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 2806

 
Aleksey Vyazmikin #:

売り買いをマークアップし、インプットの数によってよりバランスの取れたモデルを選択し、サンプルを2つに分け、それぞれ2つの別々のモデルを作ってみる。

上昇相場と下降相場で別々にトレーニングするのですか? そうすれば、シグナルはいずれにせよ平均化されます。

すべてが論理的です。トレンド相場では、一部のスキャルパーを除いて、カウンタートレンドのトレードは通常効果がありません。

私はただ、モデルがどのように機能するかをよりよく理解できるようにお見せしただけです。

 
Maxim Dmitrievsky #:

まあ、標準的な指標とその派生物がほとんどかな?

私は当初、自分の取引経験や、さまざまな指標と価格の相互作用、価格水準、その他のパターンに関する自分のビジョンを使っていました。とはいえ、信頼できるけれども稀な事象を除外してしまうという、モデルに対する不満の方が大きいのですが......。

以前はオシレーターには懐疑的でしたが、最近の実験では、例えばMACDのように安定したシグナルが出ることがわかりました。

 
Maxim Dmitrievsky #:

では、上昇相場と下落相場で別々にトレーニングするのですか? そうすれば、いずれにせよシグナルは平均化されます。

一般的に、すべてが論理的であり、カウンタートレンドの取引は、いくつかのスキャルパー例外を除いて、割れ市場では通常効果がありません。

私はただ、このモデルがどのように機能するかをよりよく理解できるようにお見せしただけです。

なぜ平均すると、3つのモデルが存在することになるのでしょうか - 1つは、2つのモデルのうちどれを使うかを決定します。

買いでも売りでも同じ収益性を得られましたか?

はい、モデルの有効性はもちろんデータに依存することを正しく示しました。

 
Aleksey Vyazmikin #:

平均して3つのモデルがあり、1つは2つのモデルのうちどれを使うかを決める。

売買の収益性は同じですか?

はい、モデルの有効性はもちろんデータに依存することが正しく示されました。

トレードの統計はまだ見ていないんだ。

ところで、3つのモデルというのは面白いですね。私は今のところ2つしか持っていないのですが...納得です。

 

相関のある予測変数を必ずしも取り除く必要はないという投稿がいくつかありました。

モデル・アルゴリズムが相関予測変数に対してロバストであるという正当化は受け入れられません。


はい,100個の予測変数の集合の中に相関予測変数が数個あれば,アルゴリズムはロバストです.

しかし,すべての予測変数が相関している場合はどうでしょうか? ほとんどの予測変数が相関している場合はどうでしょうか?

相関予測変数の除去は、予測変数の集合の品質を明らかにすることであり、相関に関する特定のモデルのアルゴリズムの特性はまったく重要ではない。モデル化の前に,1つの予測変数または100の予測変数での厳密なモデルを知るべきである.モデルが構築される予測変数の数を知ることが必要である.

 
mytarmailS #:

スクリプトを起動したところ、次の動作を妨げるいくつかの瞬間がありました:

1.フルストップの代わりにカンマがある。

2.最後の列が失われています。

直せますか?

 
Aleksey Vyazmikin #:

あなたのスクリプトを実行したところ、今後の使用を妨げるいくつかの問題がありました:

1.フルストップではなくコンマ

2.最後の列が失われている。

修正できますか?

具体的に教えてください。

 
mytarmailS #:

もう少し具体的に教えてください。

サンプルの右側の部分を表形式で示します。



以下は、同じ場所にあるスクリプト結果の表である。


ご覧の通り、ターゲット・カラムを含む情報カラムはない。

そして、これらの列はファイルの一番最初にある。


数字の区切り文字がドットではなくカンマになっているのは、私が間違えたか、修正したかのどちらかである。

 
Vladimir Perervenko #:

あなたのスクリプトは1日以上稼動していますが、まだ審査結果に基づいてファイルを1つも作成していません。どうでしょう、そろそろスイッチを切る時期ではないでしょうか?

 
mytarmailS #:

もう少し具体的に教えてください。

交換してみましたが、問題ないようでした。

df <- cbind.data.frame(df,not_used_vars_df)
理由: