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 2752 1...274527462747274827492750275127522753275427552756275727582759...3399 新しいコメント Aleksey Nikolayev 2022.09.18 08:59 #27511 СанСаныч Фоменко #:望む結果が得られないことをする意味がわからない。 念のために言っておくが、私はあなたが何をすべきかを指示するつもりはない。むしろ、良い結果を出すアルゴリズムがあるにもかかわらず、Expert Advisorの形でうまく実装されていない場合、私ならどうするか（私は常にこの選択肢を避けるようにしていますが）、声を大にして考えているだけです。たいていの場合、より実装が簡単なアルゴリズムを使って同じような結果を得ようとするだろう。特に、そのアルゴリズムが得意とするものを分析する。 KNNから始めて、もし同じような結果が得られるのであれば、それは共通の予測変数のセットをうまく選択できたということです。結果がずっと悪い場合は、各時点での予測変数のサブセットの選択の問題かもしれません。この仮説を検証するために、私は局所回帰（LOESSのようなもの）を使用しようとします。さらなるステップは、すでに分析結果に基づいています。ところで、mql5に行列が登場したことで、線形回帰を直接実装することが簡単になりました。 Aleksey Nikolayev 2022.09.18 09:10 #27512 Maxim Dmitrievsky #: 正しい。アプリオリな仮定がないため、2番目のタイプが使われる。サンシュはどう見ているのだろうか。 私の見るところでは、各クラスがガウス分布で与えられ、それが非定常性のために時間とともに徐々に変化するという先験的な仮定がなされている。そのような仮定がなければ、マハラノビス距離のアプローチはほとんど意味をなさない。 個人的には、このような仮定は、どのような時間間隔のどのような測定器に対しても成り立つというには強すぎると思う。 СанСаныч Фоменко 2022.09.18 09:38 #27513 Aleksey Nikolayev #:念のため言っておくが、私はあなたが何をすべきかを指示するつもりはない。むしろ、良い結果を出すアルゴリズムがあるにもかかわらず、Expert Advisorの形でうまく実装されていない場合、私ならどうするかを声を大にして考えているだけです（私は常にこの選択肢を避けるようにしていますが）。たいていの場合、より実装が簡単なアルゴリズムを使って同じような結果を得ようとするだろう。特に、そのアルゴリズムが得意とするものを分析する。KNNから始めて、もし同じような結果が得られるのであれば、それは共通の予測変数のセットをうまく選択できたということです。もし結果がずっと悪いのであれば、予測変数のサブセットの選択の問題かもしれません。この仮説を検証するために、私は局所回帰（LOESSのようなもの）を使ってみようと思います。回帰はすでに予測変数の有意性を比較することを可能にしているからです。さらなるステップは、すでに分析結果に基づいている。ところで、mql5に行列が登場したことで、線形回帰を直接実装することが簡単になりました。 おかしな話ですが、LOESSを 含め、行列平滑化のどの亜種も予測能力を持ちません。 Valeriy Yastremskiy 2022.09.18 10:53 #27514 СанСаныч Фоменко #:言うのはおかしいが、LOESSを 含め、マセック・スムージングのどの変種にも予測力はない。 また、平均化をあきらめたが、私の研究の範囲は小さく、形式化されておらず、特異的でもないことに気づいた。古い研究では特異性は得られないが、少なくとも理解のために形式的に記述することはできた。どの平均を、どの範囲で、どの期間で調査したのか。 ZYは18年から20年のデータで、マッシュ3、14、60、120をすべてのTF4、いくつかのBBで行った。TF1時間足が最も良い結果。手動でパラメータを選択。 Maxim Kuznetsov 2022.09.18 11:08 #27515 СанСаныч Фоменко #:言うのはおかしいが、LOESSを 含め、マセック・スムージングのどの変種にも予測力はない。 MAは本質的に予測力を持たない。たとえ行列であったとしても（ここで求められているのは、N次元の行列に価格のベクトルを掛け合わせ、利益を得ることである。） 一般的に言えば、これは非常に重要なことである。T時間前とは、すでに生きていることの高さから見て何であったか。多かれ少なかれ、歴史を解釈（理解）することである。 mytarmailS 2022.09.18 11:25 #27516 СанСаныч Фоменко #: classDistの使用 1) classDistが約1の時にモデルをトレーニング/再トレーニングする。 2) classDistをサンプル全体の特徴量として与える 3) 異なる状態でのフィルタリング 4) 単純な訓練と一定の再学習を試みる いずれの場合も、予測力は確率的なものよりも優れておらず、ほとんどランダムである。 というわけで、この記述の現実性には疑問がある。 Maxim Dmitrievsky 2022.09.18 17:57 #27517 Maxim Kuznetsov #:MAにはもともと予測能力はない。たとえ行列であったとしても、MAはそのようなものではないのだ（ここで一体何が求められているのか-利益を得るために価格ベクトルをN次元行列に掛け合わせること。）これは一般的に言って非常に重要なことである。T時間前とは、すでに生きていることの高さから見て何であったか。多かれ少なかれ、歴史を解釈（理解）することである。 古典によれば、最大の予測能力は、現在のものに近い価格／水準／何であれによって表される。我々はそのようなTSを試し、率直に言って弱い結果を見ている。これはマシキのせいではない。 現実には、これは尊重されない。現在の価格は、遠くの変化に影響されることがあり、近いものは混乱させることがある。 そのため、私はスライディング・ウィンドウでの再トレーニングを信じていない。 歴史上、遅延効果によって未来に影響を与えた参照点を特定するのは興味深い。これはスライディング・ウィンドウを含めて、独自のアプローチで行うことができる。 必要であれば、もっと詳しく説明することもできる。一般的には、固定されたウィンドウではなく、フローティングウィンドウやシフティングウィンドウのように見えることがある。シーケンスを処理する最新のアルゴリズムも、ほぼ同じ原理で動作する。しかし、フォアについては、フォアが考慮しない独自の仕様があるだろう。 その詳細を決定するためには、フラクタルとその特性について少し理論化する必要がある。例えば、時系列をフラクタルと考える。 そうすれば、レベル／パターン／その他の何かが本当の意味を持ち、既知の特性を持つシステムの特定の記述を表すようになる。そうすれば、すべてを1つの理論にまとめ、共通の理解にすることができる。 分数微分を含め、その方向に進もうとするさまざまな試みがある。しかし、もっと明確で強力なものが必要である。 私の理解不足かもしれないが、経済物理学はどこか間違った方向に進んでいる。数式がたくさんあって、ほとんど意味がない。 考えてみる Valeriy Yastremskiy 2022.09.18 18:15 #27518 Maxim Dmitrievsky #:古典的には、最大の予測能力は、現在の価格に近い価格/レベル/何であれによって表される。そのようなTSを試してみたが、率直に言って弱い結果だった。この点については、Mashkiに責任はない。現実には観測されないし、現在の価格は遠くの変化に影響され、最も近いものは見当を狂わせることがある。だから私は、スライディング・ウィンドウで再トレーニングすることを信じていない。歴史の中で、遅延効果によって未来に影響を与えた参照点を特定するのは興味深い。これはスライディング・ウィンドウでも独自のアプローチで行うことができる。必要であれば、もっと詳しく説明することもできる。一般的には、固定されたウィンドウではなく、フローティングウィンドウやシフティングウィンドウのように見えることがある。シーケンスを処理する最新のアルゴリズムも、ほぼ同じ原理で動作する。しかし、foraの場合は独自の仕様があり、それは考慮されていない。その詳細を決定するためには、フラクタルとその特性について少し理論化する必要がある。例えば、時系列をフラクタルと考える。それを考える フラクタルは何を与えるのか？ Aleksey Vyazmikin 2022.09.18 18:21 #27519 Maxim Dmitrievsky #:歴史の中で、遅延効果を伴って未来に影響を与える参照点を特定することは興味深い。これはスライディングウィンドウでも独自のアプローチで行うことができる。 そしてここで彼は、私の「出来事」の概念を「レパートリー・ポイント」に置き換え、十数日前には聞かされていなかったことにする......。そうだ。 Maxim Kuznetsov 2022.09.18 18:21 #27520 Maxim Dmitrievsky #:古典的には、最大の予測能力は、現在の価格に近い価格/レベル/何であれによって表される。そのようなTSを試してみたが、率直に言って弱い結果だった。この点については、Mashkiに責任はない。現実には観測されないし、現在の価格は遠くの変化に影響され、最も近いものは見当を狂わせることがある。だから私は、スライディング・ウィンドウで再トレーニングすることを信じていない。歴史の中で、遅延効果によって未来に影響を与えた参照点を特定するのは興味深い。これはスライディング・ウィンドウでも独自のアプローチで行うことができる。必要であれば、もっと詳しく説明することもできる。一般的には、固定されたウィンドウではなく、フローティングウィンドウやシフティングウィンドウのように見えることがある。シーケンスを処理する最新のアルゴリズムも、ほぼ同じ原理で動作する。しかし、foraの場合は独自の仕様があり、それは考慮されていない。その詳細を決定するためには、フラクタルとその特性について少し理論化する必要がある。例えば、時系列をフラクタルと考える。分数微分など、その方向に進もうとするさまざまな試みがある。しかし、もっと明確で強力なものが必要だ。私の理解不足かもしれないが、経済物理学はどこか間違った方向に進んでいる。数式が多くて意味がない。考えてみる 古典的なSBを超える歴史のポイントは、特別な注意を払う価値がある。 1...274527462747274827492750275127522753275427552756275727582759...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
望む結果が得られないことをする意味がわからない。
念のために言っておくが、私はあなたが何をすべきかを指示するつもりはない。むしろ、良い結果を出すアルゴリズムがあるにもかかわらず、Expert Advisorの形でうまく実装されていない場合、私ならどうするか（私は常にこの選択肢を避けるようにしていますが）、声を大にして考えているだけです。たいていの場合、より実装が簡単なアルゴリズムを使って同じような結果を得ようとするだろう。特に、そのアルゴリズムが得意とするものを分析する。
KNNから始めて、もし同じような結果が得られるのであれば、それは共通の予測変数のセットをうまく選択できたということです。結果がずっと悪い場合は、各時点での予測変数のサブセットの選択の問題かもしれません。この仮説を検証するために、私は局所回帰（LOESSのようなもの）を使用しようとします。さらなるステップは、すでに分析結果に基づいています。ところで、mql5に行列が登場したことで、線形回帰を直接実装することが簡単になりました。
正しい。アプリオリな仮定がないため、2番目のタイプが使われる。サンシュはどう見ているのだろうか。
私の見るところでは、各クラスがガウス分布で与えられ、それが非定常性のために時間とともに徐々に変化するという先験的な仮定がなされている。そのような仮定がなければ、マハラノビス距離のアプローチはほとんど意味をなさない。
個人的には、このような仮定は、どのような時間間隔のどのような測定器に対しても成り立つというには強すぎると思う。
念のため言っておくが、私はあなたが何をすべきかを指示するつもりはない。むしろ、良い結果を出すアルゴリズムがあるにもかかわらず、Expert Advisorの形でうまく実装されていない場合、私ならどうするかを声を大にして考えているだけです（私は常にこの選択肢を避けるようにしていますが）。たいていの場合、より実装が簡単なアルゴリズムを使って同じような結果を得ようとするだろう。特に、そのアルゴリズムが得意とするものを分析する。
KNNから始めて、もし同じような結果が得られるのであれば、それは共通の予測変数のセットをうまく選択できたということです。もし結果がずっと悪いのであれば、予測変数のサブセットの選択の問題かもしれません。この仮説を検証するために、私は局所回帰（LOESSのようなもの）を使ってみようと思います。回帰はすでに予測変数の有意性を比較することを可能にしているからです。さらなるステップは、すでに分析結果に基づいている。ところで、mql5に行列が登場したことで、線形回帰を直接実装することが簡単になりました。
おかしな話ですが、LOESSを 含め、行列平滑化のどの亜種も予測能力を持ちません。
言うのはおかしいが、LOESSを 含め、マセック・スムージングのどの変種にも予測力はない。
また、平均化をあきらめたが、私の研究の範囲は小さく、形式化されておらず、特異的でもないことに気づいた。古い研究では特異性は得られないが、少なくとも理解のために形式的に記述することはできた。どの平均を、どの範囲で、どの期間で調査したのか。
ZYは18年から20年のデータで、マッシュ3、14、60、120をすべてのTF4、いくつかのBBで行った。TF1時間足が最も良い結果。手動でパラメータを選択。
言うのはおかしいが、LOESSを 含め、マセック・スムージングのどの変種にも予測力はない。
MAは本質的に予測力を持たない。たとえ行列であったとしても（ここで求められているのは、N次元の行列に価格のベクトルを掛け合わせ、利益を得ることである。）
一般的に言えば、これは非常に重要なことである。T時間前とは、すでに生きていることの高さから見て何であったか。多かれ少なかれ、歴史を解釈（理解）することである。
classDistの使用
1) classDistが約1の時にモデルをトレーニング/再トレーニングする。
2) classDistをサンプル全体の特徴量として与える
3) 異なる状態でのフィルタリング
4) 単純な訓練と一定の再学習を試みる
いずれの場合も、予測力は確率的なものよりも優れておらず、ほとんどランダムである。
というわけで、この記述の現実性には疑問がある。
MAにはもともと予測能力はない。たとえ行列であったとしても、MAはそのようなものではないのだ（ここで一体何が求められているのか-利益を得るために価格ベクトルをN次元行列に掛け合わせること。）
これは一般的に言って非常に重要なことである。T時間前とは、すでに生きていることの高さから見て何であったか。多かれ少なかれ、歴史を解釈（理解）することである。
古典によれば、最大の予測能力は、現在のものに近い価格／水準／何であれによって表される。我々はそのようなTSを試し、率直に言って弱い結果を見ている。これはマシキのせいではない。
現実には、これは尊重されない。現在の価格は、遠くの変化に影響されることがあり、近いものは混乱させることがある。
そのため、私はスライディング・ウィンドウでの再トレーニングを信じていない。
歴史上、遅延効果によって未来に影響を与えた参照点を特定するのは興味深い。これはスライディング・ウィンドウを含めて、独自のアプローチで行うことができる。
必要であれば、もっと詳しく説明することもできる。一般的には、固定されたウィンドウではなく、フローティングウィンドウやシフティングウィンドウのように見えることがある。シーケンスを処理する最新のアルゴリズムも、ほぼ同じ原理で動作する。しかし、フォアについては、フォアが考慮しない独自の仕様があるだろう。
その詳細を決定するためには、フラクタルとその特性について少し理論化する必要がある。例えば、時系列をフラクタルと考える。
そうすれば、レベル／パターン／その他の何かが本当の意味を持ち、既知の特性を持つシステムの特定の記述を表すようになる。そうすれば、すべてを1つの理論にまとめ、共通の理解にすることができる。
分数微分を含め、その方向に進もうとするさまざまな試みがある。しかし、もっと明確で強力なものが必要である。
私の理解不足かもしれないが、経済物理学はどこか間違った方向に進んでいる。数式がたくさんあって、ほとんど意味がない。
考えてみる
古典的には、最大の予測能力は、現在の価格に近い価格/レベル/何であれによって表される。そのようなTSを試してみたが、率直に言って弱い結果だった。この点については、Mashkiに責任はない。
現実には観測されないし、現在の価格は遠くの変化に影響され、最も近いものは見当を狂わせることがある。
だから私は、スライディング・ウィンドウで再トレーニングすることを信じていない。
歴史の中で、遅延効果によって未来に影響を与えた参照点を特定するのは興味深い。これはスライディング・ウィンドウでも独自のアプローチで行うことができる。
必要であれば、もっと詳しく説明することもできる。一般的には、固定されたウィンドウではなく、フローティングウィンドウやシフティングウィンドウのように見えることがある。シーケンスを処理する最新のアルゴリズムも、ほぼ同じ原理で動作する。しかし、foraの場合は独自の仕様があり、それは考慮されていない。
その詳細を決定するためには、フラクタルとその特性について少し理論化する必要がある。例えば、時系列をフラクタルと考える。
それを考える
フラクタルは何を与えるのか？
歴史の中で、遅延効果を伴って未来に影響を与える参照点を特定することは興味深い。これはスライディングウィンドウでも独自のアプローチで行うことができる。
そしてここで彼は、私の「出来事」の概念を「レパートリー・ポイント」に置き換え、十数日前には聞かされていなかったことにする......。そうだ。
古典的には、最大の予測能力は、現在の価格に近い価格/レベル/何であれによって表される。そのようなTSを試してみたが、率直に言って弱い結果だった。この点については、Mashkiに責任はない。
現実には観測されないし、現在の価格は遠くの変化に影響され、最も近いものは見当を狂わせることがある。
だから私は、スライディング・ウィンドウで再トレーニングすることを信じていない。
歴史の中で、遅延効果によって未来に影響を与えた参照点を特定するのは興味深い。これはスライディング・ウィンドウでも独自のアプローチで行うことができる。
必要であれば、もっと詳しく説明することもできる。一般的には、固定されたウィンドウではなく、フローティングウィンドウやシフティングウィンドウのように見えることがある。シーケンスを処理する最新のアルゴリズムも、ほぼ同じ原理で動作する。しかし、foraの場合は独自の仕様があり、それは考慮されていない。
その詳細を決定するためには、フラクタルとその特性について少し理論化する必要がある。例えば、時系列をフラクタルと考える。
分数微分など、その方向に進もうとするさまざまな試みがある。しかし、もっと明確で強力なものが必要だ。
私の理解不足かもしれないが、経済物理学はどこか間違った方向に進んでいる。数式が多くて意味がない。
考えてみる
古典的なSBを超える歴史のポイントは、特別な注意を払う価値がある。