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 2772 1...276527662767276827692770277127722773277427752776277727782779...3399 新しいコメント СанСаныч Фоменко 2022.10.02 16:19 #27711 mytarmailS #:取引は行われていたのか？ それとも、すべてR-KAのテストレベルだったのか？ Rだけです。 Evgeni Gavrilovi 2022.10.02 20:19 #27712 私はMOのプロには程遠いので、ある問題の解き方を知りたいのです。 ご存知のように、温度を華氏から摂氏に変換するには、標準的な公式が使われます：C = (F-32)*5/9 勾配ブースティングは、サンプル内では素晴らしい結果を示しますが、サンプル外ではすぐに誤差が大きくなります。 なぜかというと、計算式が非常に単純だからである。） このアルゴリズムがOOSで良い結果を示すようにするには？ Maxim Dmitrievsky 2022.10.02 20:34 #27713 Evgeni Gavrilovi 勾配ブースティングは サンプル内では素晴らしい結果を示しますが、それを超えるとすぐに誤差が大きくなります。 為替市場の複雑な関係についてはどう言えばいいのだろう？)このアルゴリズムがOOSで良い結果を示すようにするには？ すべてのデータをある範囲に正規化するか、同じ範囲の値からOOSを取る必要があります。その範囲外の極端な値が予測されます。これがフォレストとバストとOOSが部分的に機能する方法です。 Ivan Butko 2022.10.03 02:06 #27714 なぜ戦略テスターで 重みを調整するのだろう？ 最善の解決策は、戦略テスターでニューロンの数、層の数、活性化の関数のタイプ（最初のものと最後のもの）を最適化することではないでしょうか？そして、重みの変化として誤差の逆伝播を使う？ このアイデアをテストすることにした。単層ネットワーク（層数の増やし方がわからない）、ニューロンはタンジェント関数（変え方がわからない）、出力は関数なし（置き方がわからない）。誤差の後方伝播。学習期間：年-2021/08/01-2022/08/01 最適化は、次のパラメータを選択することから成っていた：- 入力データの数（ループは、終値の差N0-N1の要求数を入力に送信し、あなたは他のことを行うことができますが、手が届きませんでした） - 1から999まで（配列変数は、より多くを行うことができませんでした）、ステップ1。-- セット数 (Bar++[入力データ数]) - 9 999, step 1. 学習は1時間足チャートで行ったので、1年間に6500本のバーがある。全部でほぼ1年 半 なので、大丈夫だと思う。- 出力学習係数 : 0～1 0.00001刻み。 - 入力学習係数 : 0～1 0.00001刻み。00001- エポック数 - 1から1000まで、ステップ1。 では、エポック数についてすぐにお伝えしましょう。1エポックでも1000エポックでも、私は何も変えられませんでしたが、あまり違いは感じられませんでした。おそらく、いくつかの誤差があるのでしょう。 しかし！興味深い観察：- ニューロンの数が多ければ多いほど、取引は多くなる（異なる方向に予測される場合、ほとんどすべてのローソク足）- 最初のベスト10の結果における入力の学習率は、0.7に近いことが多い - 最初のベスト10の結果における出力の学習率は、0.07に近いことが多い- ベスト結果は、入力データの数＜ニューロンの数＜セットの数という公式を示している。私が待つ忍耐力がある限り）最良の結果は次のようなものだった：約200の入力データ、約300のニューロン、約400のセット。なぜ最高の結果なのか？なぜなら、バックテストでは......うねるような滑らかな成長、2ヶ月先では......うねるような滑らかな成長、そして......。 興味のために99 999ニューロン - 50/50、しかし、当然のことながら - 最高の利益 - または最高のドローダウン 。同時に、入力の数は100以上、セットの数を作らなかった - 100以上。それは待つのに長い時間です。しかし、それは1000入力と1000セット、または10 000でどのような結果が表示されるかは不明である。 mytarmailS 2022.10.03 07:08 #27715 Evgeni Gavrilovi 勾配ブースティングは サンプル内では素晴らしい結果を示しますが、それを超えるとすぐに誤差が大きくなります。 為替市場の複雑な関係についてはどう言えばいいのだろう？)このアルゴリズムがOOSで良い結果を示すようにするには？ トレーニン グサンプルでAMOを学び、テストサンプルでモデルを選択する必要がある。グーグル クロスバリデーション mytarmailS 2022.10.03 07:43 #27716 СанСаныч Фоменко #:Rのみ それなら、コードにエラーがある可能性があるので、実際の相場かシミュレーションでテストする必要があります。私は最近それを経験しました、サインは+1バーを見ました、それは全く明白なエラーではありませんでした、それは解決するために30分かかりました.... mytarmailS 2022.10.03 08:08 #27717 Ivan Butko ストラテジーテスターで ウェイトが調整されるのか？これはフィッティングです... それが最善の方法ではないでしょうか...。1つ目と2つ目はフィッティングで、未知のパラメーターを探すこと、別名最適化です。そして、フィッティングに重みやニューロンの数は関係ない。ニューロン、FUN、活性化、カゴの中のリンゴの数。 Ivan Butko 2022.10.03 08:55 #27718 mytarmailS #:前者も後者もフィッティング、つまり未知のパラメーターを探すことであり、最適化である。 何をフィッティングするかは問題ではない、重み、ニューロンの数。ニューロン、FUN、活性化、カゴの中のリンゴの数。 それは悲しいことだ。どうすればいいのかわからない。 基本的なオプション、他にどこを見ればいいのか...。 mytarmailS 2022.10.03 09:13 #27719 Ivan Butko #:それは悲しいことだ。どうしたらいいのか分からない。 それが主な選択肢で、他にどこを見ればいいのか...。 皮肉？ Ivan Butko 2022.10.03 09:16 #27720 mytarmailS #: 皮肉？ いや、全然。ただ、他にどうしたらいいかわからないんだ。市販のニューラルネットワークを使おうとしても...。そこにも見込みはないと思う。 1...276527662767276827692770277127722773277427752776277727782779...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
取引は行われていたのか？ それとも、すべてR-KAのテストレベルだったのか？
Rだけです。
私はMOのプロには程遠いので、ある問題の解き方を知りたいのです。
ご存知のように、温度を華氏から摂氏に変換するには、標準的な公式が使われます：C = (F-32)*5/9
勾配ブースティングは、サンプル内では素晴らしい結果を示しますが、サンプル外ではすぐに誤差が大きくなります。
なぜかというと、計算式が非常に単純だからである。）
このアルゴリズムがOOSで良い結果を示すようにするには？
為替市場の複雑な関係についてはどう言えばいいのだろう？)
このアルゴリズムがOOSで良い結果を示すようにするには？
最善の解決策は、戦略テスターでニューロンの数、層の数、活性化の関数のタイプ（最初のものと最後のもの）を最適化することではないでしょうか？そして、重みの変化として誤差の逆伝播を使う？
このアイデアをテストすることにした。単層ネットワーク（層数の増やし方がわからない）、ニューロンはタンジェント関数（変え方がわからない）、出力は関数なし（置き方がわからない）。誤差の後方伝播。学習期間：年-2021/08/01-2022/08/01
最適化は、次のパラメータを選択することから成っていた：
- 入力データの数（ループは、終値の差N0-N1の要求数を入力に送信し、あなたは他のことを行うことができますが、手が届きませんでした） - 1から999まで（配列変数は、より多くを行うことができませんでした）、ステップ1。
-
- セット数 (Bar++[入力データ数]) - 9 999, step 1. 学習は1時間足チャートで行ったので、1年間に6500本のバーがある。全部でほぼ1年 半 なので、大丈夫だと思う。
- 出力学習係数 : 0～1 0.00001刻み。
- 入力学習係数 : 0～1 0.00001刻み。00001
- エポック数 - 1から1000まで、ステップ1。
では、エポック数についてすぐにお伝えしましょう。1エポックでも1000エポックでも、私は何も変えられませんでしたが、あまり違いは感じられませんでした。おそらく、いくつかの誤差があるのでしょう。
しかし！興味深い観察：
- ニューロンの数が多ければ多いほど、取引は多くなる（異なる方向に予測される場合、ほとんどすべてのローソク足）
- 最初のベスト10の結果における入力の学習率は、0.7に近いことが多い
- 最初のベスト10の結果における出力の学習率は、0.07に近いことが多い
- ベスト結果は、入力データの数＜ニューロンの数＜セットの数という公式を示している。私が待つ忍耐力がある限り）最良の結果は次のようなものだった：約200の入力データ、約300のニューロン、約400のセット。なぜ最高の結果なのか？なぜなら、バックテストでは......うねるような滑らかな成長、2ヶ月先では......うねるような滑らかな成長、そして......。
興味のために99 999ニューロン - 50/50、しかし、当然のことながら - 最高の利益 - または最高のドローダウン 。同時に、入力の数は100以上、セットの数を作らなかった - 100以上。それは待つのに長い時間です。しかし、それは1000入力と1000セット、または10 000でどのような結果が表示されるかは不明である。
為替市場の複雑な関係についてはどう言えばいいのだろう？)
このアルゴリズムがOOSで良い結果を示すようにするには？
Rのみ
それは悲しいことだ。どうすればいいのかわからない。
基本的なオプション、他にどこを見ればいいのか...。それは悲しいことだ。どうしたらいいのか分からない。
それが主な選択肢で、他にどこを見ればいいのか...。皮肉？
いや、全然。ただ、他にどうしたらいいかわからないんだ。市販のニューラルネットワークを使おうとしても...。そこにも見込みはないと思う。