抽出＋特徴選択＋モデルの作成。特徴抽出＋特徴選択＋モデル作成。まあ、この特殊な実装をmguaと比較すればね：MGUAは完全にやりすぎなので、大量の特徴を扱うことはできません。これは悪いことだが、mguaは保証された最適解を見つける。この実装ではまったく逆だ。 そうそう、これは遺伝的にやりすぎで、形質を組み合わせるための標準的なスキームがあるでしょう。 mytarmailS 2022.05.27 07:10 #26507 事象に対する不変性について少し ヘッド・ アンド・ショルダーのパターンを記述したいとします（そのような パターンが存在すると仮定します） 。 緑色の長方形はアルゴリズムの範囲を示す。最後のH点、この例では7個。 この形のデータを処理し、AMOやスライディング・ウィンドウなどに送り込む。 規則性をルールで表現すれば、x[1] < x[2] & x[2] > x[3]などとなる。 しかし、現実の相場は変化し、伸び縮みし、振幅が変化する。 ここに相場の現実があり、我々は皆、最後の7ポイントを見て、我々のルールx[1] < x[2] & x[2] > x[3]...が機能する ことを期待する）。 見ての通り、パターンがあり、それはどこにも行っていないが、我々のクールな10層GPT-5は何も見ていない）。 結論：すべてのAMOアルゴリズムは、表形式データで動作します。つまり、すべてのアルゴリズムは、インデックスへの厳密なバインディングでパターンを探しています。 1)連想ルールのようなアルゴリズムに目を向ける必要がある。これは、イベントやイベントのシーケンスに結びつくが、インデックスには結びつかない。 2) 自分たちで適切なルールを設計 し、そこからモデルを作る。 3) あるいは、連想規則やシーケンスのアルゴリズムに使われるようなデータ表現をAMOに使う。 mytarmailS 2022.05.28 05:29 #26508 Aleksey Nikolayev #:どのような最適化が有効なのかはまったくわからない どういう意味ですか？ダブルの連続最適化と整数の離散最適化があります。それとも私が誤解しているのでしょうか？ GPは離散的です。だからダブルでは問題があるのです。 mytarmailS 2022.05.28 06:38 #26509 多様化の力について あまり儲からない、まったく儲からないCUがあるとしよう。 これがそのイールドカーブである。 実際には、非常に弱いトレンドが加わったランダムなノイズであり、トレンドはノイズの中で目に見えないほど小さい。 これがそのトレンドだ。 これは取引させない戦略である)。 しかし、このような無相関のストラテジーが1つの口座で100個同時に取引されていたらどうでしょう？ 1000のストラテジーがあったら？ 10万のストラテジーがあったら？ それはかなりクールだ。 MOでそんなに多くのストラテジーを生成することは可能なのだろうか？ Aleksey Nikolayev 2022.05.28 06:52 #26510 mytarmailS #: どういう意味ですか？ダブルの連続最適化と整数の離散最適化があります。 GPは離散的である。 私はそこで代数的データ型について書いた。これらはリストや木のような複雑なデータ型を一般化したものだ。これらは、複雑な離散構造と、この構造に格納された実数の集合（サイズは固定でないことが判明している）を組み合わせている。したがって、構造体の離散的最適化と、構造体に格納された数値の連続的最適化を組み合わせる必要がある。少なくとも理論的にはどうすればいいのか全くわからない。 1...264426452646264726482649265026512652265326542655265626572658...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
その方がいい？
=====================
さらに式を複雑にすると
ああ、リストの件はいい考えだ。
本当のダブルを作るには代数的データ型が必要だ。私はまだR用の実装を見たことがないし、遺伝的最適化も使えない（ どのような最適化が機能するかはまったく 不明 だ）。
あなたのことは知らないが、私はこのアルゴリズムに魅了されている...。下部の単純な変数が上部の大きな複雑な式にどのように加算されるのか、まるで自然界のような階層構造...。
ああ、リストの件はいい考えだ。
本当のダブルを作るには代数的データ型が必要だ。私はまだR用の実装を見たことがないし、遺伝的最適化も使えない（ どのような最適化が機能するかはまったく 不明 だ）。
GPの各桁はリストの別々の要素であるため、その数が多ければ問題が発生します。
あなたのことは知らないが、私はこのアルゴリズムに魅了されている...。下部の単純な変数が上部の大きな複雑な式にどのように加算されるのか、まるで自然界のような階層構造...。
MSUAより優れている点は？自分にとって良いものであれば、何に魅了されても構わないよ（笑)。
まあ、それは違う。
事象に対する不変性について少し
ヘッド・ アンド・ショルダーのパターンを記述したいとします（そのような パターンが存在すると仮定します） 。
緑色の長方形はアルゴリズムの範囲を示す。最後のH点、この例では7個。
この形のデータを処理し、AMOやスライディング・ウィンドウなどに送り込む。
規則性をルールで表現すれば、x[1] < x[2] & x[2] > x[3]などとなる。
しかし、現実の相場は変化し、伸び縮みし、振幅が変化する。
ここに相場の現実があり、我々は皆、最後の7ポイントを見て、我々のルールx[1] < x[2] & x[2] > x[3]...が機能する ことを期待する）。
見ての通り、パターンがあり、それはどこにも行っていないが、我々のクールな10層GPT-5は何も見ていない）。
結論：すべてのAMOアルゴリズムは、表形式データで動作します。つまり、すべてのアルゴリズムは、インデックスへの厳密なバインディングでパターンを探しています。
1)連想ルールのようなアルゴリズムに目を向ける必要がある。これは、イベントやイベントのシーケンスに結びつくが、インデックスには結びつかない。
2) 自分たちで適切なルールを設計 し、そこからモデルを作る。
3) あるいは、連想規則やシーケンスのアルゴリズムに使われるようなデータ表現をAMOに使う。
どのような最適化が有効なのかはまったくわからない
多様化の力について
あまり儲からない、まったく儲からないCUがあるとしよう。
これがそのイールドカーブである。
実際には、非常に弱いトレンドが加わったランダムなノイズであり、トレンドはノイズの中で目に見えないほど小さい。
これがそのトレンドだ。
これは取引させない戦略である)。
しかし、このような無相関のストラテジーが1つの口座で100個同時に取引されていたらどうでしょう？
1000のストラテジーがあったら？
10万のストラテジーがあったら？
それはかなりクールだ。
MOでそんなに多くのストラテジーを生成することは可能なのだろうか？
どういう意味ですか？ダブルの連続最適化と整数の離散最適化があります。
私はそこで代数的データ型について書いた。これらはリストや木のような複雑なデータ型を一般化したものだ。これらは、複雑な離散構造と、この構造に格納された実数の集合（サイズは固定でないことが判明している）を組み合わせている。したがって、構造体の離散的最適化と、構造体に格納された数値の連続的最適化を組み合わせる必要がある。少なくとも理論的にはどうすればいいのか全くわからない。