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 270

[Andrey Dik]

mytarmailS:

なぜ皆モデルにこだわるのか、なぜ誰も符号の話をしないのか、なぜ誰も非定常性の話をしないのか。なぜ、誰もこれらの問題を解決しようとしないのか？ なぜ、誰も価格の原動力について考えようとしないのか？

ストキャスティックを使えば、通常のKNNであろうと、最も高度なディープネットであろうと、どんなモデルを使っても、精度は 51〜53%になります。入力がゴミなら、このようなモデルに何の意味があるのでしょうか？私自身は、モデルはシステムの最終段階であり、作業の 2%に すぎません。

塩は、MOをマーケットに適用しようとする人たちが、MOを入力することを知らない、指標からのデータを自分で解釈できない。そうでないなら、MOは必要ないでしょう。この場合、手口は、意思決定（指標シグナルの解釈）の責任を、すべてを引き受けてくれる魂のない機械に転嫁しようとするものにほかならないのである。

そしてもうひとつは、アルゴリズムによる解析（直接式の使用）が非常に困難、あるいは不可能な大量のデータに手品を適用する場合です。しかし、ここでは一般的にストキャスティクスとマッハのカップリングの組み合わせだけがスポイルされるので、「なぜ？」という疑問は特にありません。

[СанСаныч Фоменко]

mytarmailS:

なぜ皆モデルにこだわるのか、なぜ誰も符号の話をしないのか、なぜ誰も非定常性の話をしないのか。なぜ誰もこれらの問題を解決しようとしないのでしょうか？ なぜ誰も価格の原動力について考えないのでしょうか？

自分のいるスレを勘違いしている。

私の投稿を見てください。主な問題はデータマイニングにあると言っている私の投稿だけではありません。労働強度分布の数字も出しましたが、データマイニングで70％以上です。

さらに、私は、モデルの選択は最終的な結果にほとんど影響を与えないと主張し、現在もそう主張しています。

さらに、私や他のフォーラム参加者は、ノイズから元の予測変数のセットを選別できるような具体的なアルゴリズムを挙げています。そうすることで、ノイズ予測因子なしでは、このモデルは推奨されないと主張するのです。

このスレッドで全て公開されています。

PS.

回帰モデルではなく、分類モデルを検討しており、非定常性が分類モデルの性能に与える影響は完全には明らかでないため、非定常性は考慮されていない。

[toxic]

mytarmailS:

なぜ皆モデルにこだわるのか、なぜ誰も符号の話をしないのか、なぜ誰も非定常性の話をしないのか。なぜ誰もこれらの問題を解決しようとしないのでしょうか？ なぜ誰も価格の原動力について考えないのでしょうか？

ストキャスティックを入力すれば、どんなモデルでも問題ないのですが......。

非定常とは予測不可能という意味ではなく、期待値や分散などの単純な統計量がドリフトすること、このドリフトの規則性までは分析されていない、もしドリフトしたら定常ではない、という意味です。 MOでは非定常性は問題にならないが、期待値とばらつきの区分的不変性を仮定したシステムでは非定常性が問題になる。 MOでは窓の期待値とばらつきを特徴として使うことができるが、それは特徴のごく一部であり、これらの特徴の誤差は部分的に除去することが可能である。主な問題は、利用可能な機能によって決定されない新しい情報への迅速な市場の反応にあり、唯一の希望は、ニュースが発表される前に参加者の行動の特定のパターンが表示されたときに、内部関係者と関連する拡散「前触れ」です。つまり、インサイダー取引のため、市場はより予測しやすくなっているのです。

なぜストキャスティクスが必要なのですか？実際、MOストキャスティクスと標準的なモメンタムの差は大きくなく、モメンタム以外のものを、リターンの単純な窓埋め期待値として使う意味はない。 従来の計量モデル（AR、ARMA、GARCH、...）で使われているものを見てみよう。唯一のリターンは、バリエーションとリターンのマッシュアップ、それはモーメンタムであり、それは単純化の観点からではありませんが、特に後れを取らないであろう平滑化の文脈で "理想的な指標 "とこのすべてのものなので、それは哲学者の石や永遠のエンジンを作ろうとして錬金術師のように見える、彼らは無知な狂信者である。しかし、指標は滑らかなだけでなく、例えば「レベル」は最も重要な機能の一つかもしれません、私は人々が停止を配置する場所、私たちはチャート上で目で見るレベルを意味します。この符号を形式的にプログラム化し、統計的にどの程度有意であるかをチェックしてみてください。

[Дмитрий]

..:

非定常とは予測不可能という意味ではなく、期待値や分散などの単純な統計量がドリフトすることを示し、このドリフトの規則性までは分析されず、それらがドリフトすれば非定常ということになるのです。 MOでは非定常性は問題にならないが、期待値とばらつきの区分的不変性を仮定したシステムでは非定常性が問題になる。 MOでは窓の期待値とばらつきを特徴として使うことがあるが、特徴のごく一部であり、これらの特徴の誤差は部分的に除去することが可能である。主な問題は、利用可能な機能によって決定されない新しい情報への迅速な市場の反応にあり、唯一の希望は、ニュースが発表される前に参加者の行動の特定のパターンが表示されたときに、内部関係者と関連する拡散「前触れ」です。つまり、インサイダー取引のため、市場はより予測しやすくなっているのです。

...

何？

[toxic]

ディミトリ
何？

わからないところを強調する。

[Дмитрий]

私も 参加します。

非定常とは予測不可能という意味ではなく、期待値や分散などの単純な統計量がドリフト することを示し、このドリフトの規則性は分析されないが、もしそれらがドリフトするなら非定常であると言える。 MOでは非定常性は問題に ならないが、期待値とばらつきの区分的不変性を仮定したシステムでは非定常性が問題になる。 MOでは窓の期待値とばらつきを特徴として使うことがあるが、特徴のごく一部であり、これらの特徴の誤差は部分的に除去することが可能である。主な問題は、利用可能な機能によって決定されない新しい情報への迅速な市場の反応にあり、唯一の希望は、ニュースが発表される前に参加者の行動の特定のパターンが表示されたときに、内部関係者と関連する拡散「前触れ」です。つまり、インサイダー取引のため、市場はより予測しやすくなっているのです。

1.非定常性＝分散は無限大に等しい。"ドリフト "は画期的!

2.赤で強調した部分 - ポップコーンとビールを仕入れました。MOの手法で価格帯を予測する番組が楽しみです

[СанСаныч Фоменко]

ディミトリ

1.非定常性＝分散が無限大に等しい。"ドリフト "は画期的!

2.赤で強調した部分 - ポップコーンとビールを仕入れました。MOの手法で価格帯を予測する番組が楽しみです

ここでは、ビールやポップコーンの生産者を支援することにはあまり興味がないのです。

一般的なことではなく、ポジションを決めるときに、市場の問題を発見し、それを解決するための考え方に興味がある。

そんな私の悩みは2つあります。

1.商のSIGNIFICANCE(評価)予測における不安定さ

2.コタツの移動方向を予測する際の過学習。

そうすることで、MOは問題を挙げるだけでなく、問題解決の手段を議論し、さらに得られた結果の正確さを正当化することができます。

[TheXpert]

ディミトリ
何？

どうしたんですか？

[Дмитрий]

コンビナート です。
何がいけないんですか？

すでに上に書いてあります。

[toxic]

ディミトリ

1.非定常性＝分散が無限大に等しい。"ドリフト "は画期的!

2.赤で強調した部分 - ポップコーンとビールを仕入れました。MOの手法で価格帯を予測する番組が楽しみです

価格分散を測定する「天才」ってどんな人？もちろん、リターンやログリターンの話です。